AI 的下一场竞赛：成本、控制与算力

Industry Context

AI 产业正从“模型能力竞赛”进入“成本与效率竞赛”。在过去几年，行业焦点集中在模型参数量与基准测试分数，但随着应用落地，企业开始关注实际部署的经济性与可控性。CNBC 这次访谈清楚地呈现了这一转变：Perplexity 正在构建新的 orchestrator 模型，并且选择在中国开源模型基础上进行开发。这一选择本身反映了开源生态的成熟，以及闭源模型成本压力下的务实考量。

Market Impact

Srinivas 提出的 “token value per watt” 将算力效率提升到竞争核心位置。这一指标将模型输出价值与能源消耗直接挂钩，意味着未来 AI 企业的竞争力不仅取决于模型质量，还取决于单位功耗下的经济效益。对于客户而言，这意味着更低的推理成本和更灵活的部署选项；对于投资者而言，需要重新评估那些仅依赖规模扩张而缺乏效率优势的 AI 公司。

Competitive Landscape

开源模型的崛起正在重塑市场格局。Ollama 的增长表明，企业越来越倾向于运行可下载、可控制的模型，这种偏好变化对闭源 API 供应商构成直接压力。Benchmark 的 Peter Fenton 将这一趋势视为产业结构的根本变化——企业不再愿意将核心数据与模型控制权交给第三方。Perplexity 选择基于中国开源模型构建，也说明地缘政治背景下，开源生态已成为跨区域创新的重要基础设施。

Enterprise Implications

对于企业决策者，核心启示是：AI 部署的主动权正在回归企业内部。通过开源模型和本地运行，企业可以更好地控制数据隐私、定制化需求与成本结构。但同时也需要建立相应的模型运维与治理能力。Ollama 这类工具的低门槛特性，使得企业可以快速试验，但生产级部署仍需严格评估。

Outlook

未来 12-24 个月，我们可能看到更多企业采用混合 AI 架构：核心任务使用可控的开源模型，复杂任务仍调用顶尖闭源 API。而 “token value per watt” 将成为衡量 AI 基础设施投资回报的关键指标。三年维度上，开源与闭源模型将形成长期共存局面，但控制权和成本效率将决定价值链上各方的最终位置。