大家都在关注错误的评估标准

为何开源与封闭式模型之间的差距即将进一步拉大，以及这对你原以为属于自己的数据意味着什么。

试想这样一幅场景：晚上 11 点，一位前高盛分析师坐在家中的厨房桌旁，笔记本电脑摊开着，正在逐一处理着一叠份表格。她并非在撰写商业计划书或杠杆收购模型，而是在细致地记录自己处理这类任务时的思考过程——那些需要判断的环节、可以采用的捷径，以及只有经过多年工作才能领悟的技巧。她每小时能获得 200 美元的报酬。而在另一端，有一个前沿实验室，她正在耐心地教授这些知识，而这些技术一旦应用成功，就能让相关工作人员出色地完成她曾经负责的工作。

如果再将这一场景扩展到数以万计的专家——包括负责标注临床推理内容的医生、修改诉讼文件的律师，以及审查架构决策的资深工程师——并且假设仅一家供应商每天的支出就超过 150 万美元，那么这就是人工智能领域中最少被报道的现象。在大约 24 个月的时间里，一个全新的行业应运而生，其存在的目的几乎完全是向十几家客户出售同一类产品。而这一点，是各类排名榜单所无法展现出来的。

开源与封闭式 AI 模型之间的差距真的在缩小吗？

对于那些支持开源技术的人来说，目前的共识相当令人欣慰：两者之间的差距正在缩小，甚至有可能彻底消失。从公开基准测试的结果来看，这一情况在很大程度上确实如此。Epoch AI 发布的综合能力指数显示，开源模型仅落后于最先进的封闭源代码模型大约四个月时间。斯坦福大学 2026 年 AI 指数也从另一个角度印证了这一趋势：截至 2026 年 3 月，美国最优秀的 AI 模型与那些发展迅速且大多采用开源架构的中国竞争者之间的差距已缩小到 2.7%，而早在一年前，DeepSeek-R1 就已一度追平过美国最优秀的模型。仅仅四个月而已。如果以能够体现长期竞争优势的估值标准来衡量，这几乎可以视为微不足道的差异。

学分来源：斯坦福大学 2026 年人工智能指数报告

如果事情真是如此，这篇帖子就会成为支持开源的论据，而我也会去撰写它。

但仔细看看这些模型实际上能做些什么、不能做些什么。那份显示两者正在趋同的 2026 年 AI 指数同时也表明，目前的先进模型在哲学博士级别的科学问题及竞赛数学领域已经能够与人类专家相媲美甚至更胜一筹——然而在财务分析等其他任务上依然表现不佳。请好好思考这一点。那些已经被大量使用的基准测试都是公开的、可供所有人参与的。而真正能让模型取代现有专家的工作能力——那些需要处理复杂情境、依赖高度上下文理解的专家工作——目前还不存在。Epoch 自己的注释也透露了一个事实：在私有基准测试中，开放权重模型的表现比公开测试还要差，这其实是委婉地说明它们只是为特定测试而训练的；此外，那些领先的实验室也并不总是会公布他们最强大的模型。那些可以被测量的“前沿水平”，其实并非真正的现实前沿。

这就是制作这些图表的人用两句话总结出的核心观点：由于现有基准数据已经十分丰富，任何人都能据此取得进展；但他们却无法突破那些无人公开的数据壁垒。

未来的差距将在何处产生？

在深度学习时代的大部分时间里，所有人使用的训练数据大致相同，那就是公共互联网。正因如此，开源技术才能保持快速发展——训练数据属于公共资源，而剩下的就是计算能力与技术手段，这两者都能迅速普及。计算成本不断降低，新的纸件论文接连发表，模型权重也会泄露或被公开。

互联网作为新数据来源的价值已几乎被耗尽，各实验室便悄悄将竞争焦点转向了开源模型无法立足的领域——即他们通过付费获取的数据。这里所指的不再是那些用于标注停车标志的旧有数据，而是专家们的推理过程，以及蕴藏在人们头脑与企业工作流程中的那些难以获取的隐性知识，而这些企业绝不会将其公开。销售这类数据的公司发展速度快得令人难以置信：有一家公司在没有外部融资的情况下营收就突破了 12 亿美元；另一家公司在 17 个月内营收从 100 万美元增长到了 5 亿美元；还有一家公司在短短一年内就将营收从 700 万美元提升到了 1 亿美元。Meta 甚至为其中一家公司支付了近 150 亿美元以获得其股份。

综合各项数据来看，目前各实验室每年在训练数据创建上的投入约为 100 亿至 150 亿美元，而有一位熟悉内情的人士认为，这一数字在两年内将会超过 1000 亿美元。作为参照，全球企业应用软件市场的总规模——包括所有的 CRM、ERP 和人力资源系统——每年约为 3000 亿美元。我们正在目睹一个数据创建行业从零开始发展，其规模有望在几年之内就赶上它试图自动化的软件行业水平（而软件行业则经历了 20 多年的发展才达到目前的规模）。

这些支出几乎都属于未公开的内部运营成本。与每季度都会被详细统计和披露的算力相关资本支出不同，没人需要上报在数据上的投入金额。当某一类支出如此难以被掌握且增长速度又如此之快时，所公布的数字其实只是下限，而非上限。Gradient 认为，目前数据供应业务的实际规模被严重低估了，其真实规模可能是公开数据所显示的 3 到 5 倍，而且在未来一年还会继续扩大到这一水平。

这就是无法被复制的部分，而那些有足够资金大力投入这一领域的公司似乎相当有限。计算资源可以租用，技术方法也可以通过阅读获取，但一名外科医生或律师数百万小时的判断力所构成的、仅被独家购买且绝不会被公开的信息，却是一种会不断增值且始终属于企业的宝贵资产。那些处于前沿的研究机构已经意识到，真正的竞争优势从来不是算法，而是那些人才，以及只有他们才有权获取的数据。

为什么开源无法引领技术前沿？

还有一个原因会导致两者之间的差距进一步拉大而非缩小，而且这是最新出现的因素。多年来，模拟前沿模型性能的最快方法就是通过学习其输出结果来实现——也就是所谓的蒸馏技术。但这条路现在已经走不通了。OpenAI 开始对这种做法实施限制，而在 2026 年 2 月，Anthropic 曝光了三家中国实验室——DeepSeek、Moonshot 和 MiniMax 所开展的规模化蒸馏操作，这些实验室通过大约 24,000 个虚假账户进行了超过 1600 万次数据交换，以此获取 Claude 的推理、编程以及智能代理功能。此后，Anthropic 和 OpenAI 都将这类数据窃取行为视为国家安全问题，其中 OpenAI 甚至将此事提交给了美国国会。

我们认为反蒸馏技术并非真正的护城河——它存在漏洞，而且永远都会如此。不过它确实能提高成本、延缓复制速度，同时伴随着整体上日益加剧的透明度缺失现象。斯坦福大学的基础模型透明度指数在短短一年内就从 58 降到了 40，而那些能力最强的模型如今披露的信息反而最少。当通往真正前沿技术的道路被合同、出口管制、安全审查以及沉默所阻隔时，可测量的前沿水平与实际的前沿水平就会越拉越大。近期针对 Mythos 级模型访问权限所施加的限制只是预兆，并非例外情况。

企业面临的风险：您正在无形中泄露的专有技术能力

问题就出在这一点上，这也是为什么我不仅仅关注排行榜，还会关注这一现象的原因。

构建这些实验室竞争优势的机制同样也存在于企业内部。那些前分析师和顾问之所以如此珍贵，是因为他们的雇主不会将自己掌握的数据卖给这些实验室，因此实验室只好雇佣那些将数据记在脑海中的人。运营着这类市场平台的布伦丹·富迪直言不讳地指出：高盛并不喜欢那种能够自动实现自身价值链的模型。他承认，一个行业的知识可能会通过其前员工从后门流出，进而被用来自动化仍在该行业工作的人们的任务。

现在，这种状况正从前雇员延伸到现有的系统。每当企业通过其无法控制的封闭式模型来运行自身的专有工作流程——也就是那些构成其竞争优势、使其比竞争对手更具价值的独特运作方式及商业机密时，其实就在把那些实验室花费数十亿美元从其他地方获取的宝贵数据直接交给对方。那些反馈信息、修正数据以及特殊案例，正是最有价值的部分。你实际上是在按月付费，慢慢教会一个属于他人的系统去做你本应负责完成的工作。而那个第三方未必会安分守己。Anthropic 刚刚推出了 Claude Science，并建立了自己的内部药物研发项目，这恰恰表明，如今的模型供应商很可能在将来成为你在同一市场中的竞争对手。

从这种角度看来，那些汇总数据其实是一种陷阱。它们会让企业误以为模型已经变得同质化，因此选择哪种模型、数据流向何处都无关紧要。但倘若真正的差距正在扩大，且这种差距是由专有数据造成的，那么决定“工作方式”的相关数据存储在何处，就将成为企业本十年内必须做出的最重要决策之一。

致那些致力于构建者：我们的投资方向所在

从这里开始，这已不再是一种分析，而变成了一种观点。如果专有数据是企业的护城河，那么最理想的位置就在于企业与前沿技术之间——既能帮助公司充分发挥人工智能的优势，又不会让那些令其与众不同的核心资产流失。我们看中了三类企业，并且正在积极考虑为这四类企业提供投资支持。

那些总部位于美国、由美国资金支持的开放源代码模型实验室，都将安全与规范作为核心建设目标。如果要让开放权重真正支撑起企业的关键业务，就必须有值得信赖的团队来打造它们。目前最先进的开放权重模型出自中国，但“开放”与“能够安全用于企业运营”之间还存在巨大差距。鉴于近期有中国实验室考虑采用闭源模式的消息，这一状况或许会发生变化。Google 和 NVIDIA 似乎决心继续发布最优秀的开放源代码模型，我们预计还会有更多此类举措出现。我们希望为那些致力于填补安全漏洞的团队提供资金支持，让企业能够部署那些可自主托管、经过严格安全审查、具备责任追溯机制的模型——而这些是单纯的权重文件永远无法实现的。这是后续所有发展的基础：如果没有值得信赖的技术框架，企业就无法真正拥有属于自己的技术体系。

那些将开源模型引入企业并让企业掌握控制权的企业。这类工具、数据管理及微调功能能够让企业将自己特有的工作流程与方法融入到自己可控的模型中，并在内部管理整个模型的生命周期。这正是数据主权的核心要素：企业无需租用黑盒系统，也无需一次只向它输入最核心的数据，就能将自己的工作方式转化为模型形式，且模型的权重与训练数据始终留在企业手中。这类企业还可以提供微调、强化学习、数据合成、可观测性监控以及其他与完整模型所有权相关的服务。

那些能够帮助企业整合多种模型而又无需完全依赖某一种模型的管弦乐团与路由层。实际上，很多应用并不会完全采用开放型或封闭型模型，而是采取混合模式：对于最复杂的推理任务使用先进的封闭型模型，对于那些可以在企业内部运行的任务则使用开源模型，再辅以一系列智能代理来完成其余工作。我们希望支持这样的路由与管弦乐团层，让它能够根据成本、延迟、数据敏感度及功能表现等因素动态地决定将各项任务分配到最合适的模型上，从而确保数据和高价值工作负载始终处于企业可控的模型之中，同时在必要时仍能使用最先进的模型。如果运作得当，这恰恰是企业发挥优势的关键所在。该路由系统能够判断哪些任务确实需要最先进的模型，哪些不需要，这样一来，原本看似难以摆脱的依赖关系就会变成由客户自行管理的组合方案，而非由技术实验室代为控制的束缚。

那些产品会随着使用频率的增加而不断优化，同时还能与客户形成持续协同效应的代理应用及解决方案供应商。随着企业逐步采用这些应用、模型及代理工作流，它们的性能也会不断提升。其优势在于架构设计：它们采用联邦模型架构，让企业能够保留所有的反馈信息、数据以及由此产生的模型权重。这样一来，客户拥有的系统会每次交互后都变得更加强大，而在此过程中形成的专属能力也属于客户自身，而非处于三层抽象结构之外的某个实验室。

核心问题在于所有权。那些仅作为封闭模型外壳、不包含任何专有数据、无法实现价值累积、客户也拿不走任何东西的产品，会面临来自各方的压力。我们最为看好的那些企业明白基准测试背后隐藏的真相：差距并非在缩小，而是转移到了人们看不见的地方。而造成这一状况的，正是每家企业都已拥有却仍在悄悄放弃的资产。

如果您正在这些领域开展开发工作，或对相关业务感兴趣，我们很乐意与您交流。