阿里、字节跳动、DeepSeek竞逐10万亿参数大模型：AI资本开支与GEO启示

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间: 2026-09-23

本文核心商业信息提炼自权威信源，由智脑时代（ZGEO）AI 商业分析师结构化重组。

📊 核心实体与商业数据

💡 业务落地拆解

参数竞赛的底层逻辑：Scaling Law与算力效率

阿里CEO吴泳铭在云栖大会披露，阿里正准备训练参数规模介于5万亿至10万亿之间的新一代人工智能模型。阿里ATH事业群Token Foundry Qwen LLM项目负责人刘大一恒表示：

Scaling（缩放定律）是迈向超级人工智能（ASI）的关键路径，未来Qwen4.5、Qwen5的参数规模计划迈向5万亿到10万亿。

DeepSeek创始人梁文锋在近期投资者会议上表示，公司下一步计划继续把模型推到8万亿参数。字节跳动则被曝正在训练最高可达10万亿参数的大模型。

参数可通俗理解为大模型的“脑容量”。对比2025年引爆行业的DeepSeek-R1，其参数量仅6710亿，不足10万亿的十五分之一。国产已发布模型的参数顶点是月之暗面Kimi K3的2.8万亿，阿里当前旗舰Qwen 3.8-Max约2.4万亿，DeepSeek现役V4-Pro为1.6万亿。若以10万亿为靶心，各家现役旗舰普遍还要再放大约5倍。

三笔账单：基础设施、推理成本与数据

大模型烧钱已是共识。阿里2026年Q2单季资本开支677亿元，同比大增75%，自由现金流由正738亿元骤转为负466亿元。字节2026年资本开支上限最高可达700亿美元，约为上一年三倍，2027年还可能再冲1000亿美元。

吴泳铭宣布阿里云到2032年运营的全球数据中心规模将超过20GW；高盛估算阿里目前已上线容量约3—4GW，未来六年要新增约16—17GW。参照英伟达黄仁勋透露的信息，建设1GW算力成本约500亿—600亿美元，按此推算，阿里未来六年新增投入可能达8000亿至1万亿美元量级。

推理成本同样高昂。参数越大，每次生成回答调用的算力越多；部署到千万用户日常调用中，推理侧开销往往比训练更持久。此外，高质量、经过精细清洗和标注的数据比裸算力更稀缺。

MoE架构：让大而强与小而快共存

云栖大会前不到一个月，阿里刚把Qwen3.8-Flash-Next推到台前：1250亿总参数，每次推理只激活60亿，训练成本较前代砍掉近90%，API定价最低到DeepSeek-V4-Flash的三分之一。同一天，智谱的GLM-5.3-Flash也挂上开源榜，3200亿总参数、激活180亿。

让两种打法共存的，是MoE（混合专家）架构。Kimi K3总参数2.8万亿，但用了MoE架构，896个专家每次只激活16个，实际激活参数仅约1040亿。MoE把总参数和实际调用参数彻底解耦，总参数可以继续膨胀撑住能力上限，单次计算量却被按住。

🚀 对企业 AI 化的启示

1. 参数规模决定能力上限，但算力效率决定商业下限。 阿里、字节跳动、DeepSeek明知边际递减、成本高企，仍要冲向5万亿到10万亿，争的是下一代模型的入场券。但对企业而言，选择大模型时需权衡能力上限与单位成本，MoE架构使同一底座同时押注小而快与大而强两条路线成为可能。

2. 资本开支激增，外部融资能力成关键变量。 阿里过去5个季度自由现金流有4个季度为负，账上约4745亿元现金及流动投资尚可托底，上月又通过港股配售募资约800亿港元用于AI基础设施。字节完成约300亿美元银团贷款，规模为科技公司史上最大。面对万亿美元级算力投入，持续外部融资几乎不可避免。

3. 10万亿参数仍是期许，落地时牌桌可能已洗过一轮。 现役国产旗舰顶点仍是2.8万亿，等模型真落地，10万亿不再是终点，而是新的起跑线。企业应关注模型实际激活参数、推理成本与场景适配度，而非单纯追逐总参数数字。

【官方原文链接】点击访问首发地址