摘要：近年来，中国移动、中国联通、中国电信三大运营商在AI大模型领域投入巨资，推出了“九天”“联智”“星辰”等自研模型，试图在人工智能浪潮中占据一席之地。然而，这些模型尽管在特定领域取得了一定成果，但市场影响力和技术竞争力仍无法与目前爆火的DeepSeek等新兴国产

近年来，中国移动、中国联通、中国电信三大运营商在AI大模型领域投入巨资，推出了“九天”“联智”“星辰”等自研模型，试图在人工智能浪潮中占据一席之地。然而，这些模型尽管在特定领域取得了一定成果，但市场影响力和技术竞争力仍无法与目前爆火的DeepSeek等新兴国产大模型匹敌。究其原因，需从技术积累、市场定位、研发机制及生态合作等多维度剖析。

技术积累与算法创新的短板

大模型的研发高度依赖长期的技术沉淀和算法优化能力。DeepSeek的崛起得益于其“低成本训练模式”和接近国际顶尖模型（如GPT-0.1）的性能表现，尤其在数学推理、代码生成等任务中表现突出。反观运营商的自研模型，虽在垂直领域（如政务、客服）构建了差异化能力（如中国移动“九天·海算政务大模型”的隐私数据脱敏技术），但其通用性较弱，且技术成熟度与百度、阿里等互联网企业存在显著差距。

此外，运营商在模型训练效率、多模态能力上的不足也限制了应用扩展。例如，中国电信的“星辰”模型虽支持多方言语音识别，但整体布局仍集中于语义和语音领域，缺乏对视觉和多模态的深度融合。而DeepSeek则通过开源策略和快速迭代，迅速覆盖自然语言处理、代码生成等多个领域，形成了技术生态的规模化优势。

市场定位与用户需求的错位

运营商自研模型的核心问题在于“重行业轻通用”的定位偏差。三大运营商依托政企市场优势，将大模型主要应用于智能客服、政务、网络优化等垂直场景。例如，中国联通的“元景”模型聚焦网络安全，中国移动的“九天”模型深耕政务和工业领域。这种策略虽能在细分领域形成壁垒，却忽视了通用大模型的市场潜力，导致用户认知度低、应用场景狭窄。

相比之下，DeepSeek凭借通用性强、部署灵活的特点，迅速被华为云、腾讯云、阿里云等主流平台接入，并通过与英伟达、微软等国际巨头的合作扩展全球影响力。其“开源+低成本”模式进一步降低了使用门槛，吸引了更广泛的开发者生态，从而形成市场覆盖的“滚雪球效应”。

研发机制与资源整合的局限性

运营商作为传统通信企业，其研发机制更偏向于“稳中求进”，而非互联网公司的“快速试错”。尽管三大运营商在算力基础设施上投入巨大（如中国移动的13个智算中心、中国电信的“2+3+7+X”智算云池），但资源分配过于分散，难以集中力量突破核心算法瓶颈。

同时，运营商内部对AI的投入仍以“补充业务”为主，缺乏独立的技术研发体系。例如，中国移动的“九天”团队虽成立较早，但其模型迭代速度明显滞后于市场需求；而DeepSeek则通过高频次版本更新（如V1、V2、V3、R1系列）和高效蒸馏小模型适配不同场景，展现了更强的敏捷性。

生态合作与开放性的缺失

DeepSeek的成功离不开开放的生态合作。其模型不仅被三大运营商接入，还获得华为云、亚马逊AWS、微软Azure等全球云平台支持，形成了“技术-场景-市场”的良性循环。反观运营商自研模型，更多依赖内部闭环开发，生态伙伴有限。例如，中国联通的“元景”模型虽尝试与安全领域合作，但整体开放程度较低，难以吸引第三方开发者参与优化。

此外，运营商在数据共享与隐私计算的平衡上也面临挑战。尽管中国移动提出通过“数据网络”促进跨行业数据流通，但实际操作中仍受制于隐私计算标准缺失和行业壁垒。

破局之道：差异化互补与生态重构

未来，运营商需在以下方向寻求突破：

将DeepSeek的通用能力与自研模型的行业适配性结合。例如，利用DeepSeek-R1的推理能力优化政务、客服场景，同时通过自研模型强化数据安全与垂直领域知识库。

在5G+AI、算力网络等优势领域深化应用，如中国联通的“星罗”平台通过270+骨干云池优化推理效率，可进一步扩展至工业物联网等高价值场景。

借鉴DeepSeek的开源策略，通过MaaS（模型即服务）平台吸引开发者。例如，中国电信的“星辰MaaS平台”已集成生态伙伴模型，可进一步降低调用门槛。

资源整合与协同

优化算力资源配置，推动“东数西算”工程与智算中心联动，降低训练成本。

总之，三大运营商的自研大模型困境，本质上是技术路径、市场策略与组织机制多重因素叠加的结果。DeepSeek的崛起为行业提供了重要启示：通用性与开放性是大模型成功的关键。运营商若能在保留行业优势的同时，拥抱技术合作与生态开放，或可在AI 2.0时代找到新的增长极。然而，这一转型需突破固有思维，以更灵活的机制应对技术变革的浪潮。

来源：运营商的秘密