AI模型战争后，厂商生存之道

我们每日为你带来硅谷最新的AI创业与科技播客精华，助你紧跟技术前沿。全文约3000字，点击上方名片关注⬆️

5月7日，Practical AI发布了一期关于开源模型与闭源模型的深度对话，主题为《模型大战的迷思：2026年的开源与闭源AI》。主持人Daniel Whitenack和Chris Benson没有停留在“谁将胜出”的讨论，而是深入探讨了一个更深层的问题：当模型能力日趋接近时，AI产品的核心竞争力是什么？

将开源与闭源模型置于产品系统中审视，许多问题会变得更加清晰。模型性能依然重要，但仅凭这一点已难以完全解释一家企业的竞争力。更关键的因素在于模型如何融入工作流程、如何连接数据与权限，以及如何在成本、主权和可靠性之间做出权衡。

换句话说，模型战争并未真正终结，只是主战场发生了转移。过去大家关注的是排行榜和参数；未来，更多价值将出现在智能体工作流、基础设施和具体业务场景中。

开源与闭源的界限，正从模型本身延伸至部署方式、成本控制、数据主权和产品系统。

主持人：最近我一直在思考一个问题：物理AI是否正在成为新趋势？过去AI更像是云端的能力，如今它开始渗透到零售、制造、眼镜、汽车、机器人等日常环境中。你对此有何看法？

Chris Benson：我认为这确实是一个非常有趣的阶段。虽然还处于早期，但已不再是未来的想象。两年前你在餐厅或商店看到机器人还会觉得新奇，现在许多地方已经习以为常。

Chris Benson：这背后不仅仅是大模型的功劳，还包括微电子、低功耗设备和更小的专用模型。很多场景无法持续依赖云端大模型，它们需要在本地、低功耗、低延迟的环境中运行。

主持人：这是否也与开源模型有关？

Chris Benson：确实如此。能在更小上下文、更低功耗设备中运行的模型，会开启许多新机遇。一个有创意的创业者，不一定非要投入大量云资源，可能只需花费几百美元购买硬件，下载模型，就能创造出前所未有的产品。

主持人：我们还是先澄清一下概念。很多人听说过开源模型、闭源模型，但可能不了解它们的实际区别。

Daniel Whitenack：可以拿DeepSeek举例。模型公司首先通过训练获得一组参数和运行这些参数的代码。之后有几种选择：一种是将模型打包成产品，如网页或SaaS；一种是提供API；还有一种是将权重和代码以某种方式开源，让他人可以下载、部署、微调或集成。

Daniel Whitenack：因此，开源模型通常意味着权重和推理代码在某种程度上脱离了原厂基础设施，开发者可以在自己的环境中运行。而闭源模型则不会交出权重和代码，你只能通过厂商的产品或API来使用。

主持人：过去人们常说，开源模型正在追赶闭源模型。这种观点现在还适用吗？

Chris Benson：这正是最近的变化所在。Meta曾是西方开源模型领域最重要的公司之一，Llama系列长期被众多开发者和组织使用。但如今它在前沿性能上与闭源模型的差距逐渐拉大，Meta自身的发展方向也变得更为复杂。

Chris Benson：如果从全球开源模型的视角来看，中国模型显然正在快速崛起。这带来了一个现实问题：某些客户、政府或高安全要求的行业，可能不会接受基于特定