開放權重模型在短短約四個月內，便追趕上公開評測中表現最佳的閉源前沿模型，且兩者之間的差距變得越來越不穩定。
這正將「開放 vs. 閉源」的 AI 競賽，轉化為一個日益重要的商業議題。如果開放模型能在逼近前沿效能的同時，讓企業對其資料、基礎設施和客製化擁有更多控制權，那麼企業究竟還在為前沿實驗室支付什麼？價值最終又會累積在哪裡？
要理解這個格局，最好先從我們所指的開放與閉源模型的定義開始。「開放性」存在於一個光譜之上，從使用者可以下載並自由修改的全開放模型，到帶有各種限制的開放權重模型不等。閉源模型則將其權重保密，並控制存取權限。
對於決定基於哪些模型進行開發的企業而言，差異不僅僅在於效能和價格。
Palantir 執行長 Alex Karp 曾警告，企業面臨著將自身的「Alpha」（即區分其業務的專有知識與流程）拱手讓給前沿模型供應商的風險。
Satya Nadella 在 X 平台上的一篇文章中也提出了類似的觀點：「你本質上是在為智慧付費兩次，一次是用金錢，另一次則是透過某些更有價值的東西：為了讓這些智慧發揮作用，你必須揭露的專有知識！你希望模型的表現越好，你就必須餵給它越多這類知識！」
這兩者都是對策略性依賴的警告，也有助於解釋為什麼越來越多企業正在探索開放模型。
但儘管人們擔心洩露專有知識，證據顯示，即使最佳開放權重模型僅落後幾個月，企業仍然願意為前沿效能買單。隨著 Token 支出分散到更廣泛的模型範圍中，前沿實驗室的營收仍在持續加速成長。
領先企業同時使用兩者，選擇開放模型以獲得客製化和控制權，而在需要最高可用能力時則選擇閉源前沿模型。一些企業報告指出，透過將不同的模型匹配到最適合的工作流程，他們獲得了數倍的效率提升和顯著的成本節省。我們在下面的深度解析（Deep Dive）中介紹了幾個這樣的案例。
一些模型開發商也採取雙軌並行的策略。Google 擁有 Gemini 和 Gemma，而 Meta 則有 Muse Spark 和 Llama。為什麼要將一個模型保持閉源，卻免費提供另一個模型？如果開放模型可以免費下載，背後又附帶了什麼條件？它們的開發者如何在財務上與閉源實驗室競爭？
我們長達 99 頁的深度解析探討了這些選擇背後的經濟學，以及隨著 AI 的使用成本越來越低，這些因素可能如何塑造誰能獲取 AI 利潤，以及哪些企業能夠維持定價權。
完整報告還包括：
- 隨著中國競爭對手壓低價格，前沿實驗室能否維持保持領先的成本。
- 模型競爭的五個關鍵因素，以及每個因素所需的取捨。
- 模型運行的三個位置，以及產業在這三者之間的分布情況。
- 一項案例研究，報告高達 12 倍的工程效率提升和超過 20 倍的成本節省。
- NVIDIA 和 Samsung 為何投資開放權重，以及回報可能來自何處。
希望你閱讀愉快，並在我們的社群中告訴我你的想法：
