立即观看。在过去两年中，人工智能竞赛的评分一直很简单：更大的模型、更好的基准，以及任何公司在每次发布中能否宣称领先。这个评分卡开始显得不完整。随着公司从测试人工智能转向在真实产品和工作流程中使用它，这不仅仅是选择最佳模型的问题，而是访问最适合特定工作的模型，以合适的成本、所需的数据以及在选择的环境中进行的。这个转变为一种新的人工智能竞争打开了大门，重点不再是模型的大小，而是路由、成本、控制和计算。Perplexity首席执行官阿拉文德·斯里尼瓦斯对CNBC表示：“模型本身不再是产品，重要的是把模型放在一个非常强大的系统中，并将模型与许多工具相匹配的编排系统。”这意味着人工智能产品正在成为可以决定何时使用哪个模型、以及何种外部工具或公司数据源是必要的系统。一个客户服务任务可能不需要最昂贵的模型，而一个复杂的编码问题可能需要。一个例行的内部工作流程可以在更便宜的开放模型上运行，而一个难度更大的任务可以升级到更强大的模型。斯里尼瓦斯表示：“答案总是使用最适合任务的模型。”替代模型的出现正值美国企业在人工智能支出上缩紧腰带之际，这给OpenAI和Anthropic带来了另一个挑战，后者在过去几年中通过销售最前沿的技术而蓬勃发展。Perplexity本周预览了一种新系统，该系统围绕中国Z.ai的开放模型GLM 5.2构建。该系统旨在让更便宜的模型处理更多工作，仅在需要时调用更强大的模型。这一方法反映了市场的更广泛变化。开放权重模型可以自行下载、调整和运行，变得更加强大。与来自最大人工智能实验室的高端专有模型相比，它们的运行成本也更低。Benchmark的普通合伙人彼得·芬顿表示，这一转变可能会非常戏剧化。“一个或许是反常的观点正在成为共识——我们相信，在未来18到24个月内，90%以上生成的令牌将来自开放权重模型，甚至可能在今年年底之前。”芬顿告诉CNBC。令牌是人工智能模型处理和生成的数据单位。“我认为，当你可以不经过他们提供的加价而运行这些边缘模型时，由边缘模型公司生成的推理利润将受到压力，因为你拥有足够好的开放权重模型。”芬顿表示，转向开放模型不仅仅是为了节省金钱。在某些情况下，针对特定任务调整的小模型能够比大型通用模型更快速、表现更好。如何运行及其运行环境这是Benchmark投资Ollama的一个原因，该公司使开发人员和企业更容易下载、运行和管理开放模型。“一个问题是模型来自哪里以及在哪里创建和训练，”Ollama首席执行官杰夫·摩根表示。“但对我们与之交谈的公司来说，更重要的是它在哪里运行以及如何运行。”摩根表示，Ollama已经被超过85%的财富500强公司采用，包括航空、保险和医疗等受监管行业的公司。他提到，许多公司最初使用接近其自己数据的小型模型，然后随着适应的提高，扩大到更大的开放模型。开放模型的兴起也给美国带来了战略挑战。许多最具竞争力的开放权重模型来自中国实验室，包括Z.ai和DeepSeek。这使得开放源人工智能成为一个商业问题、政策问题和国家竞争力问题。斯里尼瓦斯表示，美国应该支持开放模型，因为它们使人工智能变得更加经济和可及。“如果你希望人工智能的好处在美国及其盟国的小企业中得到广泛分配，那么你真的需要让人工智能更加负担得起，”斯里尼瓦斯说。“而开放源是实现这一目标的唯一方法。”这一转变也可能影响整个科技行业正在进行的大规模数据中心建设。当前的人工智能繁荣假设需求将持续流向填满高端芯片的大型云数据中心。斯里尼瓦斯表示，有些人工智能工作最终可能会在本地运行，而不是在消费者或企业拥有的设备上。这并不会消除对数据中心的需求，但可能会创造一个更加混合的人工智能系统，常规任务在本地运行，而最困难的工作则被发送到云中的更强大模型。对于投资者来说，问题在于随着开放模型的改进，最大的人工智能实验室能否维持其定价权。观看：OpenAI的山姆·阿特曼表示，中国的开源模型正在变得越来越好。