“清华系”VS“阿里系”：中国大模型创业的“隐形门派”之争

随着中国大模型赛道持续了一年有余的“百模大战”逐渐褪去其狂热的喧嚣，转而走向应用生态的落地，如今大模型战局不再是简单的巨头与创业公司的对垒，而是演化为以技术传承、人才网络和资本图谱为纽带的“隐形门派”之间的博弈。

在这张错综复杂的棋盘上，以智谱、月之暗面等企业为代表的“清华系”，和以阿里“通义”系出走创业者为代表的“阿里系”，正作为两股最强大的新生力量，遥相对峙，共同定义着国内AI产业的未来走向。

源起：象牙塔与巨舰，两种路径的遥相呼应

一个技术派别的形成，往往可追溯到其最初的“学术源头”或“产业根基”。

“清华系”的技术轨迹，起点显然位于清华大学计算机系的知识工程实验室（KEG）。在人工智能不断演进的周期中，由唐杰教授领衔的这支团队，数十年如一日地深耕于知识图谱、图神经网络与预训练模型等领域。它更像是一群耐心的“思想播种者”，等待着技术之树开花结果的那一天，形成了典型的“学院派”科研传统。

智谱的诞生，便是这漫长学术序曲的必然延申。它几乎是KEG实验室的“嫡传弟子”，一个将数十年科研成果推向商业世界的载体。其公司主体为北京智谱华章科技有限公司，CEO张鹏同样是清华计算机系的博士，他与唐杰教授一道，将实验室的技术积累转化为商业实体。

从智谱的GLM（General Language Model）架构选择上，便能清晰地看到其学术脉络——坚持走一条与主流GPT、BERT模型不尽相同的技术路线，这种差异化路径背后，是深植于学术基因中的方法论自信和技术信仰。可以说，智谱代表的是一种更偏理论驱动的路径，强调模型能力的本质提升，承载的是一种“让机器像人一样思考”的纯粹学术理想，其气质内敛而深沉。

而师出同门的月之暗面，则展现出“清华系”的另一种演化方式。其创始人杨植麟曾是Transformer-XL与XLNet等重要模型的核心作者，在清华之后赴卡内基梅隆大学深造，并在Google Brain积累了大量前沿工程经验。他与周昕宇、吴育昕等同样具备国际大厂背景的清华校友共同组建团队，使月之暗面兼具理论深度与工程执行力。

这种跨越学术与产业、国内与国际的团队结构，使得月之暗面既拥有清华学派的理论深度，又熟悉硅谷式的创新节奏。其智能助手产品Kimi于2023年10月发布，最初支持约20万汉字上下文输入，随后在2024年3月开启200万字上下文功能的内测，以“无损长文本”能力一鸣惊人。

与“清华系”源自象牙塔的静水流深不同，“阿里系”的创业者们则是在商业巨舰的惊涛骇浪中淬炼成钢的“罗马军团”。

阿里自2017年设立达摩院起，即将AI视为战略性方向，以及再之后倾集团之力打造的“通义”系列大模型，本身就是阿里这家商业巨擘为了在AI时代捍卫并扩张其版图的战略性“功守道”。在这个过程中，阿里投入了外界难以想象的资源——海量的高质量数据、世界一流的算力集群以及最复杂的商业应用场景。

“通义”系列大模型的演进过程，体现了阿里AI战略的层层递进。2021年，阿里达摩院在自研大模型方面持续投入，先后推出了M6等多模态模型。在此基础上，2023年4月，阿里正式发布通义千问（Qwen）系列大模型，主打中文能力优化与大规模多轮对话，并持续迭代至Qwen-3版本，逐步开放0.6B-235B等多个参数量级，涵盖语言、代码和多模态领域。同时，阿里还将通义大模型产品化为企业API服务与通义千问App，通过钉钉、淘宝等业务场景内嵌，形成“模型+平台+业务”一体化战略闭环。这一系列动作，标志着阿里试图构建一个既能自研底层技术，又能直接打通产业链上下游的大模型生态。

从这艘“巨舰”上走出的创业者，天然携带者一种独特的“阿里烙印”。例如前阿里巴巴副总裁贾扬青，作为达摩院主导PAI平台和大模型策略的核心人物，他参与开源框架Caffe的早期建设，并推动阿里内部ODPS与ModelScope社区的落地。2023年辞职与阿里前端专家谢亚东联手创办Lepton I，专攻AI架构与GPU云服务，致力于打造高效云端推理解决方案。

另一个代表性的例子是无限光年的创始人漆远。他曾任蚂蚁集团的首席AI科学家、达摩院金融智能负责人，曾深度参与了阿里及蚂蚁的AI体系构建，对于如何将AI技术应用于大规模金融场景有着第一手的经验。

对于他们而言，从阿里体系出走并非是割裂，而是一种自然的能力外溢。他们深知“技术最终需要为业务创造价值”，也了解如何在高并发场景中保持模型稳定运行，如何将AI能力与金融、电商、物流等产业系统深度耦合。这种出身为其赋予了不同于“象牙塔”的商业实战视角。

分野：技术谱系与创业罗盘的微妙偏航

如果说出身决定了气质，那么技术路线和创业风格的差异，则清晰地标示出两大门派在攀登AI高峰时，各自选择了不同的登山路线。

在技术传承的基因上，“清华系”展现出明显的“理论驱动创新”特质。他们更愿意也更擅长从问题的本源出发，挑战甚至重构底层模型架构。

智谱的GLM系列模型如今已经迭代到GLM-4.5，并已经形成完整的模型生态。始终坚持其独特的模型结构探索，这是一种需要巨大研发勇气和深厚理论功底的尝试。

月之暗面聚焦于“长文本”这一技术单点，其产品Kimi智能助手看似是一个功能特性，实则指向了大模型能力的核心——记忆、推理与对复杂信息的深度理解。这背后是一种信念：只有在最核心的“智力”层面取得突破，商业应用的想象空间才能被真正打开。

相比之下，“阿里系”创业者的技术基因则更偏向“场景驱动工程”，往往围绕具体业务需求优化模型部署策略，强调模型推理成本、产品化效率及产业适配能力。技术能力不以参数规模为核心，而在于是否能解决实际问题。他们擅长构建稳定、低延迟、高可靠的AI中台系统，同时迅速推进多模态融合，将图像、语音、视频等多源数据整合进企业流程中。

这种基因差异，也直接投射到了创业风格与人才网络上。“清华系”的创始人多为教授、学者或明星研究员，他们的创业故事往往带有一丝理想主义色彩，更强调长期愿景和技术壁垒。人才网络，也自然而然地围绕着清华大学及其遍布全球的校友圈构建，这是一个以学术成就和技术信仰为纽带的“知识共同体”。

而“阿里系”的创始人，则更多是身经百战的将才，他们的风格更务实、更具狼性，对市场风向的变化极为敏感，决策与迭代速度极快。他们背后，是庞大而高效的“阿里校友”生态，这是一个以战功、信任和商业成功为核心价值的“战友联盟”。

在最为关键的资源获取上，两者也展现了不同的“道”与“术”。

“清华系”的叙事往往更宏大。智谱的融资名单中，国家级背景的基金和大型产业资本频频现身，这与其技术自主的定位和国家战略的期许高度契合。月之暗面则凭借其创始人的明星光环和技术的颠覆性潜力，吸引了包括红杉、小红书以及阿里在内的顶级VC和战略投资方，它的故事是“全球顶尖人才+改变世界的技术”。

“阿里系”创业者则更擅长讲述一个让资本市场信服的“商业故事”。他们无需过多解释自己是谁，因为他们在阿里的履历就是最好的背书。他们讲述的是“一个被验证过战斗力的团队，看到了一个万亿级的市场机会”，这种故事的商业逻辑清晰，回报预期明确，对追求高确定性的财务投资者具有极强的吸引力。

竞合：棋盘上的对手，生态里的盟友

这两种截然不同的风格和路径，引出了一个核心问题：技术理想主义与商业实用主义，哪一种“基因”更能适应中国大模型商业化“最后一公里”的残酷丛林？

在商业世界里，关系从来不是非黑即白的。“清华系”与“阿里系”在明面上是棋盘上针锋相对的对手，但在暗流涌动的生态中，却又可能扮演着盟友的角色。

竞争方面，他们争夺的是同一批最顶尖的AI科学家和工程师，是同一批来自英伟达的宝贵GPU算力，更是同一个万亿级的企业级服务市场。当智谱发布其最新的模型时，对标的不仅是OpenAI，更是国内包括“通义”在内的所有对手。当月之暗面的Kimi凭借C端产品引爆市场时，所有试图在AIGC应用层分一杯羹的玩家都会感到压力。更深层次的竞争，在于对“下一代AI应用范式”的定义权之争。谁能率先找到大模型的“Killer App”，谁就能在未来的标准制定中占据主动。

然而，在竞争的另一面，是微妙而复杂的合作潜流。其中，作为产业巨头的阿里巴巴，通过其战略投资部门，同时投资了“清华系”的月之暗面与智谱。这一举动，将两大门派的关系拉入了一个极度复杂的“竞合”区间。

对于阿里而言，这是一种高明的“生态位”战略。一方面，通过自研“通义”系列，确保自身在核心技术上不掉队，巩固基本盘；另一方面，通过投资外部最有潜力的创业公司，对冲内部创新可能存在的盲点和风险，同时将最前沿的技术力量纳入自己的生态版图。

阿里既是“阿里系”创业者的“黄埔军校”，也是他们走出大门后最强大的竞争者；同时，它又是“清华系”新锐的金主爸爸和潜在的技术或商业合作伙伴。这种错综复杂的关系，让给清华系”与“阿里系”的竞争，更像是对同一条价值链中不同节点的博弈与协同。

此外，整个中国AI产业的上游依赖仍高度集中，所有玩家都共存于一个更大的产业生态之中。他们都依赖上游的芯片供应商，都可能使用阿里云、腾讯云等云服务平台作为算力底座。他们的竞争，客观上共同教育了市场，催熟了产业链，为整个中国AI基础设施的完善做出了贡献。从这个角度看，他们又是事实上的“盟友”，共同将中国AI的蛋糕做大。