Unsupervised Learning 的 AI Vibe Check,嘉宾是 Ari(Datalogy,前 DeepMind/Meta 研究员)和 Rob(Radical Ventures)。核心洞察:(1)开放权重模型正在消亡——Meta 从开源撤退,中国实验室把最好的模型留在 API 后面。「开源 AI 没有商业模式,」Rob 说。Ari 同意:「我们可能已经到了开放模型数量的顶峰,接下来会越来越少。」(2)辛辣预测:计算力紧缺加剧时,实验室可能关掉 API 业务,优先做第一方产品。(3)Token 成本成为真问题:Ari 报告企业升级模型后账单一夜翻倍,强烈寻求更便宜的替代方案。(4)Coding agent 跨过门槛:工程师从 IC 变成 agent 管理者。瓶颈转移到了 code review 和理解,不是产出。(5)SaaSpocalypse 叙事:Rob 认为对很多公司是理性的,但一刀切过度了。「一两家公司不可能赢下每一个重要市场。」(6)计算力紧缺含义:驱动效率创新、利好非 NVIDIA 芯片厂商、推动更小模型和蒸馏。(7)关于 RSI:Ari 相信递归自我改进但不买指数起飞叙事——算力是根本限制因素。
过去半年最明显的变化是 coding agent 开始在更长时间跨度上真正可用。
有强烈迹象表明近前沿开放权重 AI 可能完全掉队。Meta 在撤退,中国实验室把最好模型留在 API 后。
开源 AI 没有商业模式,因为前期投入太巨大。
计算力紧缺加剧时实验室可能关掉 API 业务。
工程师从 IC 变成 agent 管理者。瓶颈转移到了 code review 和理解。
Cursor 等应用公司面临选择:和前沿模型提供商合作交出数据优势,或在自己的细分领域竞争。
Token 成本成真问题:模型升级后账单一夜翻倍。
SaaSpocalypse 对很多公司是理性的但一刀切过度了。一两家公司不可能赢每个市场。
计算力紧缺驱动效率创新,利好非 NVIDIA 芯片,推动更小模型和蒸馏。
RSI:相信递归自我改进但不买指数起飞。算力是根本限制。
开放模型的商业模式:开放模型但不开放 scaffolding 和 harness,API 访问完整系统。Kimi/Moonshot 做的就是这个。
NVIDIA 在推动 Reflection 等西方开放模型提供商,因为模型提供商越多对它们越好。
应用公司两条路:和前沿实验室合作分享数据和专业知识(最终被外包),或在自己的细分领域深度竞争。
margin 角度:和你竞争的人如果 margin 更好你很难赢。前沿实验室给自己永远比给应用公司更好的条件。
Atom lithography 和 X-ray lithography 可能颠覆芯片制造,但至少还有 5 年。
计算力紧缺推动模型效率:更小模型、蒸馏、token 效率优化。
每个芯片厂商都会受益:AMD、Amazon Trainium、Cerebras,因为 NVIDIA 不够分。