过去两年，人工智能竞赛的胜负似乎很容易判断：模型越大越好，基准测试成绩越高越强，谁能宣称领先，至少在下一次产品发布前就占据上风。
但这套评判标准正显得不再完整。随着企业不再只是测试人工智能，而是把它真正嵌入产品和工作流程，关键已不再是接入“最强模型”，而是以合适的成本、在所需数据和指定环境下，调用最适合某项具体任务的模型。
这一变化正在打开一种新的人工智能竞争格局。竞争焦点不再主要是模型规模，而是路由能力、成本、控制权和算力。
Perplexity首席执行官阿拉温德·斯里尼瓦斯对美国消费者新闻与商业频道表示：“模型本身已经不再是产品。真正的产品是承载它的系统，是把模型放进一个能力很强的框架里，并让模型与大量工具配合使用的编排系统。”
这意味着，人工智能产品正变成一套能够自行判断“该用哪个模型、何时使用、需要接入哪些外部工具或企业数据源”的系统。客服任务未必需要最昂贵的模型，复杂的编程问题可能需要。日常内部流程可以运行在更便宜的开放模型上，更困难的步骤则可以升级交给更强大的模型处理。
斯里尼瓦斯表示，答案永远是，针对任务使用最合适的模型。替代性模型的出现，正值美国企业收紧人工智能支出之际。这也给OpenAI和Anthropic带来新的挑战。过去几年，这两家公司凭借销售最前沿的技术迅速发展。
Perplexity本周预览了一套用于其计算机操作产品的新系统，核心基于Z.ai的开放模型GLM 5.2。该系统旨在让成本更低的模型承担更多工作，只在必要时调用更强的模型。这种做法反映了市场更广泛的变化。开放权重模型可以由企业自行下载、微调和运行，如今能力正不断增强。与大型人工智能实验室提供的高端专有模型相比，这类模型的运行成本也更低。
风险投资机构Benchmark普通合伙人彼得·芬顿表示，这种转变可能非常显著。他对美国消费者新闻与商业频道说：“一个也许曾被视为逆向、但正在成为共识的观点是：未来18到24个月里，超过90%的生成令牌将来自开放权重模型，甚至可能在今年年底前就会出现这种情况。”
令牌是人工智能模型处理和生成的数据单位。芬顿说：“当前沿模型公司提供的推理服务可以在没有它们加价的情况下运行，而开放权重模型又已经足够好时，这些公司的推理利润率将面临压力。”
芬顿还表示，转向开放模型并不只是为了省钱。在某些情况下，针对特定任务调优过的小模型，速度可能更快，表现也可能优于大型通用模型。这也是Benchmark投资Ollama的原因之一。该公司致力于让开发者和企业更容易下载、运行和管理开放模型。
Ollama首席执行官杰夫·摩根说：“模型来自哪里、在哪里被创建和训练，这是一回事。但对我们接触的这些企业来说，更重要的是它在哪里运行、如何运行。”摩根表示，Ollama已被超过85%的《财富》500强企业采用，其中包括航空、保险和医疗等受监管行业的公司。他还表示，许多企业先从贴近自身数据运行的小模型开始，等到更有把握后，再扩展到更大的开放模型。
开放模型的崛起，也给美国带来战略层面的挑战。最具竞争力的一些开放权重模型来自海外实验室，包括Z.ai和DeepSeek。这使开源人工智能同时成为商业问题、政策问题和国家竞争力问题。斯里尼瓦斯表示，美国应支持开放模型，因为这会让人工智能更便宜、更容易获得。
他说：“如果你希望人工智能的收益能广泛惠及美国的小企业以及美国盟友国家的小企业，那么人工智能就必须便宜得多。而开源是实现这一点的唯一方式。”
这一转变还可能影响科技行业正在推进的大规模数据中心建设。当前这轮人工智能热潮的一个前提是，需求会持续流向装满高端芯片的大型云数据中心。斯里尼瓦斯则表示，未来部分人工智能工作最终可能转而在本地运行，也就是在消费者或企业自有设备上完成。
这并不意味着数据中心将失去必要性，但可能会形成一种更混合的人工智能体系：常规任务在本地运行，最困难的工作再发送到云端更强大的模型处理。对投资者而言，问题在于，随着开放模型不断进步、企业对使用场景愈发挑剔，最大的人工智能实验室能否维持其定价能力。
热门跟贴