AI“下半场”的赛道变了？不再光比谁更大、更强……

财联社7月13日讯（编辑 潇湘）

过去两年，下半场人工智能领域的赛道变竞争格局呈现出一种线性且直观的态势：模型参数量越大、基准测试分数越高，不再企业便越能确立市场领先地位，光比更大更强直至下一代旗舰产品发布。下半场

然而，赛道变这种单一的不再“军备竞赛”式评判标准正逐渐失效。

核心诉求转移：从“最强”到“最适”

随着企业界从单纯的光比更大更强模型能力测试，全面转向AI在实际产品与业务流程中的下半场深度落地，核心诉求发生了根本性变化。赛道变行业共识正在形成：盲目追求极致性能的不再模型已非最优解，关键在于如何在可控成本、光比更大更强必要数据约束及特定部署环境下，下半场精准匹配最适合特定任务的赛道变模型。

这一转变标志着AI竞争进入新阶段——竞争焦点不再局限于模型规模，不再而是延伸至路由分发（Routing）、成本控制、系统可控性及算力效率。

Perplexity首席执行官Aravind Srinivas指出：“模型本身已不再是核心产品，真正的壁垒在于‘框架’——即构建一个强大的协调系统，将模型与各类工具无缝整合。”

智能化路由：动态调度成为关键

这意味着，AI产品正演变为具备自主决策能力的智能系统，能够根据任务复杂度动态判定：
* 何时调用模型；
* 何种模型最合适；
* 哪些外部工具或内部数据源需被激活。

例如，常规客户服务无需调用昂贵的大模型，而复杂编码任务则可能需要顶级算力；内部常规工作流可由低成本开源模型处理，仅在遇到棘手环节时升级至高性能模型。

“答案始终是：选用最适合该任务的模型，”Srinivas强调。

开源崛起：对头部厂商盈利模式的挑战

这一趋势恰逢美国企业收紧AI支出之际，给OpenAI和Anthropic等依靠销售前沿专有技术蓬勃发展的巨头带来了严峻挑战。

上周，Perplexity预告了其基于中国智谱（Zhipu AI）开源模型GLM-5.2构建的“Perplexity Computer”新系统。该系统旨在通过低成本模型承担更多基础工作，仅在必要时调用更强模型，从而优化成本结构。

这反映了市场更广泛的结构性变化：
1. 开源模型能力跃升：企业可自行下载、微调并运行的开源模型性能日益强大。
2. 成本优势显著：相比高端专有模型，开源模型的运行成本大幅降低。

Benchmark合伙人Peter Fenton预言了这一颠覆性影响：“未来18至24个月内，甚至可能在年底前，90%以上的Token将由开源模型生成。虽然这一观点看似反主流，但正逐渐成为行业共识。”

Fenton警告，当企业能够直接运行“足够好”的开源模型并绕过前沿厂商的高额费用时，巨头赖以生存的推理利润率将面临巨大压力。此外，针对特定任务微调的小型模型，在运行速度和特定性能上往往优于大型通用模型。

阵地转移：数据主权与本地化部署

Benchmark投资Ollama正是看中其在开源模型管理领域的潜力。Ollama致力于降低开发者和企业下载、运行及管理开源模型的门槛。

Ollama首席执行官Jeff Morgan表示：“模型由谁训练固然重要，但对众多企业而言，更生死攸关的问题是——模型最终在哪里运行，以及如何高效运行。”

数据显示，超过85%的《财富》500强企业已采用Ollama服务，涵盖航空、保险和医疗等强监管行业。许多公司采取“由小到大”的策略：先在靠近数据源的环境中运行小型模型，待熟悉流程后再扩展至更大规模的开源模型。

地缘政治与基础设施重构

开源模型的兴起也引发了美国在战略层面的深层焦虑。目前最具竞争力的开源权重模型多来自中国实验室（如智谱、DeepSeek），这使得开源AI超越了单纯的技术范畴，演变为商业、政策及国家竞争力的综合议题。

Srinivas主张，美国应支持开源模型，因其能显著降低AI门槛，使中小企业及盟国也能受益。“开源是实现AI普惠化的唯一途径。”

此外，这一转变可能重塑美国科技行业正在推进的大规模数据中心建设。当前市场假设需求将持续流向配备高端芯片的大型云数据中心，但Srinivas指出，部分AI工作负载将转向边缘计算——即在消费者或企业本地设备上运行。

这将催生一种混合AI架构：常规任务本地化处理，复杂工作负载才发送至云端。

结语

对于投资者而言，核心疑问在于：随着开源模型性能迭代加速，且企业对技术选型日益挑剔，美国头部AI企业能否维持其原有的定价权与市场垄断地位？

（财联社 潇湘）

很赞哦!（75）