AI大模型的商业“回旋镖”，重新落到了云计算丨贸易战下的产业韧性（二）

文 | 智能相对论

作者 | 陈泊丞

本土大模型行业正在试图冲破困局，重构新的秩序。但是，不稳定的市场环境似乎随时都有可能化成“压死骆驼的最后一根稻草”。

今年年初，DeepSeek凭借在全球范围内的强大影响力一举颠覆了行业对开源模式的认知。OpenAI CEO Sam Altman不得不重新思考开源策略的正确性与否，本土大模型厂商如阿里、百度、商汤科技们也都在以实际行动加速这场开源盛举。

然而，回归行业的实际状况而言，开源固然是大势所趋，却也未必能一帆风顺。特别是在美国持续堆高关税壁垒的特殊背景下，开源大模型依旧面临着开源激励不足、硬件适配和标准碎片化等一系列现实问题。

开源，不能只是“为爱发电”

开源被认为是应对技术“卡脖子”的关键，通过开源模型、开源工具链降低对国外软硬件的依赖，有利于推进国产芯片适配和生态建设。

然而，真要落实下来，开源的背后却有着复杂的商业化博弈。业内人士指出，作为开源厂商，他们不反对别人把模型拿过去，但是开源项目本身是没有收入，如果自己还要花人力、物力去适配国产芯片，最后国产芯片大卖了，自己却什么也得不到，图啥呢？

纯粹的“为爱发电”在市场上是站不住脚的。关于这一点，同样影响着开源大模型的开发者和投资商们。

对于开发者而言，首要考虑的技术适配与维护成本，就是一大难点。尽管DeepSeek一类的开源大模型降低了技术门槛，但是实际应用中可能需要进行大量的定制化和优化，以适应不同的业务场景。例如，企业可能需要将大模型集成到现有的系统中，这可能涉及数据预处理、模型微调、性能优化等工作。

对于产业应用而言，开源从来就不是一条拿来主义的路线。这无疑需要专业的开发者进行跟进，包括后续的更新和维护，那么多出来的研发成本、人员成本如何平衡，又是一记抛回给企业的“回旋镖”。

诚然，开源听起来非常美好，节省了前期预训练的时间、成本和资源消耗。但是，当企业拿到开源模型结合行业数据做后训练，依旧是一件非常复杂且困难的事情——数据如何获取、清洗、和标注？后训练、推理阶段所需要的大量计算资源如何解决？对于中小企业而言，这可能是一笔天文数字。

在此情况下，投资者对开源大模型的态度要谨慎得多。“关键万一你砸了四五千万美元做出来了，别人开源了，你不是全白砸了？”去年，金沙创投主管合伙人朱啸虎就以极致理性的态度讨论过这个事情，毕竟他们真是真金白银的投啊。

目前，投资者对大模型大多仍是以传统的软件销售模式来评估，这种情况并不适用于开源路径。因此，投资者的谨慎不无道理，盈利模式的明确依旧是摆在开源之路的关键问题。

回过头来看，当热度消散，冷水泼下去，开源并非“乌托邦”，其发展必然会是一场技术、商业与制度的多重博弈。

中国大模型厂商，走上了房地产商的老路

开源大模型作为大势所趋，无法扭转。抛开技术民主化发展的理想不谈，在持续探索开源与闭源之争的拉锯中，中国的厂商似乎找到了一条能说服自己开源的路径——以“免费引流+增值服务”构建起大模型市场的基础商业框架，像百度、阿里、腾讯等本土厂商正在试图打造“开源模型引流-加剧算力消耗-增加云收入”的商业飞轮。

比如，百度将文心大模型开源，吸引更多开发者和企业使用。用户在调用模型时，会使用到百度智能云的计算、存储、网络等资源，百度就可以通过提供这些云服务来收费，实现最终的商业“收割”。

尽管绕了一圈，但是这依旧是一个市场多方都能满意且达成共赢的局面。开发者和企业确实需要开源模型以及优质的云服务作为企业数智化转型的基础。用房地产逻辑的来看，这是一条被验证过的路径，低价卖房+优质的物业服务形成用户与房产的强绑定和长期性稳定付费。

而对于开发者而言，开源大模型并非唯一的选择，未来的开发选择更多是建立在背后的云服务之上。换句话说，物业服务好不好，或许才是未来开发者选择对应开发平台的关键驱动因素。

前段时间，Meta在线上举办了首场针对AI创新的虚拟会议LlamaCon，并对外露出Llama API。这是一项专为开发者设计的云计算访问服务，让用户无需自行部署模型，即可通过API访问Meta最新的Llama模型。由此，Meta正在通过开源策略和高效边界的API云计算服务吸引用户将应用程序迁移至自家生态体系上，从而获取更显著的商业回馈。

类似的，Hugging Face开源了Transformer库和数千个预训练模型来吸引开发者，再向企业客户提供付费的模型监控、版本管理、团队协作等私有化解决方案来寻求商业化的爆发。这种模式在如今的AI行业已经较为普遍。

对于开发者而言，这种完备的进阶服务体系才是他们选择平台的重要原因。同样的，对于投资者而言，如今AI行业的商业逻辑比起单纯地探讨开源大模型要更加理性、可持续，能更清晰地评估其盈利模式。

在DeepSeek爆火后，腾讯、百度、华为等巨头的云平台都相继完成了接入，开源大模型从根本上拉不开几家之间的差距，对开发者的吸引力往往来自于云服务，例如是否有完备的开发工具链？对数据存储、AI调优、模型微调等模块的支持是否达标？能否为开发者提供普惠的算力资源等等。

结语

开源被视为中国大模型行业突破技术封锁、实现安全可控的最优路径，但是我们也需要清楚，模型能力并非唯一目标，不可能只是盯着开源模型来看，商业可持续性同样关键。特别是对于开发者和投资者而言，作为大模型行业的参与者和金主，他们所关心的更多是在开源大模型之上的商业化发展问题。

美国的关税壁垒加剧着大模型行业的生存压力，越是这个时候，开发者对云平台的选择要高于开源模型本身。从这一点来看，开源还有很长的一段路要走，且这段路走下来不只是大模型的事情，而是全生态的跨越。

*本文图片均来源于网络

此内容为【智能相对论】原创，

仅代表个人观点，未经授权，任何人不得以任何方式使用，包括转载、摘编、复制或建立镜像。

部分图片来自网络，且未核实版权归属，不作为商业用途，如有侵犯，请作者与我们联系。

•AI产业新媒体;

•澎湃新闻科技榜单月度top5;