这一组公司小传，想回答的不是“谁最强”，而是“谁分别在做什么”

如果只看模型榜单，今天的 AI 行业很容易被读成一场单线程竞赛：谁分数更高，谁发布更快，谁融资更多。但只要把视角拉宽一点，就会发现事情根本不是这样。真正的产业格局，早就分成了几条不同的路线。

有公司把自己写成前沿模型公司，有公司把自己写成科学发现引擎，有公司试图把安全嵌进组织结构，也有公司更关心入口、生态和数据中心。把这些公司放在同一篇里简略扫过去，能看见全景；但要真正理解它们为什么重要，还是得一家公司一家公司拆开写。

这就是这组“公司小传”的起点。

flowchart TB
  A["OpenAI<br/>模型 -> 产品 -> 基建"] --> G["AI 产业边界"]
  B["Google DeepMind<br/>科学突破 -> 产品系统"] --> G
  C["Anthropic<br/>安全研究 -> 可控产品"] --> G
  D["Microsoft<br/>云平台 -> 工作入口"] --> G
  E["Meta<br/>开放研究 -> 开放权重生态"] --> G
  F["NVIDIA<br/>GPU -> AI 工业底盘"] --> G

为什么是这六家

因为它们刚好代表六种最关键、也最容易被混在一起的公司逻辑。

OpenAI 代表的是“研究如何长成产品，再长成基础设施公司”。Google DeepMind 代表的是“前沿研究与科学突破如何和世界级产品系统汇流”。Anthropic 代表的是“安全能不能从原则变成公司主轴”。Microsoft 代表的是“谁来掌控 AI 进入真实工作的界面”。Meta 代表的是“开放权重和开源生态能不能变成产业标准位”。NVIDIA 则代表最底层的问题：当 AI 变成工业体系，谁来提供底盘。

这六家公司放在一起，恰好能把今天 AI 产业里最重要的几层拆开看。它们之间当然彼此竞争，但更有意思的地方，是它们并不总在争同一个位置。

这组文章更适合怎么读

我不太建议把它们当成六篇彼此独立的公司简介来读。更有意思的读法，是按“路线对照”来读。

• 想看模型公司怎样越长越像基础设施公司，可以先读 OpenAI，再读 NVIDIA。
• 想看研究路线怎样分叉成科学路线和安全路线，可以连着读 Google DeepMind 和 Anthropic。
• 想看产品入口与生态策略，可以把 Microsoft 和 Meta 放在一起读。

flowchart LR
  A["研究与能力"] --> B["Google DeepMind"]
  A --> C["Anthropic"]
  D["产品与入口"] --> E["OpenAI"]
  D --> F["Microsoft"]
  G["生态与底盘"] --> H["Meta"]
  G --> I["NVIDIA"]

六篇文章的阅读入口

• 公司小传之一：OpenAI 的三次变身
• 公司小传之二：Google DeepMind 的双源流
• 公司小传之三：Anthropic 的安全主轴
• 公司小传之四：Microsoft 的入口战争
• 公司小传之五：Meta 的开放权重赌注
• 公司小传之六：NVIDIA 的 AI 底盘

结尾：这组公司小传真正想留下的，是六种不同的时代答案

今天很多讨论还在围着单个模型版本号转，但更值得追的，其实是公司正在长成什么样。

有的公司在把研究做成产品，有的公司在把产品做成工作入口，有的公司在把开放做成生态标准，也有公司在把算力做成工业语言。短期看，大家都在争同一轮浪潮；长期看，它们更像是在分别回答同一个时代问题。

这个问题就是：AI 最终会以什么组织形式、产品形态和基础设施结构进入世界。

这也是为什么这组六篇最好连着看。因为只有放在一起，你才会真正看见它们不是六家“差不多的 AI 公司”，而是六种完全不同的产业答案。