“世界不是由事实构成的，而是由事实之间的关系构成的。”
如果用维特根斯坦的理论来反推 AI 的能力边界，智能的上限或许从一开始就不取决于模型“知道多少”，而取决于它是否理解Context(语境)、规则，以及这些知识在不同场景中如何被使用。
也正是在这一意义上，今天更有竞争力的模型们，开始逐步逼近维特根斯坦后期所说的“语言游戏”：意义并不来自词本身，而来自使用。能否参与这种游戏，决定了 AI 只是一个高效的工具，还是正在进入更深层的认知结构。
但这一变化，并没有被舆论第 一时间捕捉。过去两年，舆论场被 ChatGPT 与 Claude 轮番占据，行业习惯将 AI 视为一个整体的、线性的竞赛，更强的模型、更大的参数、更通用的智能被视为唯 一的进化方向。
身处一线的从业者，先于市场感知到了“温差”。前OpenAI成员姚顺雨，便在此前AGI会谈上分享到： AI 在 To C 端和 To B 端正遵循不同的发展轨迹。
从 GPT-4 到后续迭代版本，普通 C 端用户的体感差异微乎其微；但另一边，Claude，已开始深入编程等核心环节，改变程序员们的工作模式。
在 To B 的世界里，智能直接等同于线性的生产力。企业愿意为最顶 级的“大脑”支付高昂溢价。因此，当 AI 应用从简单的 Chatbot 转向嵌入 IDE、CRM 等核心工作流时，那些拥有算力基础设施、掌握行业 Know-how、并能构建闭环环境的“超大规模云厂商”，正在强势接管整个 B 端 AI 市场。
而在 To C 的世界，胜负手从“算力堆叠”转向了对“语境（Context）”的捕捉。结果是，巨头们在同一方向狂奔，却走向了不同赛道。针对被字节与阿里占据的AI舆论场，马化腾在昨日内部年会定调腾讯AI战略——“每个企业的基因不同、体质不同，腾讯的风格就是稳扎稳打。”
面对外界的AI焦虑，马化腾开场便给全员吃下“定心丸”。与此同时，元宝派的诞生证明腾讯依旧将希望放在了熟悉的社交关系链中。
陷入马太效应的“垂直整合”
过去两年，市场曾笃信“模型+应用”一体化的垂直整合才是王道。这在逻辑上似乎无懈可击：只有同时掌握底层大脑与上层手脚的玩家，才配在这个赛道筑起高墙。
但现实很快给出了反击。在 To B 的生产力场景下，能够在这个星球上做大预训练（Pre-training）的公司凤毛麟角，而那些手握场景 Know-how 的公司，往往并不具备底层训练的基因。这种能力的错位，迫使 B 端市场在早期迅速分层：底层公司刷榜 Scaling Law，应用公司做“最后一公里”的适配。
到了 2025 年下半年，这场分工演变得更加残酷。对于 To B 市场而言，更大的预训练依然是模型公司不可撼动的核心壁垒；而随着模型能力的溢出，那些只做简单“套壳”或“薄”中间层的应用公司，发现自己的价值被底座模型直接覆盖了。在新的生存法则里，不做深、不做厚，就意味着出局。
分化的根源，是“智能密度”开始直接挂钩企业ROI，B 端客户愿意为“确定性”支付高昂的溢价。姚顺雨在AGI会谈上的例子非常直白：如果最强的模型订阅费是 200 美元/月，而第二强的只需 20 美元，企业会毫不犹豫地选择前者。
逻辑很简单，一个工程师每天处理 10 个任务，顶 级模型能做对 9 个，次级模型只能做对 6 个。为了省下那 180 美元的模型费，企业需要花费数倍的人力成本去复核那 3 个错误的答案。
这种对极 致智能的渴求，导致 B 端市场的马太效应远比 C 端严重。
大摩去年 11 月发布的《中国 CIO 调查报告》佐证了这一趋势——DeepSeek、通义千问两家的 CIO 意向度已达到 75%。基于此，大摩给出了更为激进的终局推演：三年内，通义、DeepSeek、华为和字节跳动将占据 90% 的国内 B 端 AI 服务市场份额。
在巨头攻城略地的阴影下，为了维持高密度的智能供给，独立模型厂商正如履薄冰。以 To B 的代表智谱为例，这家公司虽是典型的“短小精悍”——人数不足千人、产品迭代快，年化收入正快速迈向一亿美金。但在支出层面，即便收入快速增长，大规模的技术研发与算力支出，依旧持续侵蚀着智谱的利润空间。
互联网的规模经济效应在AI领域似乎并未奏效。即使智谱在收入增长过程中保持了 50% 的高毛利，但 2024 年其支出（成本与运营开支）仍是当期收入的 10 倍上下；到了 2025 年上半年，这种“收入越大、亏损率越高”的规模不经济现象反而加剧了。
当然，问题的症结在于大模型对“投入密度”的无底洞需求——要给模型投喂更多数据，要么靠自身超快的落地速度去接入更多场景，要么只能比拼对私有数据的付费能力。而智谱为了 To B 落地，不仅要维持通用的高强度研发，还需要匹配庞大的销售团队，这使得其在与拥有自有数据金矿的互联网大厂竞争时，显得捉襟见肘。
与此同时，创业公司的生存空间也在被重新定义。过去两年，大量创业公司涌入所谓的“中间层”赛道，做 RAG（检索增强生成）、Prompt Engineering（提示词工程）平台，或者是简单的 Workflow 编排工具。
但随着模型能力——尤其是长上下文（Long Context）和推理能力（Reasoning）的提升，这些“薄”中间层的价值正在被迅速稀释。以前需要复杂 Prompt 链条解决的问题，现在直接把技术文档扔进长文本模型就能解决。
“修补匠”正在退出历史舞台，取而代之的是“厚”中间层。姚顺雨认为，这种“厚”除了是对特定领域 Know-how 的深度封装。也是对“环境交互（Environment Interaction）”的构建。Coding Agent 之所以能率先跑通，是因为代码拥有一个最完 美的反馈环境——编译器。代码写错了，编译器报错，Agent 知道错了并自我修正。这是一个天然的强化学习（RL）闭环。
但这恰恰触及了创业公司难以逾越的“数据墙”。以 Coding Agent 为例，即便强如Claude ，其母公司 Anthropic 想要优化代码能力，也不得不依赖数据厂商去雇佣工程师进行标注。这种“外包式”的数据生产，规模受限且带有明显的人工痕迹。
相比之下，大厂拥有截然不同的解题环境，因为它们自身就是 Coding Agent 最 大的试验场。
大厂内部几万名工程师每一次代码的提交、回滚、Review，都是在为模型提供最真实、最高频的反馈。这种“在应用中反哺模型”的数据闭环，便是姚顺雨口中极为重要的、不依赖标注商就能获取的“真实世界数据”。
比如支付宝的金融风控、飞书的实时通讯优化、或是腾讯《三角洲行动》开发中的资产生成。这些场景需要的不是通用的 GPT-4，而是“通用底座 + 行业特化 + 实时反馈”的综合体，这种从“薄”到“厚”的演进，在过去一年进一步巩固了大厂的优势。
豆包、千问、元宝的殊途不同归
在 To C 领域，对于绝大多数普通用户而言，模型写抽象代数的能力变强了，但这在日常聊天中几乎无法感知，大多数人使用 AI 的方式更像是搜索引擎的加强版。
阻碍体验提升的不仅是模型的参数量，还有输入的 Context 量。
正如姚顺雨举的例子：如果用户输入 “今天吃什么”，GPT3.5和Gemini3给出的答案其实并无太大差异。但如果它知道具体场景，如今天天气很冷、或者你刚点赞了一家火锅店，它就能给出一个相对合理的建议。只有输入更多的Context，模型的活动范围才能给用户带来价值。
在国内互联网特有的“围墙花园”体系下，这场关于 Context 的战争，注定是一场巨头内部的“内战”，豆包、千问、元宝看似在AGI道路上并肩同行，实则已经分道扬镳。
对于像月之暗面或MiniMax这样的创业公司而言，它们拥有不输于大厂的模型智商，但在获取用户“支付记录”、“地理位置”或“社交关系链”这些关键 Context 时，却面临着难以逾越的生态高墙。
这意味着垂直整合在 To C 依然成立，但前提是需要像微信或豆包这样拥有用户入口的产品，才能顺利获取这些 Context，并将其喂给模型。
《新立场》则在此基础上看到了阿里、腾讯、字节三家巨头对“差异化”的诠释：单纯提升智商（学别人）走得快，但深度结合语境（做自己）上限才高。
从现有结果来看，豆包不仅起量快，在 AI 原生 APP 的心智上基本处于断层领 先。这种领 先优势，直接来自于字节最擅长的内容和算法，以及对用户碎片时间的收割能力。基于内容消费的 Context，也让豆包在娱乐与陪伴场景下拥有了极高的粘性。
而阿里几乎没有理由把重心押在陪伴和社交上。它最值钱的资产，是交易、支付、履约体系。花大力气做一个情绪价值满分、但不能帮你把事情办完的 AI，这对阿里来说反而是资源错配。
所以，通义千问的定位非常直接：办事型 AI。前不久，千问App宣布全面接入淘宝、支付宝、飞猪、高德等阿里生态。吴嘉所言的“把办事能力的边界进行拓展和做深”，其实就是做深 Context 的口语化表达。
这是一种典型的“全家桶”策略，通过中心化的 AI 入口，调用整个阿里经济体的服务能力。从变现角度分析，千问这条路径，是最有业务确定性和收入预期的一条路。
与阿里大开大合的生态整合不同，腾讯选择与前两位保持“刻意”的距离。
1月26日，腾讯 2026 年员工大会。面对外界关于“腾讯 AI 掉队”的焦虑，Pony给出的回应颇具腾讯式的克制。他直言，“AI 全家桶未必是大家都喜欢的”；并定调未来腾讯将继续坚持去中心化的战略。
这与阿里将高频服务接入一个 App 的逻辑截然不同。比起再造一个“AI版微信”，腾讯更倾向于让AI能在不改变用户习惯的前提下渗透进各业务的具体场景中。
“去中心化”的思考，也直接决定了腾讯 AI 新品“元宝派”的产品形态。在Pony年会讲话的同时，腾讯悄然启动了这款新产品的内测，并试图用一种腾讯最熟悉的方式来定义它——“结合我们的优势，社交通信以及关系链”。
事实上，这也是腾讯AI战略的某种“修正”与“回归”。混元起步晚于百度、阿里、字节，且腾讯在 2022 年前后同时经历主营业务波动、中台收缩与降本增效，大模型长期未能被公司整体战略强力拉升，甚至到2024年，元宝和混元大模型才转到CSIG。
想追豆包，最不该走的路就是再做一个更像豆包的元宝。 此前进军短视频、电商上的失利已经表明，在纯粹的内容分发和算法推荐上，腾讯确实没有压倒性的优势。其真正的护城河始终是社交。
在这种情况下，腾讯最合理的选择，自然是在自己最擅长的社交上继续加码，用 AI 放大现有社交价值。
腾讯试图将群聊总结作为一个起点，通过“派”把AI变成社交信息流的基础设施。如果“派”最终能走向群聊化、协作化的AI入口，那才算是走进了腾讯最擅长的战场。
写在最后：
“目前唯 一还值得持续投入的就是 AI。”
在这一判断上，Pony 并未犹豫太久。选择重新走到台前，用组织重构、人才密度去压缩追赶周期。
但当资源、配方逐步到位后，市场对交付的需求也会更急切。或许姚顺雨与腾讯之间的“蜜月期”，并不会被拉得太长。混元的下一个版本被内部定义为 Agent 模型，很可能正是 Pony 期待的第 一份阶段性答卷。
在 AGI 会谈上，姚顺雨的表达，也透露出一种并不完全站在“大厂立场”的思考。他反复提到，当前国内对榜单、指标和数据的执念，正在遮蔽一些更本质的问题。DeepSeek也被他拿来作为引例，并非每一次能力跃迁，都需要通过榜单来完成自证。就像 Claude 在编程榜单上并非*第 一，但其在真实工程场景中的价值，却很少被真正质疑。
真正重要的，或许只有两点：什么是正确的事情，以及自己是否真的能体验出好坏。谁能率先做到这一点，谁就有可能做出真正的 Social Agent——不只是写文档、查信息，最重要的是能够介入复杂的人际互动与生活决策。
而这正是 AGI 时代最难被复制的护城河。如果说 To B 的 AI，追求的是把世界变得更高效；那么 To C 的 AI，真正要回答的，或许是如何在一个由关系、语境与默契构成的社会中，学会“合适地行动”。
当 AI 开始分流，它所考验的，就不只是算力与算法，还有每一家公司的世界观。
