Perlumbaan seterusnya AI: Kos, Kawalan, dan Kuasa Pengiraan.

Konteks Industri

Industri AI sedang beralih daripada "pertandingan keupayaan model" kepada "pertandingan kos dan kecekapan". Dalam beberapa tahun lalu, fokus industri tertumpu pada saiz parameter model dan skor penanda aras, tetapi dengan aplikasi yang mula digunakan, syarikat mula memberi perhatian kepada ekonomi dan kebolehkawalan penggunaan sebenar. Temu bual CNBC ini jelas menunjukkan peralihan ini: Perplexity sedang membina model orchestrator baharu, dan memilih untuk membangunkan di atas model sumber terbuka China. Pilihan ini sendiri mencerminkan kematangan ekosistem sumber terbuka, serta pertimbangan pragmatik di bawah tekanan kos model sumber tertutup.

Kesan Pasaran

"token value per watt" yang dikemukakan oleh Srinivas meletakkan kecekapan pengkomputeran di kedudukan teras persaingan. Penunjuk ini menghubungkan terus nilai output model dengan penggunaan tenaga, bermakna daya saing syarikat AI masa depan bukan sahaja bergantung pada kualiti model, tetapi juga pada faedah ekonomi per unit kuasa. Bagi pelanggan, ini bermakna kos inferens yang lebih rendah dan pilihan penggunaan yang lebih fleksibel; bagi pelabur, mereka perlu menilai semula syarikat AI yang hanya bergantung pada pengembangan skala tanpa kelebihan kecekapan.

Landskap Persaingan

Kebangkitan model sumber terbuka sedang membentuk semula landskap pasaran. Pertumbuhan Ollama menunjukkan bahawa syarikat semakin cenderung untuk menjalankan model yang boleh dimuat turun dan dikawal, dan perubahan keutamaan ini memberi tekanan langsung kepada pembekal API sumber tertutup. Peter Fenton dari Benchmark menganggap trend ini sebagai perubahan asas dalam struktur industri—syarikat tidak lagi mahu memberikan data teras dan kawalan model kepada pihak ketiga. Pilihan Perplexity untuk membina berdasarkan model sumber terbuka China juga menunjukkan bahawa dalam konteks geopolitik, ekosistem sumber terbuka telah menjadi infrastruktur penting untuk inovasi rentas wilayah.

Implikasi Perusahaan

Bagi pembuat keputusan perusahaan, pengajaran teras ialah: inisiatif penggunaan AI sedang kembali ke dalam organisasi. Melalui model sumber terbuka dan pelaksanaan setempat, syarikat boleh mengawal privasi data, keperluan penyesuaian dan struktur kos dengan lebih baik. Tetapi pada masa yang sama, mereka perlu membina keupayaan operasi dan tadbir urus model yang sesuai. Sifat ambang rendah alat seperti Ollama membolehkan syarikat bereksperimen dengan cepat, tetapi penggunaan tahap pengeluaran masih memerlukan penilaian yang ketat.

Tinjauan

Dalam 12-24 bulan akan datang, kita mungkin melihat lebih banyak syarikat menggunakan seni bina AI hibrid: tugasan teras menggunakan model sumber terbuka yang boleh dikawal, manakala tugasan kompleks masih memanggil API sumber tertutup terkemuka. "Token value per watt" akan menjadi penunjuk utama untuk mengukur pulangan pelaburan infrastruktur AI. Dalam jangka masa tiga tahun, model sumber terbuka dan sumber tertutup akan membentuk keadaan kewujudan bersama jangka panjang, tetapi kawalan dan kecekapan kos akan menentukan kedudukan akhir semua pihak dalam rantaian nilai.