来源：科技边角料

2023年3月，李彦宏接受媒体采访时对“中国会不会再出一个OpenAI”提出自己的观点，他认为：基本不会了。

李彦宏认为OpenAI诞生是因为美国大厂都不看好这个方向，但现在中国的大厂都看好AI大模型，都在做这个方向。创业公司重新做一个ChatGPT其实没有多大意义，基于大语言模型开发应用机会很大，没有必要再重新发明一遍轮子。

李彦宏认为小公司做通用模型没机会和闭源模型必然战胜开源模型，然而随着DeepSeek横空出世，李彦宏当年论断受到不少人的质疑，看看DeepSeek咋打脸:

1. 中国AI产业的现实逻辑

资源集中与大厂主导

中国AI领域的资源（算力、数据、资金）高度集中于百度、阿里、腾讯等大厂。以百度为例，其十年累计研发投入超1400亿元，文心大模型日均调用量超6亿次，已形成技术壁垒。大厂通过“芯片-框架-模型-应用”的全栈布局构建生态闭环，创业公司若重复开发通用大模型，成本高且难以突破。

政策导向与市场环境

中国政府的“百模大战”策略虽鼓励竞争，但也导致资源分散和低效内卷。例如，2023年中国已发布超200个大模型，但多数性能趋同，商业化能力不足。李彦宏认为，集中资源优化少数基础模型更符合产业效率。

2. 创业公司的生存空间

应用层的机会

李彦宏建议创业公司聚焦垂直场景（如医疗、教育、法律），而非重复造轮子。例如：

案例1：智能客服公司“追一科技”基于大厂模型开发行业解决方案，服务银行、电信客户，年营收超5亿元；

案例2：AI绘画工具“6pen”依托开源模型优化中文创作体验，用户量破百万。

技术差异化路径

部分创业公司通过技术微创新突围。例如：

架构创新：深度求索（DeepSeek）用MoE（混合专家）架构降低算力成本，模型性能接近GPT-4；

数据优势：智谱AI凭借高质量中文语料库，在古文理解、法律文本生成等场景表现突出。

3. 争议与挑战

大厂创新动力存疑：批评者指出，大厂可能因短期盈利压力而偏向保守。例如，百度文心大模型早期迭代速度一度落后于ChatGPT，直到竞争压力倒逼加速。

全球化竞争短板

中国AI企业面临算力制裁（如英伟达芯片限售）、数据合规（跨境流动限制）等挑战。OpenAI的全球影响力依赖开放生态（如GPT Store），而中国大模型出海仍受限于内容审查和本地化适配。

技术代差风险

GPT-5等新一代模型可能进一步拉大中美技术差距。中国若过度依赖应用层创新，或导致基础研究“空心化”。

4. 未来趋势判断

产业分工细化

可能形成“大厂做基础模型+创业公司做垂直应用”的格局，类似安卓生态（谷歌主导系统，第三方开发APP）。

超级应用的机会：李彦宏预言“AI时代将出现十倍于微信的超级应用”，例如：

场景1：AI个人助理（如百度“Comate”代码助手已覆盖20万开发者）；

场景2：行业智能体（如法律咨询AI替代传统律所基础服务）。

政策与市场的平衡

若政府通过“揭榜挂帅”等机制定向支持关键技术（如芯片、算法），同时放开数据要素流通，或为创业公司创造新机会。

结论：

李彦宏的观点反映了中国AI产业从“野蛮生长”转向“理性竞争”的现实，其核心逻辑在于资源效率最大化。但这一论断未必是终局。

对大厂：需证明自身能持续引领技术创新，而非仅靠规模压制；

对创业者：在基础模型之外，仍有架构创新、数据壁垒、全球化适配等突破点；

对行业：健康的生态需要“参天大树”（大厂）与“灌木丛”（创业公司）共存，避免单一化风险。

中国能否诞生OpenAI，最终取决于能否在技术理想主义与商业现实之间找到平衡。

DeepSeek创始人梁文锋认为自己不过是站在开源社区巨人们的肩膀上，给国产大模型这栋大厦多拧了几颗螺丝。

DeepSeek开源模型颠覆开源模型无法战胜闭源模型的认知，不仅对OPENAI等外资大模型形成巨大冲击，而且对国内的一众大厂同样形成巨大压力。

低成本高性能的开源通用模型对AI行业的影响深远，前端对算力的需求越低，对于后端应用广度和深度的推进就越快，现象级应用和细分垂直领域的应用将以更快的速度赋能各行各业。

而对于投资的影响，AI上游算力将迅速从蓝海进入到红海竞争，而对于下游的应用扩展将开启星辰大海般的空间。