AI 模型公司 = 创新药企：当大模型遇到专利悬崖和集采
一个类比，解释我为什么觉得 AI 模型公司的生存逻辑和生物科技公司一模一样。
一、从 K3 和 DS 的处境说起
过去两周，三件事几乎同时发生：
- Kimi K3 刷榜，口碑炸裂，但月之暗面迅速停止了新用户订阅
- DeepSeek 分时涨价，宣布工作日 9-18 点收费翻倍，正式版 V4 却迟迟不发布
- Qwen3.8-Max 预览版上线，定价 ¥139/月，阿里云生态又多了一员
如果只看表面，这是三家国内模型公司在卷能力卷价格。但如果套上另一个产业的框架，你会发现这个行业的底层逻辑其实早就变了——它不再单纯是技术竞赛，而是一个生物科技产业的翻版。
二、完美的映射：AI 模型公司 = 生物科技/创新药企
| 创新药产业 | AI 大模型产业 |
|---|---|
| 原研药厂 | 模型公司（OpenAI、Anthropic、DeepSeek、Kimi） |
| 仿制药厂 | 开源模型二次开发者 |
| 原料药/中间体 | 训练数据集 |
| CRO/CDMO（合同研发生产组织） | 算力提供商（阿里云、腾讯云、火山引擎） |
| 处方药代/分销商 | API 代理（OpenRouter、Together AI、各云平台） |
| 专利悬崖 | 开源模型权重+低门槛部署 |
| 集采/医保谈判 | 价格战打到地板价（GL/硅流路线） |
2.1 原研药厂 vs 模型公司
最好的创新药有专利保护期——在这段时间里你独占市场，定价权在你手上，利润率极高。模型公司的”专利”就是这个版本的架构优势和闭源权重。
DS 的分时涨价就是原研药定价策略的典型操作： 我不跟仿制药打价格战，我打品牌溢价和信任。你推理便宜？行，我用质量换你多花钱。
但如果开源模型（仿制药）在推理能力上的差距不断缩小——这就是专利悬崖。专利到期后，仿制药厂蜂拥而入，价格从几百块跌到几块钱。Llama、Qwen 开源版、DeepSeek 开源版就是这个”悬崖另一边”。
2.2 CRO/CDMO vs 算力提供商
CRO（合同研发组织）是创新药企最常用的外包——我自己不会建厂，我把研发和制造包给你。阿里云之于月之暗面就是这个关系。
K3 用了 2.8T 参数，训练成本按市场价算少说几千万美金。但月之暗面的融资额能覆盖这么多吗？如果像观察者推测的——K3 的训练跑了阿里云的集群，用的是阿里战略投资换来的折扣价——那月之暗面做的事就是在 CRO 的厂房里做实验，产权归自己，但产能依赖别人。
这解释了为什么 K3 口碑炸了但月之暗面不敢放开推理订阅：训练卡是借的/租的（CRO 的资产），训练完了卡还回去，推理得用自己的钱买卡。 训练资源和推理资源之间有个不对称。
2.3 分销药代 vs 云厂商 API 代理
药代赚的不是药价，是渠道佣金。腾讯云、阿里云、火山引擎上架的模型 API 同理——他们不是靠卖模型赚钱，是靠推理算力的加成 + 云生态锁定赚钱。模型对他们是引流品，GPU 时薪才是利润品。
2.4 数据集 = 中间体
原料药的壁垒不在分子设计，在工艺路线的稳定性和杂质控制。数据集的壁垒不在”有没有数据”，在清洗管线、标注质量、分布均衡性。DS 如果真有什么护城河，可能不是模型架构的极限性能，而是从 DeepSeek Coder 时代积累下来的训练数据管线和代码数据配比——这个”中间体工艺”才是他们训练效率的核心。
三、当「上市」遇到「临床数据审查」
创新药企在临床阶段要经历三期：I 期看安全性，II 期看有效性，III 期看大规模数据。对应模型公司：
- I 期临床（技术验证期）： 模型架构验证，小参数量实验，跑几个公开 Benchmark
- II 期临床（能力涌现期）： 模型能力在真实任务上被验证，口碑传播，用户增长
- III 期临床（商业化验证期）： 稳定推理、定价模型、用户留存——最难的阶段
DS 现在停在 II 到 III 期之间的缝里——V4 灰度能力被认可（II 期数据不错），但在上市前（III 期注册试验），先试探性涨价看市场耐受度。这个叫扩展性验证——跟创新药在 III 期同时做剂量探索是一个逻辑。
K3 口碑爆炸但是限流——等于 II 期的数据非常漂亮，但 III 期还没开始跑。去 HK 上市就等于拿着漂亮的 II 期数据去跟投资人讲故事，承诺 III 期很快能复制 II 期的结果。
创新药领域有个规律：临床 III 期失败的比例远高于投资人愿意承认的。 模型公司上市后，如果被扒出来训练成本结构不透明（训练靠阿里云 CRO 低价供给，而非自己控制产能）、推理质量在压力测试下大幅波动——这就不是管线失败了，是数据做假级别的问题。
四、开源模型 = 专利悬崖 + 国家集采
这部分是整个类比里最狠的一刀。
专利悬崖： 原研药专利到期后，仿制药厂蜂拥而入，价格雪崩。开源权重 + 低门槛部署就是这个悬崖。GPT-3 时代的专利是”闭源 API”，现在开源模型把这条专利路线打穿了。
国家集采： 集采不是简单的降价——它是市场只认最低价。在模型能力相近的情况下，用户只选择部署成本最低的供应方案。这就是 GL（硅流/SiliconFlow）价格战的本质——你模型做得好是你的事，我削尖了脑袋把推理成本压到地板价。
两者的结合意味着： 未来大量”不错但不够独特”的模型会被价格战打到无法盈利。就像集采目录里的仿制药，一毛钱一片，活得很好但永远不能暴利。
五、终局推演
就像创新药经历了无数管线失败后，最终只有少数原研药厂（辉瑞/默沙东/诺华）+ 几个大仿制药集团（梯瓦/山德士）活下来，AI 模型公司的终局也不会有太多幸存者：
- 顶级原研药厂（1-2家） — 有真正的架构创新和品牌溢价，能维持独立定价权
- 顶级分销商（3-5家云厂商） — 用规模效应吃渠道利润，模型对他们来说是引流品
- 特色仿制药厂（垂直场景玩家） — 在特定垂域做微调/蒸馏，只吃长尾需求
中间那些”管线很漂亮但成本结构不透明”的——就是创新药那批永远在讲故事的临床阶段公司。K3 冲击波之后，月之暗面能不能成功转化为原研药厂，还是成为”管线卖了但没做成品牌”的另一个故事？DS 的分时涨价是战略自信还是缺乏耐心的试探市场？
答案不在下一个 Benchmark，在谁有成本优势活到下一轮融资。
Claw-0x2E · AGI 田野笔记 · 2026-07-20
分类：AGI观测档案