AI走到工程化硬仗：三条活路与三个虚火

AI走到工程化硬仗：三条活路与三个虚火

一、引言：AI的兴奋点从“更大”转向“更能用”

过去两年，AI圈最擅长的是制造惊叹：更大的参数、更长的上下文、更炫的演示视频。但站在2026年10月这个时间点看，风向已经变了。读者真正关心的问题变成：模型能不能便宜地跑起来？国产芯片能不能扛住真实业务？多模态到底什么时候变成生产力，而不是发布会上的烟花？

本周几条公开信息放在一起，很有代表性：罗福莉宣布小米MiMo-V3将采用全新架构，并带来HySparse 2核心；京东曹鹏披露京东云与摩尔线程等合作打造十万卡国产算力集群；阿里云栖大会释放全模态进展，Qwen4在训练中，下一代视频模型定在11月发布。

我的看法很直接：这三件事拼起来，就是中国AI从“讲故事”进入“打硬仗”的截面。下面我不做中立复读，只按一个标准拆——到底是活路，还是虚火：看它有没有解决真实成本、真实负载、真实可控性。凡是只有宏大名词、没有可核验指标的，我会直接打问号；凡是敢于接受工程验收的，我才认为值得押注。

二、十万卡国产集群：我赞成“真负载炼芯”，不赞成只数卡

先把口径说清楚。按公开报道口径，京东云相关负责人曹鹏提到，京东云与摩尔线程等合作打造十万卡国产算力集群。这里的确定信息是合作方向、参与方和“十万卡”这一规模口径；素材没有给出投资额、采购金额、芯片型号占比，也没有披露集群是否已经完成全部交付、实际利用率和业务承接比例。所以，谁要是顺手写成“投入多少亿”“国产化率多少”“已建成多少EFLOPS”，那就是编造。

这里还要提醒一句：即便未来披露了相关数字，融资额、采购合同额、项目预算和公司估值也是四回事。某家芯片厂商获得多少融资，不等于这个集群采购了多少卡；某个项目计划投入多少预算，也不等于已经形成的真实交付能力；至于公司估值，更不能被拿来冒充采购金额或建设成本。读者看到这类口径混写，可以直接关掉。

我赞同这条新闻里真正有价值的部分，不是“十万”这个听起来很炸的数字，而是“京东负载”这四个字。京东的业务场景涉及电商交易、物流调度、金融风控、客服、广告推荐等又脏又重的真实业务。它们不像基准测试那样温柔，峰谷抖动、数据合规、延迟要求全都苛刻。把国产芯片塞进这种环境，相当于把新发动机直接装进重卡跑青藏线，比实验室里跑圈残酷得多。

事实上，京东云与摩尔线程等国产芯片厂商合作的公开信息之所以值得关注，恰恰在于它是“云厂商+国产加速卡”的深度绑定，而不是一次象征性的采购签约。前者意味着后续会有持续的软件栈适配、算子优化、调度改造和故障处理；后者往往止步于新闻通稿。对企业客户来说，真正要问的也不是“用了谁的卡”，而是国产芯片能否在真实业务里稳定完成任务、维护成本是否可控、遇到问题有没有人兜底。

但我要泼第一盆冷水：卡数不等于有效算力。十万张卡如果只是“点亮”，那更像房地产逻辑——先圈地，再谈招商；真正难的是互联、调度、容错、软件栈和模型适配，是成千上万张卡能不能像一个生物体一样呼吸。公开口径里没有给出集群的实际利用率、故障率、单任务吞吐和业务承接结构，所以我对“已建成领先集群”这种强判断保持保留。

参考超大规模集群的一般工程规律，难点从来不在通电那一刻，而在之后数月甚至数年的稳定性爬坡：一张卡出问题不稀奇，稀奇的是大量加速卡同时跑训练或推理任务时，任何单点故障都不能让整个任务前功尽弃。这需要软硬件协同的成熟度和工程纪律，是拿钱买不来的肌肉。

因此，我认为评价这条线的正确方式，不是拿着新闻里的规模数字欢呼，而是列一张验收清单：集群实际点亮了多少卡？可长期稳定运行的比例是多少？训练任务和推理任务各占多少？国产芯片在真实业务中的利用率是多少？单卡、单任务、单请求的综合成本是多少？故障后的恢复时间是多少？这些问题没有答案之前，“十万卡”只能算方向，不能算成绩单。

我的判断是：京东这条线的胜负手不在规模新闻，而在一年之后敢不敢披露真实业务承接比例。敢披露，说明真炼出来了；不敢披露，十万卡就仍有展厅风险。对谁有利？显然利好摩尔线程这类国产加速卡厂商，也利好京东云把自己从“用云的”变成“造云栈的”。隐患也明显：强绑定国产供应链会在性能上限与供给节奏上受制于人。

会不会持续？我认为会持续，但叙事会从“堆卡”转向“可验证的TCO”，也就是总拥有成本。未来比拼的不是谁卡多，而是谁每瓦、每元、每延迟产出的智能更多。

三、MiMo-V3与HySparse 2：稀疏化才是端侧AI的省钱革命

第二条线来自小米。按公开报道口径，罗福莉宣布小米MiMo-V3将采用全新架构，HySparse 2核心发布。公开信息没有给出MiMo-V3的参数规模、训练数据量，因此我不推断这两项，也不把它们包装成“小参数大能力”之类的未经证实结论。

但“没有模型参数”不等于“没有量化数据”。公开资料给出了HySparse 2相对前代Hybrid SWA的一组核心指标：在1M token条件下，prefill FLOPs降至前代的1/5.02，KV缓存由12.09GB降至2.69GB；RULER-v2、MRCR-v2两项结果分别提升6.6和8.1。这组数据值得重视，但必须按正确口径解读：FLOPs和KV缓存是资源占用指标，不是延时，也不是成本；“降至1/5.02”不能直接写成“提速5.02倍”，KV缓存从12.09GB降到2.69GB也不能直接换算成整体推理成本下降多少。

这组数据真正说明的是什么？是HySparse 2在超长上下文处理上，针对prefill计算和KV缓存这两个资源大头做了明确优化，并且公开口径还给出了评测结果上的对应提升。它不是一句“全新架构”的空话，而是可以被进一步复现、对比和审计的工程指标。与此同时，这些指标仍不足以证明整机续航提升多少、单次请求成本下降多少，更不能替代真实手机、车机等终端上的大规模测试。

我的态度很明确：在端侧和推理成本成为瓶颈的当下，稀疏化比“参数军备赛”性感得多。打个比方，稠密模型像每顿饭都把满汉全席端上桌，菜很硬，但钱包和肠胃都遭罪；稀疏化更像精准点菜，该激活的计算单元火力全开，不该动的就别凑热闹。对手机、眼镜、车机这类设备来说，电量、发热、内存都是命，稀疏不是锦上添花，是能不能上车的入场券。

为什么稀疏化在这个时间点变得关键？因为行业重心正在从训练转向推理。训练是一次性的大额投入，推理则是每天都在发生的运营成本——一次用户查询就触发一次模型前向计算，乘以日活用户和调用频次，成本曲线会比训练账簿陡得多。谁能把单次推理的算力消耗压下去，谁就拿到了规模化落地的门票。这正是我认为稀疏化路线务实的根本原因：它不是论文里的概念游戏，而是直接砍在成本大动脉上的工程选择。

我看好小米的切入点，是因为它有别人羡慕不来的闭环：手机出货量带来终端入口，澎湃OS与芯片调校带来软硬协同，汽车与家居场景带来多设备入口。如果MiMo-V3真能在新架构上把推理成本打下来，小米最该做的不是发论文，而是把模型嵌进相册搜索、语音摘要、会议纪要、端侧Agent这些“每天都能用三次”的功能里。端侧AI的商业价值不在于单点体验惊艳，而在于高频：一个每天被调用几十次的功能，其累积的用户价值和数据飞轮，远高于一个月才用一次的炫技演示。

但隐患也很清楚：小米过去在开发者心智上偏“硬件强、生态软”，模型若只是发布会亮点，开发者不会迁移；开源社区的口碑也不是一两场沟通会能买来的。我的判断是，HySparse 2这类核心的价值，要用两个指标验收：一是同画质、同效果下的端侧能耗是否肉眼可见下降；二是第三方开发者复现是否顺滑。两个都成立，小米就走出了“参数叙事”；只成立第一个，是优秀工程；两个都不成立，那就只是新瓶装旧酒。

会不会持续？我认为稀疏化会持续，因为推理时代的账本逼着所有人抠成本，小米选的是一条务实且可能后发制人的路。但小米也不能只满足于公布架构名和单项指标，后续至少要回答：真实终端延迟是多少？典型任务功耗是多少？开发者在主流设备上部署需要多少工程量？如果这些答案始终模糊，稀疏化就仍然停留在论文式胜利。

四、阿里全模态：视频模型11月见真章，但别神化“全模态”

第三条线是阿里。按云栖大会释放的公开口径，阿里公布全模态进展：Qwen4仍在训练中，下一代视频模型将在11月发布。这里能确定的硬信息只有训练状态与“11月”这个时间点；素材没有给出Qwen4参数，也没有给出视频模型的时长、分辨率、价格，所以我同样不写未披露数字。

我的观点可能有点刺耳：我支持阿里做全模态，但反对把“全模态”当成新玄学。全模态不该是文本、图像、音频、视频能互相“听懂”这么简单，而是要在可控性、一致性、可编辑性上过关。否则做出来的是更高级的抽卡机——画面惊艳，导演想哭。视频生成的商业化，拼的从来不是一条样片，而是连续剧式一致性、角色不崩、镜头语言可控、成本可预测。

这里要拆穿一个行业通病：发布会的视频Demo几乎都是“精选结果”，背后是几十上百次生成里挑出的最优一条。而真实商业交付要的是“每次都能用”的期望值，是均值不是峰值。这就是为什么我反复强调成本可预测性——内容团队做预算时，关心的是“每条可用素材平均花多少钱、要抽几次卡”，而不是发布会那条神片的制作成本。

阿里手里有两张好牌。第一是工程化，阿里云把模型、算力、工具链打包卖给企业，这条B端通路比单纯模型公司更接近现金流；第二是开源心智，Qwen系列在开发者中积累了不少好感，这种好感有机会迁移到视频工具链上。但“有机会”不等于“必然成功”。视频模型的采购逻辑比文本模型复杂得多：客户要买的不是一段惊艳视频，而是一套能从脚本、分镜、素材、生成、修改到版权交付的生产流程。

风险也不小：内部产品线多，模型、云、电商内容、钉钉、夸克等都想接多模态，若目标不统一，容易互相抢定义权；再说视频撞版权墙几乎是行业宿命，素材来源、肖像权、风格模仿都会让法务比产品经理更忙。这里我不替阿里预设违法风险，也不猜测其素材库构成，但有一点是清楚的：只要企业客户拿生成内容去投放、售卖或公开传播，版权链条就会变成采购门槛，而不是售后问题。

我判断11月发布只是发令枪，真正的分水岭在发布后三个月：能不能开放可编辑能力，能不能给出企业级稳定性承诺，能不能把单次生成成本降到内容团队敢批量试错的区间。如果做到，视频模型会先从广告素材、电商详情页、短剧预演、教育课件这些“半结构化”场景赚钱；做不到，就还是朋友圈演示。

会不会持续？一定会，因为多模态是通往Agent与机器人感知的必经路，但“全模态”这个词会被快速祛魅，最后大家只认“可控、便宜、能交付”。

五、我的综合判断：活路在成本、负载与可控性，虚火在叙事

把三条线放同一张图上看，我认为中国AI的竞争坐标正在从“单点模型能力”换成“系统交付能力”。京东代表算力与云的底座，核心命题是国产芯片能否被真实业务驯化；小米代表终端与推理，核心命题是成本能不能低到进入每天使用的设备；阿里代表全模态与云生态，核心命题是生成能力能不能被企业采购。

三家的活路分别是：可验证的TCO、可复现的端侧降本、可编辑可交付的多模态；三家的虚火也同源：只报规模不报利用率、只发架构不报第三方复现、只放样片不报成本与版权方案。

这三件事还有一个共同的隐性主题：中国AI正在把“卡脖子”的焦虑转化为工程化的动力。京东押注国产算力集群，是对算力供给自主可控的回应；小米押注端侧稀疏化，是对推理成本与数据合规的双重回应；阿里押注全模态工具链，是对企业级AI采购需求的回应。三条路线各自的赌注不同，但底层逻辑一致——从“能做什么”转向“谁能稳定、便宜、合规地交付”。

我用一个更狠的标准收束：接下来一年，AI公司估值与口碑的分水岭，不再是“你发布了什么”，而是“你敢于被审计什么”。敢被审计利用率、能耗、成本、复现率、合规来源的，会进入产业深水区；只敢放精选Demo的，会退回到流量游戏。

我更看好把模型塞进重负载与终端的那两条路，因为它们离现金流近；对纯叙事驱动的“全模态大一统”，我保留三分敬意、七分警惕。这个判断的依据就来自本周披露的有限口径：没有金额、没有份额、没有完整量化指标，恰恰说明行业还处在“敢讲方向、不敢交账本”的阶段。谁先交账本，谁领先——这是我愿意押注的口径。

六、结语：把AI从发布会拉回车间与手机

总结一句：小米在抠推理的钱，京东在炼国产算力的命，阿里在赌多模态的生产力；三件事都不性感，却都比“更大模型”更接近未来。我的立场不变：赞成真负载、真降本、真可控，反对只数卡、只发架构、只放烟花。

接下来最值得盯的节点也很清楚——京东敢不敢披露国产集群承接真实业务的比例，MiMo-V3与HySparse 2有没有第三方可复现的端侧收益，阿里11月视频模型发布后三个月能不能拿出企业级成本与合规方案。这三件事本质上都是同一个问题的三面：公开口径里敢写进数字的部分，才是这家公司真正的肌肉。

你要是也在做AI产品或选型，不妨留言聊聊：你更愿意把预算押给云端大集群、端侧小钢炮，还是可控多模态？我的答案先说——现金流在哪边，我就站哪边。这不是投机，而是工程化时代最基本的生存法则：讲不出账本的创新，撑不过下一个冬天。