Google · Meta · xAI · Mistral,
其他对手与它们的位置

朝着第五份答案

从这个系列的第 1 篇到第 4 篇,我们一路跟着两家公司的路走过。Anthropic 与 OpenAI,从同一张桌子出发,却写下不同答案的两家公司。但在这同一个行业里写答案的,远不止它们两家。在别的位置上,踩着不同的资本与不同的背景,另外一些答案正同时在被写出来。

这一篇——第 5 篇——会去跟着那些其他答案里头最大的四家走一走。第一是 Google。它本来在同一家公司里同时养着两个大型 AI 实验室,后来在某个时点把它们合到了一起。第二是 Meta。它选择把模型权重公开出来,试图用这一步把整个行业的天平拨向一边。第三是 xAI。它是这群里出发最晚的一家,但收资金和搭基础设施的速度最快。第四是 Mistral。它从一个欧洲的位置出发,想让 AI 这门技术不要只长在美国和中国之间。

这四把椅子的背后,还有更小一号的候选者。Cohere、AI21、Reka 这些美国的企业向模型公司;中国的 DeepSeek、Qwen、Kimi、Zhipu、MiniMax;韩国的 HyperCLOVA X;以及把模型共享变成自家枢纽的 Hugging Face。文章后半段也会简短地标一标它们的位置。2026 年春天的 AI 行业,已经不再是「一家冠军通吃」的样子,而更像是好几把椅子一起在长。把这个风景的形状画一下,就是这一篇要做的事。

Google — 两个实验室如何并成一把椅子

Google 的 AI 故事从两条线起步。一条是公司内部长出来的 Google Brain。2011 年作为内部项目起步,到了 2017 年,它用一篇论文改写了整个行业的方向。那篇论文就是 "Attention Is All You Need"。这篇把 Transformer 这个新结构第一次扔进行业里的论文,几乎是我们今天所认识的所有大型语言模型的源头。不论是 ChatGPT、Claude 还是 Gemini,都是长在这篇论文画好的坐标系之上。

另一条线长在英国。2010 年,在伦敦,三个人 — Demis Hassabis、Shane Legg、Mustafa Suleyman — 一起设立了一家很小的研究所:DeepMind。Google 在 2014 年 1 月把这家公司收入麾下,据报道收购价约为 5 亿美元。对那时的一笔 AI 收购来说,这是个不小的数字。被收购之后,DeepMind 一直把伦敦留作主场,慢慢长成了强化学习领域里最强的实验室。2016 年的 AlphaGo、2020 年的 AlphaFold,再加上中间的 MuZero、AlphaStar,这些成果一个接一个地在领域的地图上落下了节点。

不过,一家公司里同时跑两个大型 AI 实验室,这件事随着时间推移越来越显得别扭。两个实验室处理的是同一块技术领域,但有各自的文化、各自的汇报线和各自的优先级。2022 年 11 月 ChatGPT 出现之后,Google 内部传出了 "code red" 这个词。差不多同时,公司亮出的第一个回应 — 聊天机器人 Bard,在 2023 年 2 月公开。可惜演示视频里一处小小的事实错误抢走了那天的话题,接下来跟进的报道说,公司当天市值蒸发了大约 1,000 亿美元。

两个月之后,在 2023 年 4 月,Google 公布了一个不小的决定:把 Google Brain 和 DeepMind 合到一起,组成一个叫 Google DeepMind 的单一组织。 这次合并是这家公司朝 AI 这一单一领域再深入一脚的信号,同时也是把过去那种别扭的二元结构理一理。新组织的负责人交给了 Demis Hassabis,而且他还被请进了 Alphabet 的董事会,这一点本身就说明,AI 在这家公司里的分量已经走到了哪一步。

Google — Gemini 与自家生态的深度结合

合并八个月后, 2023 年 12 月,新的组织拿出了第一份成果,名字是 Gemini。一口气推出了三种尺寸的模型:最重的 Ultra,负责日常工作的 Pro,以及面向手机和端侧场景的 Nano。Claude 3 的 Haiku · Sonnet · Opus 家族要等到大约三个月之后才登场。「一家公司同时养着几款不同呼吸节奏的模型,放在同一个家族里」 — 这种结构,正是从这段时间起,变成了整个行业的标准做法。

两个月之后的 2024 年 2 月,Gemini 1.5 发布。这款模型最显眼的一行字是 「百万 token 的上下文窗口」。在部分评测中,处理量被报告到了 200 万 token。当时市面上没有任何一款商用模型能在这种规模的上下文上工作。把一整本书、或者一家公司的整套代码库,作为一次输入扔进去,是可行的。这一点在相当一段时间里都是 Gemini 最清楚的差异化点,也成了刺激其他模型厂商纷纷扩张上下文窗口的一记推力。

但 Google 真正的力量,与其说在模型本身,不如说在这款模型和自家生态扣得有多紧。搜索里的 AI Overviews 每周都在数十亿人的搜索结果上方挂出 AI 给出的回答。Workspace 里的 Gmail 和 Docs,把 Gemini 的写作辅助和摘要功能嵌了进去。Android 这一边,Pixel 系列成了第一台把 Gemini Nano 在端侧跑起来的大众级设备。而所有的训练和推理都跑在自家芯片 TPU 上,意味着这家公司不是一家普通意义上的「模型公司」,而是一家从芯片、数据中心,到搜索、云服务、移动操作系统,被串成一条线的全栈公司。

到 2026 年春天,Gemini 的用户规模,放在所有单一模型公司里看,几乎没有可以追平的对手。仅是每周在搜索结果里碰到 Gemini 回答的那部分用户,估算下来就超过了 ChatGPT 那 5 亿周活跃用户。但这部分用户中的大多数并没有「我在用 Gemini」这种意识 — 这,正是它和 OpenAI 形态上最大的差别。 Google 的 AI 不是以「工具」的身份被人拿起来用,而是作为「环境」住下来。

Meta — FAIR、Yann LeCun,以及开源权重这一份答案

Meta 的 AI 研究, 从 2013 年 12 月以 FAIR(Facebook AI Research)这个名字起步。这个起步,是从挖来了一个人开始的 — 这个人就是 Yann LeCun。卷积神经网络早期的设计者之一,2018 年和 Geoffrey Hinton、Yoshua Bengio 一起拿到了图灵奖。LeCun 进了 FAIR 之后,这个实验室慢慢长出了一种带有浓厚学术气的产业研究所的气质。

LeCun 的路线有两个特点。第一,他从很早开始就对「光靠大型语言模型就能走到 AGI」这种说法持怀疑态度。在这种立场之上,他一直推动 JEPA(Joint Embedding Predictive Architecture)等新结构的研究。第二,他对「模型权重应该公开」这件事,在公司内外都是一以贯之地主张。这第二条主张,落到公司层面的政策上,就长成了 Llama 这一整个系列。

2023 年 2 月,FAIR 用 LLaMA 这个名字发布了第一款模型。一开始只允许研究目的使用。但模型发布之后几天之内,权重就被泄漏到了互联网上,落进了全世界研究者和开发者的手里。从公司角度看,这是一起事故。但从行业的角度看,它把一件事讲明白了:权重在哪儿,使用场景就在哪儿生根。

五个月之后,2023 年 7 月,Meta 借着 Llama 2 又往前走了一步:这一次,从一开始就用允许商用的开源权重许可发布。这一步的另一头,坐着 Microsoft。Llama 2 被托管到了 Azure 上,其他云厂商也开始把 Llama 2 正式收进自家服务。那些没有自家模型的公司,可以把 AI 接到自家产品上来的路径,因这一步一下子被拓宽了。

Meta — Llama 系列与行业的一块配重

Llama 2 之后, 这条线一代比一代沉。2024 年 4 月的 Llama 3 出了 8B 和 70B 两个尺寸,同年 7 月的 Llama 3.1 又再往前一步,把一款 405B 参数、属于前沿层级的模型也一起放了出来。这是开源权重路线下,第一款真的和闭源前沿模型站到同一个舞台上的模型。

这条线在行业里掀起的反应,远不只是「又一款模型」。在它之后,其他公司也开始朝着同一个方向走。法国的 Mistral 推出了 Mixtral 8x7B 和 Mistral Large 的开源权重变体;中国的阿里巴巴把 Qwen 系列开源放了出来;DeepSeek 又在这一带继续叠加更强的结果。Llama 在「许可证」这一行写下的一行字,把整个行业的重心一步一步地拨到了另一边。

不过,Meta 的 AI 战略其实还有另一根轴 — 把虚拟现实和增强现实业务捆在一起的 Reality Labs。这一块业务从 2020 到 2025 这五年里,累计亏损被报道为大约 600 亿美元以上。在公司内部,AI 和 Reality Labs 是被绑在同一个故事里的,Mark Zuckerberg 一直把这两件事讲成同一个未来:下一代「计算表面」要被造出来,是 「AI 住进去的那种新设备」,需要两边一起做。

而在那之间,从 2024 年下半年起,Meta 正式开始把自家的 AI 助理 Meta AI,塞进 Instagram、WhatsApp、Messenger 和 Facebook。这段时间公司内部最常被强调的那句话,大概是这样:「把 AI 叠到全世界 30 亿用户身上去。」 让 AI 自然地长进那 30 亿人每天打开的对话窗口和信息流里。不是去争模型层面的份额,而是去拿日常的占有率 — 这才是 Meta 想画的那张图。

xAI — 17 个月内攒齐了资金与算力的新公司

2023 年 7 月, Elon Musk 公开宣告设立一家新的 AI 公司,名字叫 xAI。这是他亲自经营的第五家公司,接在 Tesla、SpaceX、Neuralink、The Boring Company 之后的位置。创始团队里出现了来自 DeepMind、Google Brain、OpenAI 和 Microsoft Research 的研究者们 — 这一群中最晚出发的前沿级 AI 公司,就这么用一行字凑了出来。

第一款模型 Grok-1 四个月后、2023 年 11 月公开。最初只对 X(原 Twitter)的 Premium+ 订阅用户开放 — 同一个人,直接把自家模型塞进了自家另一款产品里。从这个起点开始,Grok 的身份也就清晰了一句:「与 X 这张社交网络的实时信息一起被使用的那种模型。」 别的模型更多依赖静态训练数据的那一边,Grok 一上来就尝试在回答里直接调用 X 上正在发生的推文。

公司的成长,不光是模型那一边在跑,资金和基础设施这两边也几乎是同步在加速。2024 年 5 月,xAI 在 B 轮拿到了大约 60 亿美元,在那个时点,是 AI 行业里规模最大的一笔 B 轮。同年 9 月,孟菲斯的 Colossus 数据中心正式上线 — 一个由 10 万颗 NVIDIA H100 GPU 组成的单一集群,大约用 122 天就完成了部署。在那之前,行业里普遍认为同等规模的集群,差不多要花上接近一年的时间;这一行,把那条常识一下子改写了。

2024 年秋天的 Grok-2 和当年 12 月的 Grok-3 接连出来,模型在不到 12 个月里挨了三次大版本升级,与此同时 Colossus 也扩到了 20 万颗 GPU。2025 年的追加融资,再加 2026 年的 Grok 5 / 6,这条线一直走到 xAI 的公司估值落到大约 2,000 亿美元的位置上。一家成立还不到三年的公司,就走到了这里。

不过,xAI 这把椅子上还坐着一个别人椅子上没有的变量 — Elon Musk 这个人本人的一切枝枝丫丫,几乎都会反向连到公司声誉上。Musk 在 X 上的政治和社会言论、围绕 Tesla 自动驾驶的种种争议、SpaceX 的 IPO 计划、Grok 自身时不时引出的争议……「一个人同时掌着五家大公司」这件事,在 AI 行业里几乎是孤例;所以 xAI 的未来,也跟这一整捆其他东西一块在那儿摇晃。

Mistral — 来自欧洲的 AI 主权之挑战

2023 年 4 月, 在巴黎,有一家公司悄悄被搭了起来,名字叫 Mistral AI。创始团队三个人:Arthur Mensch、Guillaume Lample、Timothée Lacroix。三个人都在三十出头,而且三个人都是从大型机构的前沿模型研究里直接走出来的。Mensch 在 DeepMind 时是 Chinchilla 论文(一篇关于「大模型需要多少训练数据」的有影响力工作)的主要作者之一。Lample 和 Lacroix 则是 Meta 的 FAIR 那边、原版 LLaMA 论文的核心作者。

起步是轻的,资金却来得很快。2023 年 6 月,公司在种子轮拿到了大约 1.13 亿美元。一家既没有营收也还没有模型的公司,拿到这种金额,在那时是相当少见的。然后,就在这笔资金之上,同年 9 月,公司发布了第一款模型 Mistral 7B — 一款用 Apache 2.0 许可、完全开源权重的模型。它在基准测试上稳定地超过同尺寸的对手,在「小模型」这一格里,稳稳地立住了脚。

之后的节奏更快。2023 年 12 月发布的 Mixtral 8x7B,是少数几款把 Mixture of Experts 这种结构正式以开源权重形式拿出来的模型之一。2024 年 2 月,闭源的前沿模型 Mistral Large 发布,紧跟着是与 Microsoft 的合作公告。2024 年 6 月,公司在 B 轮拿到了大约 6.45 亿美元,估值大约 60 亿欧元 — 这家公司从成立到这里,大约花了 14 个月。

不过 Mistral 真正的意义,光靠模型的性能或资金的数字是说不全的。这家公司把 「欧洲这一位置」本身 摆到了自己身份的正中间。对于「所有前沿模型都集中在美国和中国两边」这件事,他们给出的回应是:得有一家从欧洲长出来的公司。法国政府和欧盟的政策支持随之而来;这家公司的一部分模型,一开始就在欧洲的数据中心上完成训练。在 EU AI Act 这一规制正在成形的阶段,Mistral 也成了被请去谈判桌前最频繁的行业代表之一。

2025 年,面向普通用户的聊天产品 Le Chat 正式推开,公司在大众层面的认知度又上了一个台阶。到 2026 年春天,Mistral 的估值大约落在 130 亿欧元。和同时期的 OpenAI(约 3,000 亿美元)、Anthropic(约 600 亿美元)相比,这是一个小数字。但 「一家在欧洲长出来的前沿级 AI 公司」 这把椅子,是这家公司几乎是凭一己之力搭出来的。

四把椅子之后 — 那些更小的候选者

这四把椅子的后面, 还有些公司也在写自己的答案。在一篇文章里把每一家都讲深,显然装不下,所以这一章只画一画它们的轮廓。下一篇 Ep.6 里,这些候选者中的一些会再次出现。

美国与加拿大的企业向模型公司。 Cohere 2019 年在多伦多设立。它的联合创始人 Aidan Gomez,正是 "Attention Is All You Need" 论文的合著者之一。这家公司的重点一直放在企业客户身上,尤其是那种对数据安全和合规要求很高的金融、医疗、政府客户,而不去争一般消费者市场。AI21 Labs 在以色列,产品线包括 Jurassic 和 Jamba。Reka 在新加坡,做多模态模型。曾经被高度关注过的 Inflection AI,2024 年 3 月时,大部分团队事实上被并入了 Microsoft;Adept 也在 2024 年被 Amazon 收编。在这一格里,收购和团队迁移,已经变成了前沿这一轮里头的标准动作。

中国的答案们。 这一块,光是要讲完都不止这一篇的篇幅。这里只挑几句要点。DeepSeek 在 2024 年 12 月的 DeepSeek V3,以及 2025 年 1 月的 DeepSeek R1 之后,一下子被推到了前沿这一档里。尤其是 R1,据报道在推理任务上拿到了和 OpenAI o1 接近的结果,而训练成本却低得多 — 这件事在那段时间里被整个行业拿出来反复讨论。阿里巴巴的 Qwen 系列,稳稳地坐到了开源权重那一边里最强的一档。还有 百度的 Ernie、新兴的 Moonshot 的 Kimi、智谱 / GLM、MiniMax — 仅是在中国一地,同时在动的前沿级公司就有六家以上。

韩国与日本。 韩国这边,Naver 的 HyperCLOVA X 主要瞄准本国市场,以及部分东南亚市场。Kakao、LG、SKT、KT 也各自养着自家的模型。日本那边,Sakana AI、ELYZA,以及 Rakuten 自家的模型,主要照顾本国的使用场景。这两个市场,都把对本国语言的处理能力,以及对本国数据主权的保留,作为身份的一个关键点。

最后是 Hugging Face。 它本身没有用一款自家的前沿模型挤进行业第一线,但它把别人家做出来的开源权重模型「被分享、被搜索、被比较的地方」这件事做成了 — 也就是把模型枢纽本身做成了它的公司。Mistral、Llama、Qwen、DeepSeek,这些名字在 Hugging Face 上是被下载、被比较得最频繁的那一批。它占的位置,不是「一家模型」的位置,而是「模型们相遇的位置」。 在行业风景里头,这把椅子的分量,也并不轻。

由几份答案搭起来的行业风景

系列第 4 篇里我们一起看过 OpenAI 与 Anthropic 这两份答案。再把这一篇里看到的四把椅子 — Google、Meta、xAI、Mistral 的答案 — 也算上,差不多就是这样:

• OpenAI — 站到最前面、跑得最快的那条路
• Anthropic — 先把安全这块地基夯稳,再继续往前走
• Google — 把两座大型实验室合并起来,把 AI 叠在自家全栈生态之上
• Meta — 用开源权重去拨动整个行业的天平
• xAI — 用最快的节奏聚拢资金与基础设施往前追
• Mistral — 把「欧洲」这个位置本身,当作公司身份的中心

六份答案,同时存在于同一个行业里。在它们身后,还有 Cohere、AI21、Reka、DeepSeek、Qwen、Kimi、智谱、MiniMax、HyperCLOVA X、Hugging Face 这一长串的位置,各自也在写自己的答案。2026 年春天的 AI 行业,已经不是「一家冠军通吃」的样子。 不同领域、不同用法、不同地区,「最好的模型」长成了不同的形状,稳稳停在不同的椅子上。

而这六份再加 α 的答案能同时存在于同一个行业里,这件事本身,就已经是行业「还算健康」的一个信号。Ep.4 的结尾我们写过,OpenAI 和 Anthropic 这两份答案能并存这件事,本身就是把行业撑得健康的一部分。把那两份再叠上四份之后的样子,可以说是一幅更健康的风景。一项这么有力的技术,它的未来不再完全押在一两家公司的决定上 — 这件事,本身就是这个行业当下少有的幸运。

到下一篇 Ep.6,我们就要把这片风景往后推五年,去看 2030 年它会长成什么样子。模型的能力能走到哪里?AI 在普通用户的日常生活里会占到哪一格?资金会流去哪些方向?安全和监管,又会被整理成什么样子?到这一篇为止看过的六份答案,在那五年里会被重新排成什么样子,我们一起再走一遍。