7.8
深览指数
科技腾讯新闻·极客公园··AI 生成
为什么美国做不出顶尖开源模型
文章指出，美国AI产业在开源模型领域的缺席并非偶然，而是一个由成本结构、商业模式和产业生态共同决定的结构性问题。前沿模型训练成本高达数亿美元，且“保质期”仅12-24个月，迫使OpenAI、Anthropic等公司选择闭源收费模式。Meta的Llama曾是开源旗帜，但因性能不达预期和商业回报压力，已转向闭源项目。文章认为，AI模型昂贵的推理和训练成本，使其经济本质与零边际成本的软件开源模式根本冲突，中国模型公司填补了这一市场空白。适合对AI产业竞争格局、商业模式及开源经济逻辑感兴趣的深度读者阅读。原文 ↗
核心观点
- ▍美国做不出顶尖开源模型是结构性问题，根源在于前沿AI模型的高昂训练与推理成本，与开源模式的零边际成本经济逻辑根本冲突。
- ▍在这种成本结构下，闭源收费（如API按token计费）是美国AI公司生存的唯一商业逻辑，开源会直接摧毁其商业模式。
- 01训练一个前沿模型需数亿美元，且投资人Rory指出其“保质期”仅12-24个月，迫使公司必须在短期内通过API定价回收成本。
- 02开源AI不是Linux，无法靠社区众筹。训练前沿模型需要集中调度数十万块GPU，不是社区能贡献的。
- 03Meta曾是开源AI旗手，其Llama系列是攻击竞争对手的竞争策略。但Llama 4性能未达预期后，Meta已转向代号为“Avocado”的闭源项目。
- 04美国初创公司面临“结构性困境”：遵守OpenAI和Anthropic禁止蒸馏的服务条款，导致其无法利用最强模型加速开发，从而落后于不遵守规则的竞争对手。
- 05OpenAI前CTO Mira Murati的Thinking Machines Lab发布了开放权重模型Inkling，但公司坦承其定位是“微调的好底座”，并非前沿模型。
- 06Hugging Face数据显示，中国开源模型下载量已占平台总量的41%。美国初创公司正批量转向更便宜的阿里Qwen等中国模型以压缩成本。
反方 / 局限
- — 文章隐含的前提是“前沿开源模型”必须与GPT/Claude处于同一能力梯队。若放宽对“前沿”的定义，Meta的Llama系列和Mistral等模型在特定领域仍有重要价值，文章未深入讨论这种更广泛的“开源AI”生态。
- — 文章主要从商业公司视角论证，但未深入探讨国家战略（如美国国防部DARPA）或非营利组织（如EleutherAI）在推动开源AI方面的潜在可能性和局限性。
Jason Calacanis20VC月之暗面Hugging FaceOpenAIAnthropicMetaLlama 4蒸馏Mira MuratiThinking Machines LabLinus TorvaldsLinux
9 分钟 · 3 卡片 · 8 资料
读原文 →