中國消費網路巨頭，正悄悄變身 AI 模型開發者

中國 AI 產業的版圖，正在悄悄擴大。

除了 DeepSeek、Z.ai、Moonshot AI 和 MiniMax 等受到高度關注的模型新創，原本以社群、電商、遊戲或旅遊服務聞名的網路公司，也開始打造可供自家產品、內容、商家與營運流程使用的基礎模型。13

目前最具體的公開案例之一，是小紅書（RedNote）旗下 AI 研究團隊 Dots Studio 發布 Dots3-Note Preview。這項發布說明，消費平台為什麼不一定滿足於呼叫外部模型 API：它們可能需要一套更貼近自身多模態內容，以及能處理長時間、多步驟工作的模型。

從 AI 使用者走向 AI 建造者

過去，消費網路平台可以透過外部模型 API 取得先進 AI 能力。但若要自行訓練基礎模型，所需的資金、人才與運算資源都高得多；相對地，內部模型也能讓企業更直接掌握部署方式，並依照自家產品調整能力。

對電商、遊戲、社群或旅遊業者而言，真正有用的 AI 往往不只是能聊天的獨立機器人。它可能還需要理解圖片與影片、掌握商品或地點脈絡、處理使用者生成內容、協助商家與創作者，或完成跨越多個步驟的任務。

因此，策略重點是把模型能力接到既有的內容、推薦、商品、商家與交易系統，而不是把 AI 當成孤立的新功能。這不代表平台必然放棄外部模型；較可能的做法，是在外部模型擅長的領域繼續採用外部服務，同時為高價值或高度客製化的工作發展內部系統。現有報導支持 established internet businesses 正朝自訂 AI 發展，但並未證明每一家電商、遊戲、社群或旅遊公司都採取相同的技術路線。13

Dots Studio 的發布透露了什麼？

Dots Studio 在 2026 年 8 月 14 日發布 Dots3 系列首個開放權重模型 Dots3-Note Preview。214 從技術規格來看，它針對平台型應用的幾項需求相當明確：

• 總參數 2800 億、每個 token 啟用 160 億參數： 模型採用混合專家（Mixture of Experts，MoE）架構，因此整體容量遠大於每次計算實際啟用的參數量。12
• 支援多模態輸入： 可處理文字、圖片、影片與音訊，不限於純文字內容。1
• 51.2 萬 token 上下文視窗： 能在一次任務中保留異常大量的上下文，適合較長流程的工作。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，而非只能透過私人內部服務使用的系統。2

這些規格符合平台型企業的實際環境：資訊往往同時來自貼文圖片、影片、聲音、商品資料與使用者互動，而任務也可能需要模型持續記住脈絡並執行一連串操作。

當然，架構本身不能證明模型一定能帶來更好的消費產品。但一間主要以生活方式與社群服務聞名的公司，如今已展現出打造大型多模態基礎模型的企圖心，這一點本身就具有產業訊號。13

如何看待模型的 benchmark 成績？

小紅書表示，Dots3-Note Preview 在特定 benchmark 上追平或超越 OpenAI、Anthropic、DeepSeek 和 Z.ai 的部分模型。13 這是值得注意的說法，但應該嚴格限縮解讀範圍。

Benchmark 成績會受到測試任務、評估設定、提示方法、模型版本，以及結果是否被獨立重現等因素影響。現有報導指出，這些是公司引用的 benchmark 測試結果；它們並不能證明 Dots3-Note Preview 在日常使用、可靠度、成本或商業部署等所有面向，都普遍優於上述模型。13

更值得關注的，並不是某一刻的排行榜名次，而是消費平台已經打造並公開發布大型多模態基礎模型，同時將它定位於複雜推理與長程任務。13

為什麼「平台自有」很重要？

通用模型可以提供廣泛的語言理解與推理能力；平台自有模型則能更緊密地接入真正構成企業價值的系統，包括內容、推薦、商品、商家、創作者、地點、預訂與使用者意圖。

這種整合，可能讓模型在特定任務上更實用，即使它不是每一項通用 benchmark 的全球第一名。對平台而言，關鍵不只是模型能否回答問題，而是能否理解一個不斷變動的商業與內容生態，並在其中可靠地執行工作。

這也是整體趨勢值得注意的原因：AI 能力正在累積於擁有既有產品、專門資料、營運基礎設施與即時部署管道的網路企業，而不只集中在專門的 AI 實驗室。13

對使用者來說，這種變化未必會以新聊天機器人的形式出現。AI 可能先變成更好的搜尋、更精準的推薦、自動化內容工具、商家助理、內容審核、旅遊規劃或遊戲營運功能。

對企業來說，競爭問題也因此從「誰擁有最強的通用模型？」逐漸轉向「誰能把足夠強的模型，轉化為可靠、專業，而且能大規模運作的服務？」

中國科技產業的下一張 AI 地圖

Dots Studio 的發布，指向一個更分散的中國 AI 生態。消費網路公司不再只是前沿模型的潛在客戶，其中一部分也正成為具備研究、訓練與部署能力的組織。13

這讓競爭版圖超越最知名的 AI 實驗室，也提高了平台專業能力的重要性：模型的價值，可能不只在於通用 benchmark 分數，更在於它能否有效理解並操作某個特定生態系。

目前的公開證據，對小紅書與整體產業方向的支持最為明確；至於美團，以及所有電商、遊戲、社群和旅遊公司是否都已建立完整的自研模型體系，現有資料仍不足以做出完整盤點。

但訊號已經相當清楚：中國消費 AI 的下一階段，可能不是由一個個醒目的聊天機器人發布揭開序幕，而是安靜地建在使用者每天已經使用的服務裡。