据媒体报道，当一个做过搜索引擎的人开始做AI，他会怎么看待大模型这条赛道？
10月4日，百川智能创始人王小川在一次公开对话中谈到，当前大模型行业的核心矛盾不是参数不够大，而是没有找到足够多的真问题。他认为，很多团队还在用"刷榜"和"跑分"证明自己，但真正能创造价值的模型，必须深入到具体行业的工作流中。
一、为什么"真问题"比"大参数"重要
大模型的能力在过去两年快速提升，但应用场景的落地速度并没有跟上。很多企业对AI的态度是"想试试，但不知道从哪里开始"。这说明技术供给侧和产业需求侧之间存在断层。
王小川的观点是，模型团队不能只盯着通用能力，而要沉到医疗、法律、教育、制造等行业，理解那里的真实痛点。比如医疗模型不能只回答一般健康问题，还要能处理病历、辅助诊断、与医院系统对接。
二、百川选择了哪些真问题
百川智能把医疗作为重点方向之一，推出了面向医疗场景的Baichuan-M1模型。医疗是一个高门槛、高价值但也高风险的行业。数据隐私、监管合规、临床验证，每一个环节都不简单。
选择医疗，意味着百川愿意接受慢节奏的积累。这和追逐热点、快速发布模型的打法形成对比。王小川在对话中提到，医疗AI的价值不在于模型参数多大，而在于能不能真正进入临床工作流，被医生和患者信任。
三、大模型行业会不会"参数内卷"
目前业内已经出现一种趋势：模型参数竞赛放缓，大家更关注效率、成本和垂直能力。继续盲目堆参数，边际收益会递减，训练和推理成本却指数级上升。
未来的竞争可能是"小模型、领域数据和工程能力"的组合。谁能把模型做得足够便宜、足够专业、足够好用，谁就能在B端市场站稳脚跟。
四、普通人现在能做什么
第一，如果你是AI从业者，别只盯着模型评测榜。多去了解你目标行业的真实工作流程，找到模型能真正替代或增强的环节。
第二，如果你是传统行业人士，学习用AI处理你熟悉的具体问题。你懂业务，AI懂计算，结合起来的价值最大。
第三，如果你是观察者，判断一家AI公司的价值，除了看参数量，还要看它解决了多少真实客户、在哪些场景形成了闭环。
王小川的提醒很简单：技术再炫，落不了地就是空中楼阁。大模型的下半场，比的是谁更能扎到真实世界里去。
五、一个容易被忽略的信号
再往深一层看，王小川百川智能背后其实是整个AI产业从概念走向落地的缩影。技术热点会不断轮换，但商业本质始终是成本、效率和用户体验。对普通读者来说，与其关注股价和发布会，不如留意后续是否有真实的客户案例、可量化的效率提升和持续的产品迭代。只有把这些落到实处，王小川百川智能才真正具备长期价值。