中國消費互聯網巨頭，正悄悄變身 AI 模型開發者

中國的 AI 故事，已經不再只圍繞 DeepSeek、智譜、月之暗面（Moonshot AI）和 MiniMax 等高知名度模型初創公司。小紅書（RedNote／Xiaohongshu）等老牌消費互聯網平台，也開始自行打造可以配合旗下產品、內容、商戶及營運流程的基礎模型。13

目前最具體的公開例子，是小紅書旗下 AI 研究團隊 Dots Studio 發布 Dots3-Note Preview。這次發布說明，消費平台發展 AI，未必只是加一個聊天機械人功能；模型亦可以按照平台本身的多媒體內容，以及需要長時間、多步驟處理的實際工作來設計。

由 AI 用家變成 AI 建造者

過去，消費平台大可以透過呼叫外部模型 API，使用最先進的 AI 能力。自行訓練基礎模型當然是更龐大的工程，但好處是企業可以更直接控制模型如何部署，以及怎樣配合自身產品作調整。

對電商、遊戲、社交或旅遊平台來說，真正有用的 AI 通常不只是一段獨立對話。它可能要理解圖片和影片、掌握商品或地點背景、處理用戶生成內容、協助商戶和創作者，或者跨越多個步驟完成一項任務。

因此，平台自行發展模型的戰略重點，是將模型能力接駁到既有的內容、商業和營運系統，而不是把 AI 當成一項孤立功能。

這亦不代表企業一定會放棄外部模型。較常見的混合路線，可以是在外部模型較強的範疇繼續採用外部服務，同時為高價值或高度平台化的工作建立內部系統，從而取得更多部署和客製化控制權。現有報道支持老牌互聯網企業轉向發展自訂 AI 的大方向，但未能證明每一個電商、遊戲、社交或旅遊平台都採用同一套技術路線。13

Dots Studio 的發布透露甚麼訊息？

Dots Studio 於 2026 年 8 月 14 日發布 Dots3 系列首個開放權重模型 Dots3-Note Preview。214 其設計有幾項規格，特別適合需要在真實平台環境中處理複雜工作的 AI：

• 總參數 2,800 億，每個 token 啟用 160 億參數： 模型採用混合專家（Mixture of Experts，MoE）架構，整體容量遠高於每次計算實際啟用的參數數量。12
• 支援多模態輸入： 除了文字，也能接收圖片、影片及音訊。1
• 512,000 token 上下文窗口： 模型可以在一次任務中保留異常大量的背景資料，適合需要長時間推進的工作。3
• 採用 Apache 2.0 授權： 公開權重以 Apache 2.0 授權發布，屬於開放權重模型，而非只供公司內部使用的私人服務。2

這些規格，正好對應平台世界的實際需要：資料可能同時來自帖文、圖片、影片、語音、商品資訊和用戶指令，而任務亦可能不是一問一答就完結。

當然，單靠架構規格，並不能證明模型一定會帶來更好的消費產品。不過，它至少顯示出一個大眾較熟悉的生活方式及社交平台，已經具備相當進取的模型開發野心。

點樣理解模型的 benchmark 聲稱？

小紅書表示，Dots3-Note Preview 在特定 benchmark 上，表現追平或超越 OpenAI、Anthropic、DeepSeek 及智譜的部分模型。13 這是一項值得注意的聲稱，但解讀時必須留意範圍。

Benchmark 結果會受到測試任務、評估設定、提示方式、模型版本，以及結果能否由獨立團隊重現等因素影響。現有報道指這些是公司引用的 benchmark 測試結果；它並未證明 Dots3-Note Preview 在日常使用、可靠性、成本或商業部署方面，全面優於上述模型。13

更值得關注的，並不是它在某一張排行榜排第幾，而是一家消費平台已經打造並公開發布大型多模態基礎模型，同時將模型定位於複雜推理和長程任務。13

點解由平台自己擁有模型會重要？

通用模型可以提供廣泛的語言理解和推理能力；平台自有模型，則有機會更緊密整合令企業具備價值的系統，例如內容、推薦、商品、商戶、創作者、地點、預訂流程和用戶意圖。

這種整合，可能令模型在某些明確而具體的工作上更有用，即使它未必在每一項通用 benchmark 都是全球第一。

所以，這股趨勢的意義在於：AI 能力正逐步累積在已有產品、專門數據、營運基礎設施和即時部署渠道的互聯網企業內，而不只存在於專門研究 AI 的實驗室。13

對用戶來說，變化未必會以「推出一個全新聊天機械人」的形式出現。AI 可能會悄悄變成更準確的搜尋、更個人化的推薦、自動化內容工具、商戶助手、內容審核、旅遊規劃，甚至遊戲營運的一部分。

對企業而言，競爭問題亦可能由「邊間公司有最強通用模型？」變成「邊間公司可以將一個有能力的模型，變成可靠、專門化，而且能夠大規模運行的服務？」

中國科技業的更大版圖

Dots Studio 的發布，反映中國 AI 生態正變得更加分散。消費互聯網公司不再只是前沿模型的潛在客戶；其中一些亦開始成為自行進行研究、訓練和部署的技術組織。13

這令競爭版圖不再只看幾間最出名的 AI 實驗室。模型能否理解及操作某個特定平台的生態，可能與它在通用 benchmark 上的分數同樣重要，甚至更直接影響商業價值。

現有證據最有力地支持小紅書的個案，以及行業正轉向自建 AI 的大方向；至於美團或每一間電商、遊戲、社交和旅遊公司目前的完整技術部署，資料仍然不足。即使如此，訊號已經相當清楚：中國消費 AI 的下一階段，可能不是由一個個高調的新聊天機械人主導，而是悄悄建構於人們每日使用的服務之中。