大模型商業回旋鏢重新落到了云計算丨貿易戰下的產業韌性（二）
文 | 智能相對論
作者 | 陳泊丞
本土大模型行業正在試圖沖破困局，重構新的秩序。但是，不穩定的市場環境似乎隨時都有可能化成“壓死駱駝的最后一根稻草”。
今年年初，DeepSeek憑借在全球范圍內的強大影響力一舉顛覆了行業對開源模式的認知。OpenAI CEO Sam Altman不得不重新思考開源策略的正確性與否，本土大模型廠商如阿里、百度、商湯科技們也都在以實際行動加速這場開源盛舉。
然而，回歸行業的實際狀況而言，開源固然是大勢所趨，卻也未必能一帆風順。特別是在美國持續堆高關稅壁壘的特殊背景下，開源大模型依舊面臨著開源激勵不足、硬件適配和標準碎片化等一系列現實問題。
開源，不能只是“為愛發電”
開源被認為是應對技術“卡脖子”的關鍵，通過開源模型、開源工具鏈降低對國外軟硬件的依賴，有利于推進國產芯片適配和生態建設。
然而，真要落實下來，開源的背后卻有著復雜的商業化博弈。業內人士指出，作為開源廠商，他們不反對別人把模型拿過去，但是開源項目本身是沒有收入，如果自己還要花人力、物力去適配國產芯片，最后國產芯片大賣了，自己卻什么也得不到，圖啥呢？
純粹的“為愛發電”在市場上是站不住腳的。關于這一點，同樣影響著開源大模型的開發者和投資商們。
對于開發者而言，首要考慮的技術適配與維護成本，就是一大難點。盡管DeepSeek一類的開源大模型降低了技術門檻，但是實際應用中可能需要進行大量的定制化和優化，以適應不同的業務場景。例如，企業可能需要將大模型集成到現有的系統中，這可能涉及數據預處理、模型微調、性能優化等工作。
對于產業應用而言，開源從來就不是一條拿來主義的路線。這無疑需要專業的開發者進行跟進，包括后續的更新和維護，那么多出來的研發成本、人員成本如何平衡，又是一記拋回給企業的“回旋鏢”。
誠然，開源聽起來非常美好，節省了前期預訓練的時間、成本和資源消耗。但是，當企業拿到開源模型結合行業數據做后訓練，依舊是一件非常復雜且困難的事情——數據如何獲取、清洗、和標注？后訓練、推理階段所需要的大量計算資源如何解決？對于中小企業而言，這可能是一筆天文數字。
在此情況下，投資者對開源大模型的態度要謹慎得多?！瓣P鍵萬一你砸了四五千萬美元做出來了，別人開源了，你不是全白砸了？”去年，金沙創投主管合伙人朱嘯虎就以極致理性的態度討論過這個事情，畢竟他們真是真金白銀的投啊。
目前，投資者對大模型大多仍是以傳統的軟件銷售模式來評估，這種情況并不適用于開源路徑。因此，投資者的謹慎不無道理，盈利模式的明確依舊是擺在開源之路的關鍵問題。
回過頭來看，當熱度消散，冷水潑下去，開源并非“烏托邦”，其發展必然會是一場技術、商業與制度的多重博弈。
中國大模型廠商，走上了房地產商的老路
開源大模型作為大勢所趨，無法扭轉。拋開技術民主化發展的理想不談，在持續探索開源與閉源之爭的拉鋸中，中國的廠商似乎找到了一條能說服自己開源的路徑——以“免費引流+增值服務”構建起大模型市場的基礎商業框架，像百度、阿里、騰訊等本土廠商正在試圖打造“開源模型引流-加劇算力消耗-增加云收入”的商業飛輪。
比如，百度將文心大模型開源，吸引更多開發者和企業使用。用戶在調用模型時，會使用到百度智能云的計算、存儲、網絡等資源，百度就可以通過提供這些云服務來收費，實現最終的商業“收割”。
盡管繞了一圈，但是這依舊是一個市場多方都能滿意且達成共贏的局面。開發者和企業確實需要開源模型以及優質的云服務作為企業數智化轉型的基礎。用房地產邏輯的來看，這是一條被驗證過的路徑，低價賣房+優質的物業服務形成用戶與房產的強綁定和長期性穩定付費。
而對于開發者而言，開源大模型并非唯一的選擇，未來的開發選擇更多是建立在背后的云服務之上。換句話說，物業服務好不好，或許才是未來開發者選擇對應開發平臺的關鍵驅動因素。
前段時間，Meta在線上舉辦了首場針對AI創新的虛擬會議LlamaCon，并對外露出Llama API。這是一項專為開發者設計的云計算訪問服務，讓用戶無需自行部署模型，即可通過API訪問Meta最新的Llama模型。由此，Meta正在通過開源策略和高效邊界的API云計算服務吸引用戶將應用程序遷移至自家生態體系上，從而獲取更顯著的商業回饋。
類似的，Hugging Face開源了Transformer庫和數千個預訓練模型來吸引開發者，再向企業客戶提供付費的模型監控、版本管理、團隊協作等私有化解決方案來尋求商業化的爆發。這種模式在如今的AI行業已經較為普遍。
對于開發者而言，這種完備的進階服務體系才是他們選擇平臺的重要原因。同樣的，對于投資者而言，如今AI行業的商業邏輯比起單純地探討開源大模型要更加理性、可持續，能更清晰地評估其盈利模式。
在DeepSeek爆火后，騰訊、百度、華為等巨頭的云平臺都相繼完成了接入，開源大模型從根本上拉不開幾家之間的差距，對開發者的吸引力往往來自于云服務，例如是否有完備的開發工具鏈？對數據存儲、AI調優、模型微調等模塊的支持是否達標？能否為開發者提供普惠的算力資源等等。
結語
開源被視為中國大模型行業突破技術封鎖、實現安全可控的最優路徑，但是我們也需要清楚，模型能力并非唯一目標，不可能只是盯著開源模型來看，商業可持續性同樣關鍵。特別是對于開發者和投資者而言，作為大模型行業的參與者和金主，他們所關心的更多是在開源大模型之上的商業化發展問題。
美國的關稅壁壘加劇著大模型行業的生存壓力，越是這個時候，開發者對云平臺的選擇要高于開源模型本身。從這一點來看，開源還有很長的一段路要走，且這段路走下來不只是大模型的事情，而是全生態的跨越。
*本文圖片均來源于網絡
此內容為【智能相對論】原創，
僅代表個人觀點，未經授權，任何人不得以任何方式使用，包括轉載、摘編、復制或建立鏡像。
部分圖片來自網絡，且未核實版權歸屬，不作為商業用途，如有侵犯，請作者與我們聯系。
?AI產業新媒體;
?澎湃新聞科技榜單月度top5;
?文章長期“霸占”鈦媒體熱門文章排行榜TOP10;
?著有《人工智能 十萬個為什么》
?【重點關注領域】智能家電（含白電、黑電、智能手機、無人機等AIoT設備）、智能駕駛、AI+醫療、機器人、物聯網、AI+金融、AI+教育、AR/VR、云計算、開發者以及背后的芯片、算法等。
轉載請在文章開頭和結尾顯眼處標注：作者、出處和鏈接。不按規范轉載侵權必究。
未經授權嚴禁轉載，授權事宜請聯系作者本人，侵權必究。
本文禁止轉載，侵權必究。
授權事宜請至數英微信公眾號(ID: digitaling) 后臺授權，侵權必究。
評論
評論
推薦評論
暫無評論哦，快來評論一下吧！
全部評論（0條）