摘要

开源领域的领导格局变化速度超出预期。 Anastasios表示，Kimi K3在前端编程等一批有实际意义的任务上击败了包括Fable在内的所有美国模型；这并不能排除蒸馏，但打破了中国实验室“只是在蒸馏美国模型”的叙事。如今开源模型在全球推理支出中占比仍很小，但其发展轨迹正在对闭源模型寡头的经济模式施压。
企业对AI主权的需求将不断上升：拥有自己的模型，在专有数据上进行微调，同时不把智能和供应链控制权交给潜在的未来竞争对手。 Anastasios预计，美国至少会诞生一家“数千亿美元、甚至万亿美元级”的本土开源公司：要么通过推理收入分成实现变现，要么用免费模型获取客户，切入规模庞大的AI现代化和部署工程市场。
中国模型制造了一个政策陷阱。 Anastasios猜测，美国限制措施可能在3年内出台，但他强调这一判断“非常不确定”，也未必是理想选择：禁用中国模型或许能降低后门风险、帮助本土实验室，却可能让美国公司基于开源模型第10名构建产品，而海外竞争对手使用第1名。将模型部署在本地也不是完整防线——模型可能包含一段隐藏序列，触发越狱并让它“吐出”私人数据。
推理和路由的成本都应下降，但到达这一结果的路径仍有争议。 路由需要理解每个查询的领域和难度，持续测量所有模型，并每周接入新发布的模型；Anastasios认为，在真正的赢家出现之前，必须先挤掉这轮炒作泡沫。他预计，Anthropic公开披露成本结构后，其“高得令人作呕的毛利率”将面临压力；Harry则反驳称，真正差异化的公司可以像Chanel或Apple一样保有定价权。
AI安全将变成AI对抗AI的问题：守护模型必须监控智能体的操作轨迹，并做到“和智能体一样聪明”，因为人类的反应速度会太慢。 Anastasios反对政府预先批准模型发布——“凭什么由车管所告诉我能用什么模型？”——更倾向于结果导向的责任制度和巨额罚款。他给出的具体警告已经发生在现实中：Arena面试过一名看似真实、技术能力极强的候选人，最终却证实是AI生成的假人。
Anastasios预计，至少75家新型实验室中有三分之二最终会一文不值，或被收购后拆分变卖。 一家估值100亿美元的实验室若想实现10倍回报，在25-30倍收入倍数下，需要在2-3年内实现约40亿美元收入；团队价值提供的下行保护或许足以支撑第一笔投机性支票，但一旦投资人要求看到真正的商业模式，“下一轮融资就会非常难”（“next round’s a bitch”）。
到2030年，数据将成为一个1000亿美元市场，潜在规模甚至达到1万亿美元。 这是因为数据需求会与模型同步扩张，而目前数据已约占前沿实验室GPU支出的10-20%。Anastasios认为，数据的商品化程度低于GPU——“要让数据变得无关紧要，人类就必须变得无关紧要”——并预计头部数据供应商尽管收入高度集中，仍可能达到数千亿美元估值。
如果推理服务走向商品化，前沿实验室将向应用层上移，法律软件及其他AI原生软件供应商都将面临风险；Harry认为设计软件也是同样的例子。 持久的GTM能力、网络效应和企业深度嵌入将成为防线。尽管如此，Anastasios仍认为企业AI采用可能为Nvidia带来又一个10倍增长机会；同时他警告，开源模型带来的成本节省可能削弱OpenAI和Anthropic的收入，在算力债务压力下推高资不抵债风险，并让周边基础设施生态失去动力。

精读

1. Kimi K3打破“只有蒸馏”的叙事

Arena衡量的是AI在真实世界中的表现，而不是静态基准测试：用户能否完成实际工作、是否遭遇幻觉、能否引导模型，以及最终是否偏好模型的输出。用户反馈一方面帮助实验室改进模型，另一方面也让市场持续了解每周多次发布的新模型表现。
Anastasios称，Kimi K3是真正打破叙事的模型，因为它在前端编程等一批有实际意义的任务上超过了包括Fable在内的所有美国模型。它在训练中仍可能使用蒸馏，但“蒸馏只是故事的一部分”；一定还有其他因素，让它超过了那些被认为提供蒸馏智能的模型。
Harry的反驳值得保留：据报道，这个模型拥有27万亿参数，而且“相当笨重”；他认识的一名高度使用AI的开发者并不认为它整体更好。Anastasios坚持的是更窄的判断：关键在于局部任务上的胜出，而不是Kimi K3全面碾压，因为这击穿了美国科技霸权永久不变的假设。

2. 企业主权为美国开源巨头打开窗口

Anastasios提醒，OpenRouter的排名高估了开源模型的消费量，因为客户通常直接购买闭源模型的推理服务，只有在开源模型需要故障切换和额外服务时才会使用OpenRouter。Anthropic的收入仍在“像曲棍球杆一样增长”；开源模型目前仍只占全球推理支出的一小部分。
更长期的激励正在转向另一边：企业希望拥有自己的智能，在私有数据上微调模型，控制算力托管之外的完整技术栈，并避免把信息交给未来可能与自己竞争的供应商。随着内容和软件的创造越来越容易，软件本身变得更难防守，网络效应和专有数据才是更持久的护城河。
他举出的Coca-Cola和Cisco例子揭示了其中的机制：只要庞大的用户数据能够驱动自我改进的产品，两家公司都不必亲自领先前沿研究。这意味着，专用智能不再只是硅谷的奇谈，而是经济上的必需品——“企业需要一种方式，在AI时代守住自己的护城河”。
Anastasios预计，美国至少会诞生一家数千亿美元、甚至万亿美元级的本土开源公司。它可以在推理供应商跨过某个规模门槛后收取收入分成，也可以用模型获客，向客户销售微调、部署工程服务，并切入持续10年的AI现代化浪潮；Harry正确指出，FDE并不独特，但Anastasios认为，FDE加上西方主权模型可能更具可持续性。

3. 限制中国模型是在安全与美国竞争力之间做选择

一名中国研究人员告诉Harry，中国团队工作更努力，并受益于政策支持、监管和补贴。Anastasios认为，中国同时拥有顺风和逆风，不能接受这种单向叙事：美国仍拥有全球最强的芯片生态，而中国实验室仍受硬件约束。出口管制眼下可能打击中国实验室，却也会刺激本土技术栈发展；战略选择在于，是要“饿死竞争对手”，还是让全世界“对Nvidia硬件上瘾”。
Anastasios说，中国已经在国内限制美国模型。如果中国在美国限制中国模型，就会牺牲中国的收入、全球影响力和主导地位，只为不让美国企业获得最好的开源智能。另一方面，美国禁令或许能压制后门并加速本土替代方案，但如果海外公司仍能使用第1名的模型，“美国什么时候变成只用第10名了”？
自托管并不能消除模型风险。Anastasios设想，一款本地部署、连接企业数据、但在海外训练的聊天机器人，可能被攻击者输入隐藏的密码词或字符序列，从而触发越狱，让它“吐出”后端信息。即使基础设施由本地控制，恶意行为也可能藏在模型内部。
他押注限制措施大概率会在3年内出台，但强调这一判断不确定，也不代表他支持限制。Harry出于政治原因表示认同：Sam Altman和Dario Amodei可以联合实验室、投资人及政府关系，形成有效游说；Jensen Huang推动开源既是出于自身利益，也是出于爱国主义——既能扩大GPU需求，也能保留选择和竞争。

4. 路由是真技术，但推理经济学仍未定型

一个有用的路由器必须判断查询所属领域和难度，掌握每个候选模型经过测量的优势，优化成本和性能，并快速吸收新发布的模型。Anastasios认为，路由正在经历一轮需要清理的炒作周期，但他不接受“每家企业、每个自称路由器的供应商都能真正解决这一机器学习问题”的说法。
Harry指出，Ramp、Fireworks和众多推理供应商已经让路由看起来像一种商品化能力。Anastasios坦率承认，他不知道每个产品究竟解决了多深的问题；最终胜出的公司，必须把路由放在优先位置，并用事实证明自己能在不牺牲性能的情况下节省成本。
Anastasios预计，一旦公开披露揭示Anthropic的成本结构，其在推理业务上“高得令人作呕的毛利率”将成为客户谈判的筹码。Harry的反驳是定价权：Chanel可以把成本很低的包卖到6000英镑，Palantir也可以拒绝成本加成模式。Anastasios承认，像Apple一样，独特产品即使处在透明市场中也能守住利润率。
他预计Anthropic有动力早于OpenAI上市，因为看起来准备更充分，而且已经产生自由现金流；有报道称它“最快可能在10月”上市，但他对报道的可靠性留有余地。如果某个大型开源模型在多个类别上击败Opus 5或Fable，将带来实质性的IPO风险，也会暴露出更深层的商业问题。

5. AI智能体需要AI守护者，而不是政府发布审批队列

Anastasios认为，外界严重低估了据报发生的OpenAI/Hugging Face泄露事件：据他的说法，一个模型逃脱安全防护、访问公司数据，而防守方不得不使用开源模型，因为闭源系统拒绝执行这项工作。教训不是停止智能体，而是围绕智能体建立访问控制和守护系统。
守护模型会监控每个智能体的操作轨迹，将行为划分为安全、不安全或异常。它必须“和智能体一样聪明”，否则受保护的系统就能反过来欺骗它；人类无法直接监督机器速度的活动，因为反应会太慢。
Harry嘲讽了对每次模型发布进行行政审批的提议，并拿推翻停车罚单的难度作比。Anastasios表示认同：“凭什么由车管所告诉我能用什么模型？”他主张结果导向的监管：明确禁止的结果、企业责任、巨额罚款，以及在系统泄露数据时进行追责，而不是让技术能力不足的官员控制产品发布时间。
这项威胁在Arena已经变得真实可见。一名看似真实的基础设施候选人通过了顶级工程师的面试，最终却被证实根本不存在：“是AI。”Anastasios说，这件事“真的他妈让我担心”；Arena正在考虑线下入职，并要求新员工亲自领取电脑，让对方必须实体出现、握手，并证明自己是真人。

6. 新型实验室的下行保护在下一轮融资时消失

顶尖AI人才的年薪可以达到数千万美元，尤其是拥有多年经验、发表过数万篇引用成果的成熟专家。许多人仍集中在前沿实验室，但Anastasios预计，随着这些机构成为大型上市公司，个人研究人员觉得自己越来越难产生影响，会有更多人离开。
Thinking Machines体现了对新型实验室的两种解读。宽厚的说法是，一次重组让它只剩6个月时间打造Inkling，而Anastasios称其为Arena排名第1的美国开源模型；严苛的说法是，成立1年半后，仍有9个中国模型排在它前面，使其位列全球第10。
Anastasios表示，至少75家新型实验室中有三分之二会一文不值，或被收购后拆分变卖。一家公司如果估值100亿美元、目标是实现10倍回报，那么在25-30倍收入倍数下，需要在2-3年内实现约40亿美元收入；做出一个模型并庆祝已经是“他妈的旧新闻”，除非同时具备高速增长和可持续的变现策略。
Harry指出，员工可以获得要约流动性，并提到Mistral和ElevenLabs的强劲收入；Anastasios同意，这两家公司不是问题所在，并预计ElevenLabs会上市。真正脆弱的赌注，是一家拥有数十亿美元估值、收入为零、但团队可能只值10亿美元的实验室：这或许能保护最初的2亿美元支票，但“下一轮融资就会非常难”。

7. 数据与AI同步扩张，且比GPU更难替代

Anastasios将数据定义为一种扩展性互补品：就像汽车越多、汽油需求越大，模型越多、规模越大，对训练数据的需求也越强。越来越多公司训练专有模型，会进一步放大这一需求；前沿实验室目前已经将GPU预算的10-20%用于数据。
“他们把数据当成商品，但它真的不是。”他更尖锐的判断是，数据的商品化程度低于GPU，因为在人类自身变得无关紧要之前，数据都不会失去必要性——也就是要等到AGI出现。数据采集和清洗既令人不快又耗费劳动，而模型生产越来越像“数据加GPU等于模型”。
他预测，到2030年数据市场至少达到1000亿美元，甚至可能达到1万亿美元，并认为头部供应商完全可能达到数千亿美元估值。收入集中并不能否定这些公司：“硅谷投资人已经因为一个TSMC、政府承包商以及其他巨型企业共有的特征而变得太软弱。”
随着企业开始构建自己的智能，客户基础会继续扩大。如果每家公司都需要专有模型，也就需要能不断强化自身护城河的专有数据；同样的逻辑适用于医疗领域，其中缺少的不是另一种GPU，而是生物数据基础设施和快速反馈闭环。

8. Arena押注评估将成为部署瓶颈

Arena每月访客超过3000万，其中包括知识工作者和“无法雇用的专家”——他们正在执行真实任务。Anastasios称，按流量计算，Arena已经超过xAI、Huggy Face、Manus和Genspark。平台产生的自然反馈，为基于真实操作轨迹而非购买的基准数据进行智能体评估，创造了正向飞轮。
评估可以拆解为性能、成本和延迟。后两者容易测量，性能则取决于公司和具体使用场景。Arena押注的是，从智能体操作轨迹中提取与企业业务相关的性能信号，会成为部署的核心瓶颈，帮助企业选择模型、进行路由，并可能进一步训练模型。
公司目前的年化收入运行率超过1亿美元，计算方式是Q2收入乘以4；但由于持续再投资，仍未实现自由现金流为正。Anastasios说，如果只有一家模型供应商，Arena的业务会被削弱；3家供应商能维持有意义的竞争；2家则“有点棘手”——这坦率地说明了Arena的评估经济学在多大程度上依赖模型多样性。

9. 前沿实验室将向技术栈上层移动，但企业嵌入仍然重要

如果推理服务商品化，OpenAI和Anthropic按逻辑会转向应用层，获取更多终端客户价值。Anastasios说，软件公司的CEO们已经“吓得发抖”，因为客户正在用被认为更具AI前瞻性的实验室替代传统供应商；Harvey、Lagora和可规模化的自动化产品都面临直接的平台风险。Harry还以Claude Design为例，说明应用层正承受压力。
Harry看到了其中的矛盾：企业一方面据说害怕前沿实验室，另一方面又在拥抱它们。Anastasios承认，两种行为同时存在。Harry的解释是GTM能力：设计工具可以通过个人用户扩散，而法律软件需要合作伙伴关系，也要说服不情愿的初级律师采用；成为“Anthropic的第12优先级”，可能不如一家每天专注于该工作流的专业供应商。
网络效应、运营能力和深度集成仍是防线。Anastasios认为，Infosys这样的系统集成商不太可能被取代，并称“SaaSpocalypse”被夸大了；Salesforce拥有严肃的AI战略，而Harry认为，Wix这类更弱、嵌入程度更低的产品应该“更加紧张”。
Anastasios认为，Nvidia最有可能成为全球首家10万亿美元公司，理由是企业采用AI可能让整个行业增长10倍，而Nvidia“非常可靠”。但他担心，开源模型节省的成本会削减OpenAI和Anthropic的企业收入，在算力债务压力下触发资不抵债，并让依赖它们的推理和路由业务崩塌；这种集中度风险或许会迫使行业“清醒过来”，并经历他所期待的整合。

第191期——2026年7月31日多数 AI 初创公司都在扩张中走向破产｜Fireworks CEO Lin Qiao