
本文来自微信公众号: 0xAI机器学习 ,作者:0xAI机器学习,原文标题:《《思考》Vol.05 为什么宁愿让DeepSeek变强甘肃泡沫板胶厂家,也不愿AI被少数公司关起来?》
大好,我是X,INTJ,从事AI法交易;《思考》,AI业内视角,拆解热点背后的趋势与机会。
“业内视角,透过热点,看见未来”
本周大过得好吗?
本周国内AI界火的就是那篇流传很广的梁文锋“四小时投资人会议”整理稿。
梁圣不愧是梁圣,做AI法这么多年,我已经太习惯行业里的人谈壁垒、垄断、赢通吃,所以触动我的,并不是他对AGI的宏大预测,而是那种少见的克制:
公司已经站在全球AI桌上,却仍然愿意承认,不把每道门都锁上,也不拿走所有利润,也可以成功。
商业世界当然不会永远励克制,但当个仍然身处竞争中心的人主动谈论克制,它就不只是种姿态,而是种长远的商业判断:未来值钱的,未是把智能关起来的人,而是让智能流向多地的人。
有趣的是,与此同时,海外AI界发生了件看起来很反常的事,让梁文锋,英伟达,,Meta走到了起。
7月24日路透社报道,英伟达、微软、Meta、IBM等二十多公司公开联名,要求美国政府不要过早限制开放权重模型。
它们当然知道,今天有竞争力的开放模型,并不只来自美国。DeepSeek、Kimi等模型正在用低价格、开放的式进入全球开发者的电脑、服务器和企业系统。
它们也知道,模型旦开放权重,就比闭源API难控制:开发者可以下载、修改、微调和私有部署,监管者也很难再通过关闭个接口,让它从世界上消失。
那么问题来了:
为什么这些美国科技巨头,宁愿承担开放模型继续变强的风险,也不愿AI被少数闭源公司关起来?
答案可能没有“开放、创新、造福人类”那么理想主义。
因为在AI产业里,每公司害怕的东西并不样。
闭源模型公司害怕的是模型失去稀缺;英伟达害怕的是模型停止扩散;微软害怕的是自己永远只能接受少数模型公司的价格;Meta害怕的是下代计入口被别人锁住。
它们表面上在讨论技术路线,真正争夺的却是:
未来所有人使用智能时,究竟要向谁交过路费。
这不是场“开源与安全”的单纯争论
7月24日,英伟达CEO黄仁勋公开支持封致美国立法者的联名信。签署者包括英伟达、微软、Meta、IBM等公司和机构。
这封信的核心要求是:不要以安全为由,对开放模型施加过早、笼统的限制。技术盗窃和违法使用应当由有针对的法律与商业框架处理,而不应该直接封住整个开放生态。
支持者认为,开放模型能够降低企业部署AI的成本,让公司把模型运行在自己的数据中心里,也允许多研究者检查漏洞、开发护措施。反对者则担心,旦能力模型可以自由下载,它可能被用于网络攻击、生物风险、信息等危险用途。
这里还需要区分个经常被混用的概念。
严格来说,许多被媒体称为“开源AI”的模型只是“开放权重”:它们公开训练完成后的参数,允许别人下载和微调,却未公开完整训练数据、训练代码和全过程。因此,本期讨论的并不是所有要素都透明的理想化开源,而是现实的开放权重生态。
安全问题当然存在,但如果这只是场安全争论,简单的联盟应该是:美国公司共同限制开放模型。
现实却不是这样,英伟达、微软和Meta选择反对“刀切”。这说明在国别竞争之外,还存在另条的利益分界线:
你是依靠垄断模型赚钱,还是依靠模型被多人使用赚钱?
看清这点,联盟就不再奇怪。
英伟达支持的不是谁,而是“多模型”
先看英伟达,对英伟达来说,DeepSeek赢还是OpenAI赢,当然会影响客户结构,却未改变它底层的生意。
因为英伟达出售的不是某个模型的答案,而是训练和运行所有模型所需要的计能力。
如果未来只有少数几闭源模型公司,它们集中训练、统提供API,整个行业的模型数量、私有部署需求和下游实验空间都会受到限制。模型公司越集中,采购者越少,议价权也越可能从芯片供应商转向少数客户。
但如果模型权重开放,世界会发生什么?
每云厂商都想托管模型,每大企业都想私有部署,每个国都想拥有“主权AI”,每创业公司都可以微调自己的行业模型。原本只有少数实验室能够参与的竞赛,会扩散成成千上万次训练、理、适配和部署。
论后谁赢甘肃泡沫板胶厂家,这些活动都需要芯片、网络、内存、电力和数据中心。
所以英伟达真正需要的不是个永远获胜的模型,而是个永不结束的模型战争。
对铲子的人来说,重要的不是谁挖到了金子,而是多人相信自己也能下矿。
这也是为什么黄仁勋可以边服务美国强的闭源实验室,边肯定开放模型对产业扩散的价值。
他不是在替某公司站台。他是在保护英伟达大的潜在市场:个任何企业、任何国都可以拥有和运行AI的世界。
微软为什么也不愿模型公司垄断智能
微软的立场有意思,它与OpenAI关系厚,也是闭源模型繁荣的主要受益者之。可微软同时拥有Azure云、企业软件、开发者工具和遍布全球的大客户。
这意味着微软既希望顶闭源模型继续进步,又不能接受自己的云和客户永远被绑定在单模型上。
如果模型层只有少数供应商,微软就要承担三种风险:
,模型API价格居不下,企业AI的毛利被上游拿走;
二,产品迭代和安全策略受制于模型公司;
三,客户担心数据、规和业务机密,不愿把核心工作流交给外部黑箱。
开放模型恰好提供了另条路:客户可以在Azure里部署、微调和管理自己的模型,微软则继续从云计、数据库、安全、身份认证和企业软件中赚钱。
所以微软真正需要的不是“所有模型都开源”,而是模型之间保持竞争,让智能的采购成本下降,让多企业敢于使用AI。
对于云厂商来说,模型越便宜,未意味着生意越小。相反,它可能意味着原本舍不得使用AI的数百万公司开始持续消耗力。
这就像电价下降不会消灭电力产业,而会创造多电器。
Meta要做的,是让竞争对手的核心资产变便宜
Meta的逻辑又不同,Meta的主要利润并不来自出售模型API,而来自广告、社交网络、荐系统、智能眼镜和未来的计入口。
如果下代智能被闭源模型公司控制,Meta每增加个AI,都可能要向别人支付费用,并接受别人的接口、规则和节奏。
但如果水平模型逐渐成为费的公共组件,Meta就可以把竞争移到自己有优势的地:用户、分发、内容、广告、设备和应用场景。
这是种经典的商业策略:把别人的核心产品变成商品,把自己的优势保留为稀缺品。
Google当年支持Android,PVC管道管件粘结胶并不是因为它不想赚钱,而是不愿智能手机操作系统被苹果控制;Meta支持开放模型,也不是因为它放弃商业利益,而是不愿AI时代的入口由另公司收税。
于是我们会发现,英伟达、微软和Meta虽然站在同封联名信上,盘却不同:
英伟达希望多模型消耗多力;
微软希望模型竞争降低成本,扩大云和企业AI需求;
Meta希望模型商品化,把价值留在流量、广告和终端入口;
IBM等企业技术公司,则可以从私有部署、咨询、理与混云中获利。
他们支持开放,不是因为利益消失了,而是因为利益的位置变了。
梁文锋的四小时会议,揭开了另半答案
DeepSeek创始人梁文锋“四小时投资人会议”中有三条判断,与这场开放模型之争形成了非常有意思的呼应。
,他认为,开源并不影响DeepSeek的商业模式,前提是公司追求的是“理利润”,而不是试图拿走百倍的回报。
二,他明确判断,基础模型公司不可能拿走AI产业的大部分利润。
三,在他看来,模型竞争终看三件事:成本、时间和用户体验,其中成本排在。
这三句话连起来,几乎就是开放AI的商业底:
当模型市场足够大时,公司没有要先把所有入口锁住,才有机会赚钱。相反,降低价格、开放权重、让多人使用模型,可能有利于它获得开发者、人才、声誉、反馈和生态位置。
梁文锋还把“克制”描述为种策略:放弃眼前的部分产品、流量和利润甘肃泡沫板胶厂家,把组织资源集中在AGI和下次技术突破上。
我们当然不全盘接受这种理想主义叙事。商业世界终仍然要面对现金流、股东回报、监管和竞争。
但他提出了个重要的问题:
如果AI终可能影响全球经济的巨大部分,模型公司真的需要垄断整个价值链,才能成为伟大的公司吗?
也许恰恰相反。
如果模型公司试图同时控制基础模型、云、应用、入口、数据和用户,它会立刻与所有下游公司成为敌人。而开放模型主动让出部分控制权,反而可以减少敌人,换取广泛的采用。
这也解释了为什么DeepSeek的开源理念,与英伟达、微软、Meta的商业利益会在某个节点相遇。
它们并不是价值观致。
DeepSeek谈的是克制、普惠和提AGI成功概率;英伟达想扩大力需求;微软想降低上游依赖;Meta想阻止竞争对手垄断入口。
但不同动机可以向同个结果:
模型不应该成为AI时代唯的收费站。
《大教堂与集市》:真正的竞争,是谁能组织多人的智慧
这让我想到埃里克·雷蒙德的经典著作《大教堂与集市》。
“大教堂”代表种封闭、集中、由少数在墙内完成的开发式;“集市”则允许大量开发者公开试验、快速迭代、共同发现问题。
书中的判断是:只要有足够多双眼睛,很多问题都会变得容易发现。
闭源前沿模型像大教堂。它需要巨额资本、顶人才和集中管理,能够在短时间里攀登能力上限。
开放模型像集市。它未总能先创造强的基础能力,却能够让模型进入多语言、设备、公司和行业,让数开发者寻找原团队从未想过的用途。
但是,AI时代的“集市”比传统软件复杂得多。
下载权重不等于拥有训练数据;能够微调不等于有能力训练前沿模型;看得见参数,也不等于真正理解模型为何做出某个决定。力和能源仍然度集中,安全风险也不会因为“开放”两个字自动消失。
因此,未来不太可能是集市摧毁大教堂。
可能的结构是:大教堂负责冲击能力上限,集市负责把能力扩散到社会;闭源模型出售前沿、便利的智能服务,开放模型成为企业、国和开发者可以掌控的智能基础设施。
真正决定胜负的,也许不是谁单次发布的模型分数,而是谁能让多人围绕自己的技术创造价值。
预测
预测:世界将形成“闭源智能服务+开放智能基础设施”两套体系
未来,大多数人日常使用的AI可能仍然来自少数闭源产品,因为它们体验完整、新快速、责任边界清楚。
但政府、大型企业、金融机构、医院、制造业和关键基础设施,不会愿意把全部智能能力托付给个法查看、法迁移、可能随时涨价或停止服务的外部接口。
它们会要求模型可以私有部署、定制、审计和替换。
所以开放权重模型不会只是“便宜版ChatGPT”,而会逐渐像Linux样,成为许多组织看不见却离不开的底层设施。
当AI上升到国能力,开放模型还会获得另层价值:主权。
未来各国争夺的不只是“有没有强模型”,还有“关键系统能否在不依赖外国接口的情况下运行”。
预测二:模型会越来越便宜,利润将向六个位置迁移
梁文锋判断基础模型公司拿不走AI产业的大部分利润,我认为这是本次会议里值得投资者重视的句话。
如果模型能力逐渐接近、价格持续下降,真正稀缺的将不再只是模型本身,而是:
力与能源,谁能以低成本运行模型;
云与部署,谁能把模型稳定接入企业系统;
有数据,谁拥有别人法公开下载的真实行业信息;
安全与理,谁能控制权限、审计行为并承担责任;
工作流与应用,谁能把“会回答”变成“完成任务”;
分发与客户关系,谁能真正进入用户每天使用的入口。
从投资角度看,开放模型越强,未越利空整个AI产业。它可能压缩纯模型层的额租金,同时扩大芯片、网络、存储、电力、理优化、私有部署、网络安全、数据理和垂直应用的总需求。
下轮AI机会,可能不属于会讲“我有个大模型”的公司,而属于能回答下面这个问题的公司:
当模型人人可得,你还拥有谁拿不走的东西?
普通人的新机会:不要再把“会用AI”当成终点
开放模型大的意义,是把原本属于少数巨头的智能能力,下放给小公司、业团队和个人。
这并不意味着普通人都要训练个基础模型。
真正的新机会,是用开放模型解决那些大公司嫌小、通用模型不懂、却真实存在于具体行业里的问题。
例如,把模型接入工厂的质量检测流程、律所的知识库、跨境公司的多语言客服、医院的内部资料检索,或者让模型在本地设备中处理不能上传云端的敏感数据。
过去,创业者需要先获得资本和技术团队,才有资格拥有AI;未来,个懂行业现场的人,可能用较低成本就能组装出自己的智能系统。
因此,值得迁移的向不是背诵多提示词,而是积累四样东西:
真实场景、有数据、工作流理解,以及用户信任。
模型会新,价格会下降,排行榜会变化。只有你对个行业的理解、你能够接触的数据、你与客户之间的关系,才可能在模型商品化以后继续构成壁垒。
开放不是费,而是重新决定谁有资格赚钱
英伟达、微软、Meta替开放模型说话,当然并不意味着科技巨头突然变成了理想主义者。
它恰恰说明,AI产业已经大到没有任何公司愿意让另公司占收费站。
闭源公司希望把智能做成种毛利服务;开放模型希望把智能变成可以被所有人改造的基础设施;芯片公司希望两边都不断消耗力;云厂商希望所有模型都在自己的平台上运行;应用公司则希望模型越来越便宜,把利润留给离用户近的人。
这场战争不会简单地以“开源获胜”或“闭源获胜”结束。
它真正决定的是AI时代的利润如何分配。
而对于普通人和投资者,重要的也不是押中某次模型排名,而是提前看见价值正在向哪里迁移。
当智能本身不再稀缺,真正昂贵的将是让智能进入现实世界的能力。
你认为未来的AI会像互联网——由开放协议支撑、任何人都能参与;还是像今天的手机系统——由少数巨头控制入口?
欢迎在评论区告诉我你的答案。
我是X,这里是《思考》,AI业内视角,透过热点,看见未来,我们下期见。
资料来源:
Reuters:Nvidia,Microsoft and other tech giants back open-source AI models
Elsewhere:Wenfeng Liang:Four-Hour Investor Meeting Transcript
Eric S.Raymond:《The Cathedral and the Bazaar》
本内容由作者授权发布,观点仅代表作者本人,不代表虎嗅立场。如对本稿件有异议或投诉,请联系 tougao@huxiu.com。
本文来自虎嗅,原文链接:https://www.huxiu.com/article/4878093.html?f=wyxwapp
相关词条:管道保温施工 塑料挤出设备 预应力钢绞线 玻璃棉厂家 保温护角专用胶
奥力斯 万能胶生产厂家 联系人:王经理 手机:13903175735(微信同号) 地址:河北省任丘市北辛庄乡南代河工业区
1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定,并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方,并积极配合修改。
3.凡用户访问本网页,均表示默认详情页的描述,不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》,以此来变相勒索商家索要赔偿的违法恶意行为。




