大多数企业用大模型，最后都会用成一个"聪明的实习生"——在成年人手里干活又快又好，但没人敢把整个摊子交给它。
这个判断来自一篇对大型语言模型持看空态度的分析。作者的核心论点不是技术不够强，也不是扩散速度太慢，而是当前架构本身存在结构性问题，导致大多数公司根本无法采用完全自主的AI。
能放手用全自主大模型的公司，只有三类
作者给出的分类很直接：真正能接受全自主大模型的公司，掰着指头数只有三类。
前两类公司对价格敏感，而且未必需要从廉价模型跃升到前沿模型所带来的推理质量提升。对它们来说，最合适的方案是跑在便宜硬件上的开源模型，甚至可以直接在本地部署。
第一类和第三类公司做的事情，更像是一种模糊的组合搜索——这类任务在数学和安全研究领域出过不少头条成果。作者认为，这种搜索对"智能体集群宽度"的敏感度，可能超过对推理能力的敏感度。
他举了一个例子：小型开源模型复现了那些推动2026年春季炒作周期的神话级CVE漏洞。如果这个判断成立，那就更有理由使用廉价开源模型——同样的工作量，可以用更宽的集群去跑。
第三类公司：用前沿模型，但未必非用不可
第三类公司可能仍在使用前沿模型，但作者并不确定它们的工作是否真的无法用廉价模型完成，比如deepseek v4.1 flash这类产品。
按照他前面假设的集群宽度优势，这类公司其实更有理由转向更便宜的模型。
另一个有意思的特点是，这类公司通常对自家知识产权高度保密，大概率不会乐意把所有东西都交给Anthropic和OpenAI——即便对方承诺不用用户数据做训练。
"满机房的天才"和"满机房的笨蛋"不是一回事
有人可能会提出反驳：就算前沿实验室完蛋了，一个装满"笨蛋"的数据中心，消耗的AI算力也和一个人工超级智能场景差不多。
作者认为两者的区别在于：装满天才的数据中心是自驱动的，唯一的限制是它能消耗多少算力；而"笨蛋集群"会被人类编排者严重卡脖子。
他个人的判断是，波及范围会远远超出前沿实验室本身。
换句话说，问题不在于模型够不够聪明，而在于谁来编排、编排多宽、成本压到多低。这三件事决定了大多数公司只能把大模型当实习生用，而不是把钥匙交给它。
热门跟贴