当前位置:首页 >>新闻资讯 >>

千问大模型负责人离职,企业级大模型应用需要提高警惕了

2026年06月14日 21:23
 

2026年春节以来,Seedance2.0、OpenClaw爆火,但是他们的影响更多在C端。而对于如工业企业应用大模型这种B端场景来说,最近的千问大模型负责人林俊旸离职,反而可能是影响更大的事件,因为涉及到一个问题:Qwen系列模型未来可能闭源。

企业级应用更多是小语言模型

众所周知,企业级场景需要构建各种垂域模型,目前工业服务商和工业企业的主流技术路线,都是基于1B-70B左右级别的小语言模型,结合私有数据,进行微调和蒸馏,从而构建面向特定领域的垂域模型,用于各种垂直场景Agent。

相比于动辄千万级费用的闭源模型,开源的小语言模型自然成了多数企业的选择。

在用于构建垂域模型的开源底座模型中,在工业领域应用最广泛的莫过于阿里Qwen和DeepSeek系列模型,七八成以上的服务商和企业都以这两个模型为基础开展微调等工作。毕竟这两个是唯二能力达到一线,且开源的国产模型。

其它模型要么能力不足,要么太贵目前用不起。Llama固然也有一些应用,一方面中文不好,另一方面毕竟不是国产的。

闭源发展快过开源,选择并不多

然而,闭源模型发展速度正日益超越开源模型。

Google Gemini、Nano Banana、Seedance、Claude Sonnet等各方向上领先模型目前都是闭源的。相比之下,开源领域几个一线模型,如Llama和DeepSeek已经发布的新版本水花都不大,DeepSeek V4仍未发布,图和视频生成领域基本没有能打的一线开源模型。仅剩Qwen系列还始终维持在国际一线,最新的3.5版本在社区评价也不错。

如果维持这样的态势再发展两年,届时有可能各方向一线水平模型都是闭源的,当前的一些还可用的开源模型,到时候只能算是上个时代的老旧模型了。

Qwen可能会走向闭源

本次负责人离职事件可能隐含着Qwen系列模型(或阿里未来的其他模型)走向闭源。

下午凤凰网科技的文章透露阿里高层仍在挽留林俊旸,后续邮箱小道消息通义大会HR已经明确不挽留了。强如阿里,1,2个技术人才的离开并不是核心问题,隐藏的发展路径和方向矛盾可能才是。

有小道消息透露,阿里管理层引入DAU(日活用户数)、留存率等典型的C端消费级产品运营指标,来作为Qwen科研团队的核心KPI。(达摩院故事的再现?)

也有小道消息,此次Qwen负责人离职比较突然,与之前阿里内部引入了一个来自Gemini团队的负责人也有关系。

种种迹象都表明,开源虽然很热闹,但是毕竟直接不挣钱,高层的战略耐心恐怕是不够了。有分析人士指出,引入Gemini背景的人表明阿里高层对于Qwen的不满,公司在未来发展方向上或许会向Google靠拢。

而Google大模型路线是典型的闭源路线,如果阿里向Google路线发展,则Qwen系列模型后续还能否持续开源并保持一线的水平,将成为巨大的问号。

当然,以上只是一些猜测,或许Qwen系列模型以后也仍能够持续开源也未可知。

企业级应用的选择不多了

从比较悲观的角度出发,Qwen如果也走向闭源,留给工业服务商和企业可用的底座模型就不太多了,毕竟Qwen和DeepSeek可以说是唯二国际一线水平的开源国产文小语言模型。

市场上其它开源模型选择并不算少,例如文心大模型、智谱GLM等,而且不论闭源如何发展,市场上肯定也还是会有一批开源模型存在。但是这些模型有的能力不太行,有的公司重点不在政企应用,有的从公司实力、发展轨迹各方面看,能够给大家的信心可能不是很足。

闭源的商业版本企业级小语言模型以后或许会更多,但那是中远期了。企业级应用整体市场并不小,过几年闭源模型大厂吃完C端市场,或许会面向B端市场推出更具性价比的闭源小语言模型方案。

国内某擅长政企业务的大云厂现在在调整期,拿出一线模型(闭源)可能还需要时间。有能力和动力提供开放的底座模型的NVIDIA,在大语言模型这块也有东西,但能力和影响力提升仍需时间。

在此之前,一线开源小语言模型的选择可能不多了。

用老旧CPU和软件这事,工厂太熟悉了

现在的底座模型之于未来的智能体,有点像以前CPU之于PC。工厂里的很多PC,尤其是工业现场的,用的CPU都是厂商好几年前的老旧型号,工业企业用的很多软件,从架构到界面,也都是上个世纪的产物,用的也好好的。

工厂们大多对于新技术的态势还是够用就行,毕竟性能要求不高,可靠和便宜更重要。(也是因为穷,业界最新最好的用不起)。

大模型这东西,未来扮演的类似员工的角色,工厂很多基层岗位也不需要高智商高学历的员工,基本够用就行了。

未来的变化也不只是模型

其实相比于模型能力的升级,2026年AI最大的变化还是在应用形态侧,Skills、VibeCoding、OpenClaw等更多应用层技术栈的出现,让很多工业企业可能需要思考一个问题:

过去基于Agent开发平台为一个细分场景需求,拖拽编排一个Agent的模式是否还合理?