十三家同尺：谁在修工厂，谁在让客户修山门？

AI模型江湖16 / 横向收束 · 十三家同尺

普通人的红利：产业 × 投资 × 交易，寻找AI时代的Google、Amazon ｜ 于AI诸相中，普皆共证菩提

本系列纯属个人兴趣，仅为AI江湖的八卦交流，不构成任何投资建议！如有侵权，联系删稿！｜2026年9月

这一篇，先看三本账

产业的账：十三家有不同需求、供给与交付路径。把CADEF和实际工作放在一起，辨认各自可能打开哪一门生意，而不是先按国籍与出身排座次。

投资的账：OpenAI、Anthropic为金丹初期、向中期验证，其余仍在筑基不同位置；客户为什么持续投入，决定能力怎样变成实权。

共修的账：比较表不是买入名单。先明确各家的最近一道关，再用新证据校准阶段和风险，不让价格与愿景替经营关系答题。

一｜江湖合卷：一桌高手，为什么还不是一桌金丹？

十三家宗门看完，最省事的结局，是把分数相加，按小数点排座次，再给第一名披上“未来盟主”的斗篷。戏是收得很快，客户却还没出场。我们真正要找的，是能够把智能组织成新生产、再把生产做成长期生意的公司。谁的炉火最旺，与谁身边开始有人盖工坊，是两道相连却不同的题。

先把26Q3的研究位置摊开。这里看各家的模型与新AI业务，不是给集团历史功劳重新排榜；“待证”表示相应关系的证据尚未充分取得，不是断言现实中没有。⁠[1]⁠这张地图的用处，是让读者知道每家接下来该过哪一关，而不是宣布谁的未来已经写在生辰八字里。

Google的工程资源、智谱的国产推理整合、DeepSeek的算法与系统积累，各自为生产智能提供底气。产业上，强供给让更多任务有机会被接住；投资上，还要看客户是否持续围绕它投入，而且过去的资产能影响下一次选择。能出招让你上桌，别人愿意继续与你建设，才开始让这张桌子成为你的江湖。

Anthropic披露的Rakuten案例描述了客户改造开发流程，比买一批账号更接近生态投入；OpenAI的执行工具则提供持续建设的条件。⁠[2]⁠⁠[3]⁠两者各有分量，也各有边界：一例客户不能代表全体，产品功能不能代填迁移成本。两家列在金丹初期，是承认关系已经有具体线索，并继续检查它能否扩散和延续。

这也要求比较者留一份耐心。私营公司的账本不一定齐，厂商案例又往往挑好看的讲。没有财报不等于没有收入，故事多也不等于依赖深。真正的区分度，应来自供给、客户和收益之间的关系，而不是谁的公关团队把资料袋装得更厚。

二｜产业视角·需求：同叫AI，客户要的并非同一味丹

先让客户入席。有人要更经济地处理大量任务，有人要把复杂代码改对，有人需要长资料连起来理解，有人要合格视频，还有人要跨系统交付。这些需求共同指向一件事：过去得凑齐专业团队的工作，能不能变成可获得的服务？若只盯一张通用榜单，便会把不同产业的生意硬装进同一张考卷。

智谱、DeepSeek的机会，是让模型能力进入更多实际工作，接着看关系怎样沉淀；Kimi要把长任务做得好，也接得稳；MiniMax要让不同模态减少客户反复整合的负担。阶跃走端云路线，则先从签约、上线、活跃和实付之间查真实需求。⁠[1]⁠这些是各自当前的经营题，不是替它们永久圈定地盘。

大厂组的变化也各有方向：腾讯可以组织多模型工作，字节要分清内容满意与工作验收，Google、阿里要把云条件接成新供给，Meta要让新体系承接有效旧投入。⁠[1]⁠老家底可能减少客户第一次入场的难度，却仍要靠新价值赢下第二次选择。江湖大，不必全卖同一把剑；但每家都要说明，客户买它究竟为了什么。

增能让人做得起，承责让一段工作能够持续托付。前者看能力是否可获得，后者追谁执行、谁恢复、谁验收，客户还要做多少协调。代码能运行、成片被接受、跨系统业务按约定完成，都可能是深任务的结果。不能给“办公”穿件朴素衣服，就说它没有技术含量；客户的麻烦从来不按职业名称排等级。

丰裕进一步看可靠结果能否更普遍、更可负担；破界看新方法怎样进入真实使用；创生看新能力能否支持下一轮创造。AlphaEvolve已有算法进入Google生产工程的披露，为局部转化提供了例子。⁠[4]⁠这是产业价值的展开，不是Gemini已经取得外部客户收益权。五个价值阶段看天地，金印五阶看企业占住了什么位置。

需求还可能由运行中的Agent发起：为一个结果再找验证，为一段工作请求工具。它打开的想象，是更多此前没人顾得上的任务可以持续发生；但中间调用仍须落到可用成果。比较十三家，不是统计谁的剑气最多，而是看谁让原本难办的事开始值得做、做得成。

三｜产业视角·供给：同看CADEF，不只比谁炉子多

把需求放在心里，再看供给。CADEF以C算力工程30%、A算法效率25%、D数据工厂20%、E经验飞轮15%、F资本续航10%作研究比较。下面65项分数用于辨认长板与证据缺口，不合成胜者榜；尤其A、D的完整工艺没有同口径披露，半分不能冒充同预算实验测出的差距。⁠[1]⁠

C最容易被一个大数字带走。智谱披露超过十万颗国产芯片的大规模推理与网络、引擎整合；Fire-Flyer 2论文中的万卡系统，则是2024年的历史软硬协同证据。⁠[5]⁠⁠[6]⁠前者不等于十万卡统一同步训练，后者也不等于DeepSeek今天只有一万张卡。它们共同值得看的，是团队把资源组织成实际运行的能力，而不只是仓库里摆了多少箱子。

Kimi公开通信、注意力算子和环境工具，Meta也披露过自建集群。⁠[7]⁠⁠[8]⁠这些行动让“系统工程”有了具体内容：少等一次通信、少搬一轮数据、失败能继续运行，才可能让客户得到更稳定的服务。但Kimi特定H20测试的1.72—2.22倍，仍只是指定算子对照。自建、共建都要看设计与控制；局部快，不等于全厂一起快。

A问“架训配评迭”怎样让能力改善，D问学习信号怎样持续产生，E问真实工作能否返回教训。OpenAI的3.1个Agent工作日，是特定研究组织的工作时长比；Anthropic约40万次会话，是特定时期的观察样本。⁠[9]⁠⁠[10]⁠它们提示智能已经参与实际工作，却不能相除得到飞轮转速。内部训练环境、真实过程和获准改进，各有一道接缝。

F则决定下一轮还能否投入、能承受怎样的失败。到账与承诺、期末现金与累计融资、债务与股本、集团资源与模型预算，都要分开。资本可以买继续试错的时间，却不能代替那次试错的成果。反过来，暂时缺少公开数据，也不能把实际能力填成零；灵石多少要看账，不能靠猜宗门穷富。

读这张表，更有用的是找配合关系：工程能否支持算法运行，数据能否提供验证，真实问题能否回来，资金能否维持下一轮。Google、Meta高C/F而金丹待证，说明强工厂与客户关系可以不同步；智谱C较高、E仍有缺口，也提醒我们服务规模不是经验全量。五项分数描出生产条件，客户下一轮建设才检验这些条件留在哪里。

四｜产业视角·交付：换一层服务，谁的价值留下？

能力怎样进到客户手里，决定了关系可能长在哪一层。模型提供推理，工作平台组织执行，云与客户环境保存资料、身份和运行条件；同一家公司可以兼任几项，也可以与别人分工。我们不设“包办全部才算赢”的规则，而用三次有方向的替换，把每一层实际创造的价值找出来。

先换模型，保留工作环境。智谱、DeepSeek、Kimi、MiniMax，以及大厂自研模型，都可以面对这道题：同一任务交给另一模型后，质量、验证与完整成本怎样变化？标准接口能接通，是好事，却不表示业务效果相同。若持续维护和专属适配使原供给更值得用，便可能形成关系；若大部分有效资产都在客户通用层，就应把功劳留给客户。

再换工作平台，保留可用模型。OpenAI的SDK支持客户接入自有沙箱，并把执行状态与计算环境分离，官方还描述了恢复机制。⁠[3]⁠它提供的不是把所有资料都搬进同一间房，而是让执行、状态与环境更容易协作。拿走这层后，客户要重建多少运行与支持？平台的价值可以来自少搭一套底座，而非多锁一把钥匙。

腾讯、字节因此值得两头看：一个工作平台越能组织不同模型，越可能替客户减少选择和运行负担；底层自研模型却仍须证明自己的增量。对平台是更大的服务范围，对模型可能是更直接的竞争。这是交付结构所提示的可能，不是已经量出的换模成本。不能一句“生态强”，把平台的成绩和模型的成绩抄成双份。

最后换云或旧环境。Google的Model Garden支持多种模型，让发现与运行更方便；云上采用却不能全记给Gemini。⁠[11]⁠阿里同样要区分云关系与自研模型选择。设备侧还要追阶跃与OEM的分工：谁管账户与权限，谁维护接口，谁影响下一轮升级？旧资产若能成为机器工作的可靠条件，可以继续有价值，但归属必须沿实际路径看。

三次检验最终都回到一个正面问题：谁让客户已经做过的功课，在下一次工作里继续有用？一次适配很贵，可能只是填坑；版本更新后旧评测仍能复用、异常处理更省事，才像持续积累。金丹不是把搬家路挖坏，而是客户算过账之后，仍愿意留下来扩建。这要有客户记录，不靠供应商自己朗诵门规。

五｜投资视角：金丹要养厚，元婴要守住哪份实权？

经过需求、供给和交付，才轮到投资视角。筑基说明技术与市场选择有了基础，金丹说明客户开始围绕体系建设；往元婴走，还要让这种关系成为产业组织、协作规则与合理收益。客户懒得换、单季毛利高、一次涨价成功，都只能回答其中一角，不能替整座山门颁发神位。

同一道元婴之门，各家走到门前的路却不同。OpenAI、Anthropic先看已有投入能否跨客户、换代与续约扩散；智谱、DeepSeek先看采用能否变成可归属的建设。Grok、Gemini、Meta的资源和工具值得重视，但仍需新业务自己的外部投入。⁠[1]⁠近期考题不能跳过，长期方向也不该只剩一个“继续关注”：要看谁正让客户在新体系里做成生意。

再往里看，客户、模型原厂、工作平台与云商完成同一个结果，账单抬头与最终收益不一定一致。开放接口可以扩大市场，也可能加强使用者的选择权；封闭产品可以提供完整服务，也可能增加交付与维护负担。两条路都要证明，客户得到的改进足以支持持续购买，而供应商留下的收入能覆盖相应成本。

规则权的分量，体现在变化之后。换一个版本，客户原有资产还管用；调整服务或分成，伙伴仍愿经营；遇到竞争，原厂仍能维护质量和合理收益。这样的规则才更像元婴的骨架。单次调价后没有立刻流失，可能只是合同尚未到期；真正的实权要在继续合作的选择中逐渐显形。

两高两稳是经济检验：营收与客户质量、毛利、现金和资本回报，需要一起支持新AI的位置。旧广告、旧云利润可以输血，却不代替新业务算账；融资也不能作为客户已为全部成本付款的凭据。到化神，还要有两新两好，让旧能力帮助新产品、新客户少走弯路，并由团队和资本配置把优势继续养大。

因此，未必只有一种公司形态能成长。高效率的智能供给、可靠的工作交付、难以替代的专业平台，都可能占住重要位置。我们寻找的是能够改变产业的公司，不是十三个外观相同的超级App。金丹看谁愿意围绕你建设，元婴看这种建设能否形成持久的规则与收益；商业路径可以不同，尺子不能轮到谁就换。

六｜交易视角：同一张比较表，不是一张买入名单

融资估值、历史发行价、收入运行率和季度财报，不是同一时点、同一口径的交易依据。产能分、金印阶段与价格，也不能平均成“最值得买”的分数。⁠[1]⁠认知不足先取证，价格透支保留边界：产业伟大不担保企业获利，企业获利不担保股东回报。找宗门不是抢最后一张船票，别让修仙题材替追高情绪配了乐。

七｜共修观察：十三家公司，各等哪一道新证据？

一张有用的比较表，要能带人走向下一次判断，而不是把今天的名次裱起来。阶跃先看正式交付与付费，Kimi和MiniMax先看供给及重复选择，筑基后期补生态投入，金丹初期补覆盖与持续性。下面各列一个最值得追的方向，让十三家的差异落到实际经营，而不是各收一句同样的祝福。

这不是给每家企业凑一份漂亮数字，而是说明下一份材料该怎样读。客户或任务范围、时间、成功与失败、费用包含哪些项，缺一都可能读偏。只展示留下来的客户，不问谁离开，是给幸存弟子拍合照；只报增长不交代基数，则是把扩音器当测量仪。证据没有新增，可以维持判断，不必靠反复改分制造热闹。

共修还要分清两种变化：公司真的让更多客户持续投入，经营关系向前走；或者新材料纠正了我们原先不完整的认识，企业并没有在这一天突然升级。研究者承认看错，与企业实际退步，也不是同一件事。尺子用久了要校准，不能因为已经写进文章，就让旧判断从此享受祖师爷待遇。

十三家比较留下的是一条完整的路：产业看新需求、真供给与可靠交付；投资看选择怎样变成投入，再变成规则与收益；交易提醒我们，认出机会不等于不问价格。工厂越强，客户的选择越多；只有持续让下一轮建设更值得的公司，才更可能把能力炼成自己的产业位置。

下一篇，把目光从各家修为移向灵石的去向：智能更便宜，客户更有能力，为什么不是每座炼丹炉都赚钱？天下灵力丰裕，利润究竟会留在哪一段？

资料与研究口径

研究资料至2026年9月。十三家公司阶段与65项CADEF评分为本系列26Q3研究判断，不是实时模型排行榜，也不是统一预算实验。三种替换、阶段推进与元婴比较用于分析经营关系；尚未取得的客户迁移、队列与全成本数据不视为已知。

[1] 本系列研究框架｜十三家公司、CADEF与金印五阶

26Q3研究口径。阶段分组、五维评分和下一步观察属于作者判断；模型、新工作平台、云与集团旧业务分层评估，缺证不等于现实中不存在。

[[2] Anthropic／Claude｜Rakuten客户案例](https://claude.com/customers/rakuten)

用于说明客户围绕Claude改造开发流程的局部事实。厂商发布的案例具有选择性，不外推全体客户或确定留存。

[[3] OpenAI｜The next evolution of the Agents SDK](https://openai.com/index/the-next-evolution-of-the-agents-sdk/)

2026-04-15。客户自有沙箱、可配置记忆及状态恢复等；产品条件不等于实际迁移代价。

[[4] Google DeepMind｜AlphaEvolve](https://deepmind.google/blog/alphaevolve-a-gemini-powered-coding-agent-for-designing-advanced-algorithms/)

2025-05-14。新算法进入部分生产工程的局部证据；不等同全社会丰裕、通用自主科研或Gemini收益权。

[[5] 智谱｜2026年中期业绩公告](https://www1.hkexnews.hk/listedco/listconews/sehk/2026/0831/2026083101539.pdf)

2026-08-31。PDF第3、10—11页：超过十万颗国产芯片的推理与网络／引擎整合；不将推理规模写为统一同步训练。

[[6] Fire-Flyer AI-HPC｜软硬协同技术论文](https://arxiv.org/html/2408.14158v1)

2024年论文，v1。万卡Fire-Flyer 2体系属于历史工程证据，不是DeepSeek现役库存或今天的模型成本。

[[7] Kimi｜K3开放权重、技术报告与关键工程组件](https://www.kimi.com/news/kimi-k3-open-source)

2026-07-27。MoonEP、FlashKDA、AgentEnv等；1.72—2.22倍是特定H20算子对照，不能推广到整厂。

[[8] Engineering at Meta｜Building Meta’s GenAI Infrastructure](https://engineering.fb.com/2024/03/12/data-center-engineering/building-metas-genai-infrastructure/)

2024-03-12。历史自建集群与运行能力，用于核查工程形态；不是新模型当前专属资源。

[[9] OpenAI｜Research acceleration: The view inside OpenAI](https://openai.com/index/research-acceleration-view-inside-openai/)

2026年9月发布；3.1个Agent工作日／人类工作日为截至8月中旬研究组织的工作时长口径，不是产出倍率。

[[10] Anthropic｜Agentic coding and persistent returns to expertise](https://www.anthropic.com/research/claude-code-expertise)

2026-06-16；约40万次会话来自2025年10月至2026年4月。特定样本研究不等于客户普查、全部训练授权或回流率。

[[11] Google Cloud｜Model Garden产品文档](https://cloud.google.com/vertex-ai/generative-ai/docs/model-garden/explore-models)

Model Garden支持多模型；引用页面跳转至Gemini Enterprise Agent Platform文档。产品功能用于解释云与模型的分工，不作为客户留存的证明。

研究说明：企业事实、研究判断与条件推演分别呈现。资料月份不代表覆盖整月；历史工程数据不作为现役库存，一家公司的案例不替另一家公司举证。本文不构成任何投资建议。

声明：本文由 AI 辅助整理初稿，经作者人工审核、补充实战案例与方法论解释后定稿。核心观点与案例判断为作者原创。