投资人该如何看待自研模型的公司

当公司开始“自己做”时，谁会赢？

欢迎来到 Investing in AI！如果你是新订阅者，不妨看看我们的 AI in NYC 播客，以及 Neurometric——我的任务型推理自动化公司。我们最近上线了一个专注工具调用（tool calling）的小模型，对需要做这类任务的 agent 来说又快又便宜。感兴趣的话可通过 Trustedrouter 使用。

今天我写关于 AI「拥有（owning）」阶段三部曲的第一篇——这个阶段里，公司开始自建模型，而不再只是租用前沿智能。这并非在所有情况下都合理。前沿模型仍会存在，我也认为我们会同时看到更多按行业、按任务聚合更高层数据的专用模型崛起。但对许多公司与用例而言，拥有自己的 AI 模型将说得通。

第一篇看：公司为什么可能这么做，以及在哪些公司身上值得寻找这种能力。第二篇会看这样做的经济学，以及“能做”是否等于“应该做”。第三篇会讨论基于这一 owning 阶段、可作为投资候选的若干公司。我们开始。

1999 年，Warren Buffett 写道：“投资的关键不在于评估一个行业将如何影响社会、或增长有多大，而在于判断任一给定公司的竞争优势，尤其是这种优势的持久性。”三年来，每个企业 AI 故事几乎都是同一个故事：公司从 OpenAI 或 Anthropic 租一个前沿模型，包进产品，记账毛利。那个时代正在结束。Thomson Reuters 建了自己的模型。Harvey 建了自己的模型。投资人的问题不再是“谁有 AI？”，而是“谁买得起拥有它，谁会永远付租金？”大多数宣布定制模型的公司会在这场考验中失败。今天我想谈谈区分“不会失败的那批”的五个特质。

在此之前，先问：这重要吗？公司为什么要自建模型？有三个核心理由：规模经济（economics of scale）、超专业化准确度（hyperspecialized accuracy），以及数据主权（data sovereignty）。

• 规模经济： 前沿模型的 API 费用是随用量线性放大的可变运营支出（OpEx）。若产品成功、用户产生数百万次查询，云账单会爆炸。通过投入前期资本支出（CapEx）训练并托管定制模型，公司能显著降低每次查询的边际成本，在规模上保护毛利率。
• 超专业化准确度： Bridgewater Associates 在 2026 年的研究对此展示得很清楚。他们拿开源模型，只用专有、专家标注的金融数据训练，定制模型在复杂金融筛选任务上达到近 85% 准确率——击败最好的前沿模型，运行成本却低近 14 倍。定制模型让公司把最资深专家的“默会知识（tacit knowledge）”直接嵌入模型权重，造出一个理解特定行业独特术语与逻辑的专家。
• 数据主权： 一项大规模的 2026 企业 AI 部署研究发现，组织正主动弃用前沿模型、转向定制开源权重模型，正是为了保护数据。当公司把独特、历史上被门禁的数据与开源基础模型融合，得到的模型权重本身就成了专有资产。

假定这可以是好事，投资人该在可能自研模型的公司身上看什么？如何识别它们？我认为这些公司会共享五个特质。

1. 专有、不可抓取的数据（Proprietary, Non-Scrapable Data）。 Google、OpenAI、Anthropic 的前沿模型已经吸收了公开互联网。要在特定领域打败它们，公司必须拥有海量门禁式、高度结构化、历史上准确的数据。寻找那些花了几十年数字化专有记录、专业档案或专项交易数据的公司。
2. 有利于“拥有而非租用”的经济临界点（Economic Tipping Point）。 建模型是巨大的 CapEx，但向第三方模型付 API 在规模上会变成压垮性的 OpEx。寻找 AI 功能日活很高、第三方 API 可变成本已开始压缩毛利率的公司。
3. 容错极低的领域（Domains With Low Tolerance For Mistakes）。 通用模型很惊艳，但会幻觉、跳步、缺乏细腻——在高风险职业中是致命的。寻找做错代价是灾难性的垂直领域（例如法律、税务、医学诊断、财务审计、航空航天工程）。
4. 易于捕获工作流（Easy Workflow Capture）。 最成功的 AI 模型是用户意识不到自己在用的那种。公司必须已经拥有专业人士每天干活的软件。寻找高留存的企业软件平台、记录系统（systems of record）或专业化 CRM。
5. 数据主权或隐私强制要求（Data Sovereignty or Privacy Mandates）。 许多企业客户——尤其是政府、医院与顶级律所——拒绝把敏感客户数据发到公有云 API。寻找客户群在严格合规框架下运营的公司（HIPAA、ITAR、律师—客户特权等）。

若一家公司至少具备这五个属性中的三个，它至少应当考虑自建 AI 模型。作为投资人，若你能先识别这些公司并早期投入，就能在模型开始影响利润表、公司公布改善后的经济性时获益。目前，不要只因为公司宣布定制 AI 模型就投资。要投的是：拥有圈养数据（captive data）能训得比任何人都好、拥有圈养分发（captive distribution）能无缝推动采用、并有足够规模让经济账算得过来的公司。

下周我们将讨论定制模型的经济面貌，并更深一层看：何时对公司有意义，何时没有。

感谢阅读。

本文由 RecodeX 编译自 The “Owning” Phase of AI Part 1: What Investors Should Look For In Companies Making Their Own Models.（作者：Rob May, GP @ Half Court），首发于 SandHill.io #301 推荐阅读。译文仅供学习交流，观点不代表本站立场，版权归原作者所有。