企业官网建设流程全解析

“阶跃星辰杀入季后赛，强势跻身AI‘新六小虎’第一梯队”——这个标题从昨天开始就在好几个群里被转来转去。做AI这行的，对这种江湖排名的更迭早就过了大惊小怪的阶段，但说实话，这次名单的变化确实有点意思。因为明眼人都看得出来，从“大模型四小龙”到“新六小虎”再到“第一梯队”，这不仅是换个说法那么简单，行业竞争的维度已经变了。

我身边不少朋友拿到这份所谓的新榜单之后，第一反应不是去看谁家估值又涨了多少，而是盯着“第一梯队”这几个字琢磨：凭什么阶跃星辰能挤进去？它靠的是什么硬实力？跟同期冒头的那几家比，这个座次是实至名归还是资本运作出来的虚火？

把这些事儿掰开揉碎聊清楚，我觉得比单纯围观排名本身更有价值。尤其是如果你想判断国内AI大模型阵营未来半年到一年的走向，那这份名单背后的逻辑，就是你手里最实用的一张地图。

1. 从“四小龙”到“新六小虎”，AI牌桌上的座次为什么重排了

1.1 上一轮洗牌留下的悬念

时间往回拨个两三年，那时候大家聊国内AI创业公司，嘴里蹦出来的基本都是“四小龙”的称呼。这批公司吃到了大模型浪潮最早的流量红利，融资一轮接一轮，发榜单的机构也乐意把聚光灯打在它们身上。但牌桌上的人心里都清楚，那个阶段的所谓座次，拼的是声量和融资速度，拼的更是谁先把模型跑通。

问题恰恰就出在这。大模型从“能用”到“好用”，中间隔着一道天堑。当一阵热闹过去，市场开始算账的时候，上一轮很多明星公司就暴露了短板：有的技术底子薄，纯靠开源模型套壳，很快见顶；有的产品落不了地，Demo惊艳但商业模式空转；还有的在算力和人才的持续投入上跟不上，眼睁睁看着差距被拉开。

这就是为什么今年圈里普遍感觉“四小龙”的叫法没什么人提了。不是公司没了，而是战局变了，评价体系也变了。

1.2 新生代名单是怎么冒出来的

在新一轮的讨论里，“新六小虎”成为出现频率很高的组合概念。名单具体是哪几家，不同渠道多少有点出入，但大家公认的核心特征是一致的：这批公司不是在风口上临时搭台子的，而是在大模型技术路线最混乱、资本最谨慎的那两年，靠真金白银的技术投入和个人判断杀出来的。

跟上一代相比，这批新面孔有几个非常鲜明的共同点。

第一个特征是创始人团队的技术底色更重。基本都是全球顶尖AI实验室出身，带着实打实的研究成果出来创业，团队配得上“科学家创业”四个字。第二个特征是产品逻辑更务实，从一开始就在算怎么把模型能力变成用户付费使用的产品，而不是停在刷榜的阶段。第三个特征是资本耐心更强，背后站着的多是能看懂长期技术价值的长线资金。

在这批新面孔里，阶跃星辰能成为话题中心，因为它踩中的节点太巧了。

当初那批明星公司打得头破血流的时候，它还在默默筹备。等到行业从比榜单分数转向比真实用体验的时候，它冷不丁掏出几个让人眼前一亮的东西。这种出场节奏，让它在“新六小虎”里天然占据了“黑马”的生态位。而当别人还在纠结要不要转型做应用的时候，它已经在用不算大的团队规模，把模型能力往各个真实场景里扎了。

1.3 排名标准已经从技术转向综合实力

之所以出现“新六小虎”这种洗牌式的重新排座次，底层逻辑其实很简单：资本市场和行业共识对AI公司的评价标准变了。

前几年，一套漂亮的算力采购单和几个榜单第一，就能撑起一家公司的估值。现在这一套行不通了。大家要看的是你的模型在真实场景里是不是真的好用，你的产品有没有人愿意持续付费，你的技术路线在下一轮迭代里还有没有上升空间。

这四件事，每一件都在考验一家公司的综合实力，而不再是某一项单点能力。

阶跃星辰被各方观察者放进“新六小虎”第一梯队的核心依据，概括起来其实是三个方面：模型能力站住了、商业化路径清晰了、技术代差被市场感知到了。这三个要素缺一不可，也正是接下来要拆开细讲的部分。

2. 杀进第一梯队的底牌，藏在三个核心判断里

2.1 技术代差：跳出指令跟随的军备竞赛卷不动了

过去两年，整个行业陷入一种非常畸形的内卷：各家拼命堆参数、刷榜单，在指令跟随、逻辑推理这些固定科目上你追我赶。问题是，当开源社区的基座模型能力越来越强，闭源模型的分数优势越来越难转化成实际的用户体验差异，这种竞赛的边际效益已经趋近于零。

阶跃星辰真正让人觉得难缠的地方，在于它没有跟着这个节奏走。它在创业初期就定下来走多模态这条差异化路线，而且真的一路推进到了模型原生多模态的阶段。

所谓原生多模态，意思是模型从底层架构上就能同时处理文字、图片、语音、视频等多种输入，而不是像很多厂商做的那样，把独立的视觉模型、语音模型、文本模型拼在一起，外面套一个调度框架。这个差别在响应速度和理解一致性上的体验差异非常明显。拿同一个复杂的图文混合问题去问，原生多模态的模型能直接把视觉信息和文字语义融会贯通，而那些拼接式的产品往往会返回割裂甚至互相矛盾的回答。

我说句实话，在模型竞争的下半场，拼的不是谁家的模型智商测试多考几分，而是谁家能把模型塞进真实计算环境、谁家能在多模态信息交织的场景里给出稳定可靠的表现。阶跃在这条路上的先发优势被市场看见，是它进第一梯队的第一个硬核理由。

2.2 产品落地：从模型公司到产品公司的关键一跃

技术再好，变不成产品，在商业世界里就等于零。这个道理每个创业者都懂，但真正能迈过去的人不多。因为从模型到产品，中间的鸿沟不是简单写几个API接口就能填平的。

看阶跃这两年的产品布局，思路很明确：不是在找一个万能场景，而是依托模型能力在不同场景里做深做透。

它在个人助手类产品上的打法，明显是在用做互联网产品的思路去做AI应用。不是只把大模型对话框搬到手机上就完事，而是真的在琢磨用户在什么场景下会用到语音交互、在什么场景下更依赖识图能力、在什么场景下需要长文档处理。对比市面上大量只会在聊天框里打转的应用，这种做产品的方式，更容易沉淀真实用户。

同时我希望大家注意一个细节，就是它在企业服务侧的动作明显比同阶段的明星公司更快一步。在金融、教育这类容错率低、但对效率提升又极其敏感的行业里，它已经拿下了不少标杆案例。这一步走得相当聪明，因为企业客户一旦用上了某个模型供应商的服务并且建立起了定制化的数据飞轮，那后面的替换成本会非常高。

2.3 生态卡位：不声不响的基建布局

相比那些动辄开发布会喊口号的同行，阶跃在生态上的动作更偏向于闷声干大事的类型。它的算力规划、开源策略、开发者生态的搭建节奏，透着一股稳扎稳打的劲头。

这里尤其值得聊聊开源这件事。在AI圈，开源策略差不多就是一把双刃剑，用得好能迅速扩大生态影响力，用得不好就会把自己最有价值的东西白白送出去。阶跃在开与不开之间的尺度把握得比较在线，它选择把底座能力开放出来给开发者做二次开发，但在最核心的多模态理解链路里保持自己的护城河。

这其实就是在下一盘大棋。通过开源吸引开发者，通过开发者触达更多场景，再通过场景反馈回来的数据反哺模型迭代。这套飞轮一旦转起来，护城河会越来越宽。而且在这个过程中，整个行业讨论它的频率会自然上升，开发者的心智也被悄悄占领了。

3. 第一梯队这个座次，不是用估值堆出来的

3.1 拆解一下市场的真实反馈

资本市场的态度，通常能最直观地反映一家公司是不是真的被看好。虽然具体融资金额和估值数据不方便在这里给得太细，但从公开信息能看出来，阶跃星辰的融资节奏一直是逆势上扬的。

所谓逆势，是指在AI投资整体转向谨慎的大环境里，它依然能拿到头部机构的连续加注。这背后代表的信号很明确：最聪明的钱认为它的技术路线和商业化节奏是物理上能够跑通的，而不只是一个说起来好听的故事。

另外，招聘市场的反应也值得一提。在AI人才极度稀缺的今年，能挖到核心算法工程师的公司不多。但行业内打听到的消息是，它不仅在头部大厂和顶尖实验室之间频繁截胡，还能保持相当低的核心团队离职率。人才愿意去又愿意留，本身就是用脚投票，比任何宣传都更有说服力。

3.2 横向对比一下“新六小虎”里各家身位

既然聊到第一梯队，不妨把“新六小虎”这几家放在一起横向比一比。这种比较不是要分个谁高谁低，而是帮大家看清一个坐标系，知道不同的玩家各自卡在什么生态位上。

表格整理了一下几家的核心特征：

从这张表能看出的门道是，“新六小虎”里其实已经出现了明显的分层。有的公司还在讲技术故事，有的公司已经开始算商业账，而阶跃在两条线之间的平衡，是它进入第一梯队最扎实的理由。尤其是对比不少还在靠发布会换取存在感的同行，它在真实用户和真实客户那里的渗透深度，已经是另一个段位了。

3.3 第一梯队这个标签到底意味着什么

被叫做“第一梯队”，含金量体现在两个地方。

第一，它决定了公司未来拿资源的优先级。AI大模型的竞争很残酷，核心的GPU算力、顶尖的算法人才、高质量的数据集，这些稀缺资源是优先向头部玩家倾斜的。你站上了第一梯队，拿资源的成本就会比别人低，效率就会比别人高。

第二，它影响了企业客户的采购心智。绝大多数传统行业的客户是没有能力自己判断哪个模型技术最好的，他们只能看市场共识。当阶跃星辰的名字与“新六小虎第一梯队”绑定，就像给企业客户发了一张质量认证证书，这会直接降低销售端的信任成本。后发的AI公司想要追上，已经要面对一层“别人家的孩子”的心智壁垒了。

4. 从幕后到台前，一个技术派公司的自我证明

4.1 创始团队的那股老派劲

还是有必要聊聊人。因为AI这个行业跟别的赛道不一样，创始人的学术背景和研究品味，很大程度上直接定义了这家公司的上限。

阶跃星辰的创始团队有深厚的技术底子，这在圈里是公认的。跟那种半路出家靠PPT圈钱的创业者不一样，这批人在深度学习、计算机视觉这些领域深耕了很多年，是真正从底层代码、从训练框架、从无数次的消融实验里滚出来的。

有意思的是，这种技术出身带来的执念，在产品风格上也能看出来。它的产品交互界面设计得内敛克制，没有那些花里胡哨的噱头功能，这跟管理团队坚信“技术价值大于包装价值”的价值观有很大关系。

4.2 低调做事带来的时间差红利

在一众AI明星公司疯狂烧钱做PR的时候，阶跃星辰的对外发声频率低得可怜。

但它真的不在意声量吗？我觉得不是不在意，而是选择了另一种节奏。它把原本用于市场教育的预算，多数投到了研发和真实场景的落地测试里。结果就是当外界终于开始注意到它的时候，它的产品成熟度已经经过了相当一段时间的打磨，直接给后来者制造了一个巨大的时间差。

前段时间好几个AI领域的业内人士在私下交流时提过同一个感受：现在再想追赶阶跃在产品成熟度上的积累，留给后发选手的窗口已经非常窄了。这种用时间换质量的做法，在这波AI创业潮里越来越少见，也因此显得格外有含金量。

4.3 公开表现里的细节信号

看一家AI公司是不是真有两把刷子，不用看它发布会吹了什么，看它敢不敢把技术细节公开让同行审视就够了。

我在不少技术社区看到过关于它的模型测评和技术分享帖，里面涉及模型架构调整、训练稳定性处理、多模态对齐策略这些硬核话题，虽然有人对个别技术取舍提出不同看法，但整体上对它的工程能力评价相当高。

这种同行之间的认可，比任何媒体榜单都更触动从业者。在一个以“真材实料”为唯一通行证的领域里，被对手尊重，往往意味着你真的做对了什么。

5. 第一梯队身后的暗流，压力一点没少

5.1 巨头阴影下的生存法则

看着风光，不代表下面没有焦灼感。做AI大模型，始终要面对一个终极问题：当你面前站着一群手里攥着几千亿现金流、掌握着全链路算力资源的巨头玩家时，你作为创业公司凭什么活下去？

阶跃面临的正是这个局面。虽然它在多模态赛道上的卡位够快，但没人敢保证巨头不会在下一次模型迭代里靠钞能力抹平差距。

所以有不少观察者认为，它与巨头之间的关系，接下来大概率会朝着“既竞争又合作”的方向演化。如果它能守住自己技术底座的价值，成为巨头生态里不可替代的一环，那现有的生存空间就能守得住。

5.2 自我造血的速度够不够快

另一个更焦虑的问题是商业化收入。市场开始对一些只烧钱不赚钱的AI公司失去耐心了，这是目前的整体趋势。

阶跃在个人订阅和企业服务两条线上都已经有了相对清晰的收费模型，据说收入增速相当不错。但放在它巨大的研发投入面前，自我造血尚不足以完全覆盖成本。这意味着它在未来一段时间里，仍然要依赖一级市场的持续输血，同时必须把收入增长的斜率跑得更陡峭。

5.3 技术路线上的风险敞口

最后说一个很多人忽略的技术风险：原生多模态是一条难而正确的路，但它也是一条越走越深、越走越难的路。

当模型规模持续扩大，多模态数据融合带来的训练复杂度和推理成本都会指数级上升。一旦工程化能力跟不上，技术优势不仅保不住，反而还会变成吞噬现金流的黑洞。这条路就像跑马拉松，前半程跟得上不代表后半程不掉队。第一梯队带给阶跃的，是更大的舞台，但同时也是更严苛的审视标准。

6. 写在牌桌上的一点个人观察

聊到最后，说点我个人在实际观察里的感受。

AI这个行业的排名变化，看多了你会发现一个规律：每一次榜单的更迭，表面上是公司在换位置，本质上都是技术范式和市场需求在换风向。从“四小龙”的退场到“新六小虎”的登场，再到阶跃被推到第一梯队的聚光灯下，这条脉络串起来的，其实是整个行业从讲故事时代走向真本事时代的完整轨迹。

阶跃星辰能走到今天这一步，运气成分当然有，赶上多模态需求爆发的节点也算是一种运气。但如果只归因于运气，那是对它团队实力和战略判断的不尊重。别人在拼参数刷榜的时候它在打磨产品，别人在烧钱换增长的时候它在耕耘企业客户，别人在发布会吹牛的时候它把自己关在机房里调模型。这些选择，每一个单看都不算惊世骇俗，但组合在一起，就变成了层层递进的正向循环。

对于做技术的朋友和关注AI投资的朋友，我比较想建议你们把目光放在下一个变数上：当硬件的迭代速度赶上模型的需求，当多模态模型在端侧设备上真正跑起来，这家公司手里的牌子还能不能打出更大的牌面？第一梯队的座次不是永久的，真正的悬念在这里。

至少以我们在圈内摸爬滚打的观察来看，这家公司已经找到了合适自己的节奏。后面它能跑多远，不只是看它自己怎么走，也看整个行业演化的方向盘会往哪里打。