作者| 高飛
剛看到Gartner發了首份《AI應用開發平台魔力像限》（Gartner MQ）（見圖），讀了一下，報告信息量還是不小的，翻譯解讀一下。
該圖片來自火山引擎公眾號，已獲得火山引擎轉載授權
先做個背景介紹。Gartner MQ是什麼？它從“落地能力”和“戰略完整性”兩個維度給全球廠商打分畫象限，分成領導者、挑戰者、遠見者、利基玩家四個陣營。這套方法論可以追溯到1980年代，創始人Gideon Gartner最初只是在內部會議上用來做市場速覽，1994年才正式對外發布。魔力像限是企業CIO等群體選型時參考權重很大的第三方報告之一，有上百個技術領域。但是評價AI應用開發平台，可能是一個信號：全球大模型市場已經從“混戰期“進入“分化期”，需要被正式排座次了。
10個要點
1
中國廠商存在感很強，火山引擎在挑戰者象限的位置很亮眼
中國廠商在這份報告中表現突出，火山引擎、阿里雲、騰訊雲均入選挑戰者象限。其中，火山引擎在該象限中“落地能力”得分最高；在“多模態應用開發能力”上，全球第四。值得注意的是，這份報告的入選門檻極高：AI應用開發平台年營收至少1億美元。這意味著很多知名的AI創業公司都被擋在門外。 Cohere（企業級大模型明星公司）、CrewAI（Agent框架新銳）、Dify（開源LLMOps平台）均因營收未達標而落選。 CoreWeave雖然入選，但因為剛完成對Weights & Biases的收購、整合尚未完成，被歸入利基玩家。換句話說，入選的廠商都是在和全球最成熟的玩家同台競技。我覺得可以補充的一個背景是，之前根據斯坦福大學HAI的2025年AI指數報告，在中國（83%）、印度尼西亞（80%）等亞洲國家，大多數民眾認為人工智能產品和服務帶來的好處多於危害。相比之下，在加拿大（40%）、美國（39%）和荷蘭（36%）。也就是說，中國比美國高出44個百分點，這種樂觀是是否是一種加持？
2
火山引擎不是傳統雲廠商，它是字節跳動的技術外溢所以單獨說一下火山引擎，揣測一下為什麼火山引擎能在報告中拿到這個位置。2020年火山引擎成立時，它的核心能力來自字節跳動在內容平台上的積累：推薦算法、高並發處理、視頻編解碼、A/B測試方法論。這些能力被產品化，對外輸出給企業客戶。到了大模型時代，這種外溢也隨之變化。豆包大模型本身就是字節跳動內部業務（豆包APP、抖音、飛書）的底座，火山方舟則是把這套AI基礎設施開放給外部企業。所以火山引擎的邏輯始終是“內部先用、驗證有效、再對外輸出”。它不是從IaaS層往上打，而是從應用層往下延伸。這個基因決定了它天然懂：“如何讓AI創造業務價值”，而不僅僅是“如何提供算力”。
3
這份報告的核心命題：模型強≠平台強報告中，OpenAI是遠見者，不是領導者。估計是很多人看報告會困惑的點。但是，我覺得其實一點都不奇怪。因為在我的印像中，OpenAI其實更像一個互聯網公司，而非AI平台公司。印像中，山姆·奧特曼出來做訪談，常說DAU這些數字，而且也認命了消費業務CEO，還拉來蘋果前首席設計師Ivy做消費硬件。從開發者的角度，Anthropic的存在感早就強過OpenAI了。但是Anthropic並不在像限中。我想是因為雖然Anthropic 提供了強大的Claude 模型API 和Workbench（工作台），但在Gartner 的評估週期內，Anthropic 更多被視為一家基礎模型供應商（Model Vendor）。其主要的應用開發功能（如復雜的RAG 編排、多模型路由、企業級治理）通常是依賴合作夥伴（如AWS Bedrock 和Google Vertex AI）來實現的，而不是通過Anthropic 自身的獨立平台提供的全棧服務。繼續說OpenAI，Gartner也提出，OpenAI的企業級支持結構比同類精簡（沒有正式的客戶顧問委員會），缺乏混合雲/私有化部署能力，且部分客戶表示正在尋找替代平台。換句話說，OpenAI “企業級開發平台”的味道也比較淡。但對財富500強的CIO來說，24/7專屬支持、SLA保障、數據主權，這些“乏味”的東西比模型MMLU得分重要得多。這個判斷框架也適用於理解整份報告：Gartner評估的不是“誰的模型最聰明”，而是“誰能讓企業把AI用起來”。
4
接下來說一下，四大領導者各有什麼特點？AWS的亮點是在Bedrock Guardrails中引入了“神經符號AI”的自動推理，用數學驗證而非概率判斷來對抗模型幻覺，號稱准確率99%。這解決了金融、醫療等行業對確定性的剛需。Google力推Agent2Agent協議，想成為AI智能體時代的“TCP/IP制定者”。如果未來不同廠商的智能體需要互相通信、協作，Google希望這個協議是標準。微軟的優勢在於Azure AI Foundry的開發者體驗，特別是Visual Studio Code的深度集成。但報告也指出，微軟的很多重要發布基於OpenAI的技術，且在Gartner Peer Insights上的服務支持評分低於其他領導者。IBM則走了一條“開放路線”，把所有Granite模型以Apache 2.0許可開源，並推出了開源的BeeAI智能體框架。感慨一下，IBM和微軟真是從IT時代走過數字化轉型時代，再到大模型時代，代表老牌公司的企業級底蘊。四家領導者的共同點是：都在試圖定義某種“標準”。 AWS定義安全標準，Google定義協議標準，微軟定義開發者體驗標準，IBM定義開源標準。
5
火山引擎的技術護城河：一套解決“從模型到應用”的組合拳再說回火山引擎，報告特別提到了火山引擎的三個核心產品：veRL、HiAgent、PromptPilot。其實，這三個產品不是並列關係，而是一條完整的價值鏈：veRL解決的是“模型怎麼變聰明”。它是火山引擎開源的強化學習框架，讓企業能夠用自己的業務數據和目標函數，把通用大模型訓練成懂行業的專用模型。HiAgent解決的是“智能體怎麼搭建”。它支持“意圖驅動的智能體創建”，開發者用自然語言描述需求，比如“創建一個能根據用戶位置推薦餐廳並完成預訂的助手”，HiAgent能自動將其轉化為可測試、可部署的服務。PromptPilot解決的是“應用怎麼調優”。它把提示詞工程變成了一個正經的IDE，支持版本控制、A/B測試、效果對比。在AI應用裡，提示詞就是源代碼，需要被嚴肅管理。這套組合拳的邏輯是：先用veRL讓模型具備行業能力，再用HiAgent快速搭建智能體應用，最後用PromptPilot持續優化效果。從模型層到應用層到運維層，全覆蓋。
6
veRL：強化學習框架為什麼是最硬核的一環報告把RL作為一個相當的要點去提。當然也很合理。畢竟AI競爭正在從“預訓練”轉向“後訓練”。預訓練給模型打基礎，但要讓模型真正具備複雜推理能力、理解業務目標，需要強化學習（RL）。問題是，大規模RL訓練是一項工程浩劫。需要同時維護Actor、Critic、Reward、Reference四個模型，頻繁進行數據交換和狀態同步。veRL的核心論文HybridFlow被系統領域頂會EuroSys 2025接收。它的關鍵技術是3D-HybridEngine。在RL訓練中，模型需要在“生成階段”和“訓練階段”之間頻繁切換，傳統架構會產生大量顯存冗餘和通信開銷。 3D-HybridEngine通過高效的actor model resharding，消除了這種冗餘，實現了SOTA級別的吞吐量。說人話就是：同樣的GPU資源，veRL能比其他框架多訓練好幾倍的數據。不過，雖然這個工具很不錯，但對很多企業而言，到底是把資源投入到模型微調，還是上下文工程，應該是一個比較難抉擇的題目吧。
7
永久授權，這一個容易被忽視的商業模式差異再說到商業模式，火山方舟支持公有云SaaS、私有化部署，以及永久授權（Perpetual License）。這在當前訂閱制盛行的SaaS市場中是一個亮點。對於金融等偏好一次性資本支出（CapEx）而非長期運營支出（OpEx）的行業，永久授權是殺手鐧。另外，報告還提到，火山引擎的直銷團隊執行效率極高，平均交易閉環時間僅為數週。相比於依賴漫長諮詢流程的傳統IT廠商，這種“短平快“的銷售節奏反映了其產品的高標準化程度。 （這也是互聯網基因起作用吧）
8
火山引擎的行業版圖，藏著字節跳動的底色上邊我們講過，火山引擎是字節跳動的技術外溢而創立的，報告談到，火山引擎增長最快的兩個垂直領域是“科技公司（包括設備製造商和機器人）”和“零售電商”，也能體現這個基因。科技硬件方面，機器人和智能硬件對網絡延遲極其敏感，火山引擎在邊緣計算和低延遲上的優勢，結合其能夠部署在端側的模型能力，使其成為“具身智能”廠商的理想合作夥伴。據公開信息，全球Top10手機廠商有9家和火山引擎深度合作。零售電商也是火山引擎的“主場”之一。它在電商推薦、智能客服、營銷內容生成方面擁有實戰經驗。利用veRL框架，零售企業可以訓練出具備“推銷技巧”的AI導購，而不僅僅是處理售後問題的客服。此外，據火山引擎披露的數據，其在汽車行業覆蓋超九成主流車企，在金融行業服務八成頭部券商和系統重要性銀行，在教育行業與超七成985高校達成合作。
9
飛輪效應：調用量、收入、產品三個維度的正向循環除了Gartner這份報告，還有一些公開數據可以交叉驗證這個領域市場飛輪效應的重要性。IDC數據顯示，2025上半年中國公有云大模型服務市場，火山引擎佔49.2%份額。按此計算，中國公有云上每兩個Tokens中有一個由火山引擎生產。這裡解釋一個概念：大模型公有云服務市場。這個市場指的是企業通過雲平台調用大模型API的服務。你不需要自己買GPU、自己部署模型，而是按調用量付費。這是目前大多數企業使用大模型的主流方式，也是AI商業化的一個核心戰場。所以：調用量大→業務場景豐富→模型迭代快→產品體驗好→收入高→有資源持續投研發→調用量更大。從目前了解到的情況看，這種飛輪效應是火山引擎當前增長勢能的核心來源。
10
深層信號：AI開發平台的競爭進入工程化階段最後，這份報告釋放的核心信號是：大模型競爭已經從“拼參數”進入“拼工程”。因為對AI行業落地而言，模型能力重要，但它是前提條件之一，而不是唯一的決勝因素。在模型能力趨於同質化的背景下，企業客戶開始更關注：你的智能體框架是否完善？多模態交互是否穩定？能否過合規審查？成本能否算得過賬？這份Gartner報告本質上是在說：大模型時代的雲計算格局正在被重塑。一些競爭發生在IaaS層，另一些競爭則發生在MaaS層。對行業來說，這或許意味著“AI雲“正在成為一個獨立的賽道，而不是傳統雲計算的附屬品。
