在人工智能（AI）领域，一场激烈的军备竞赛正在上演。许多人称之为“模型战争”，各大科技巨头都在争夺霸主地位。然而，资深科技分析师 Benedict Evans 认为，竞争环境出人意料地公平。在伦敦举行的 Fortune Brainstorm AI 大会上，Evans 提出了一个引人深思的观点：领先的 AI 实验室之间的主要区别不在于突破性的技术或专有算法，而在于它们几乎无限的资本获取能力。
Evans 的论断挑战了传统的观点，即 AI 创新完全由智力实力和算法突破驱动。他认为，像 OpenAI 的 GPT 或 Google 的 Gemini 这样的基础模型正在迅速变得商品化。这意味着这些模型越来越可以互换和容易获得，从而削弱了任何单一公司的竞争优势。
护城河神话
沃伦·巴菲特推广的“护城河”概念指的是一家公司可持续的竞争优势，这些优势保护其长期利润和市场份额免受竞争对手的侵害。在 AI 领域，许多人最初认为专有算法、独特数据集或专业人才将创造这样的护城河。然而，Evans 认为这种情况并没有实现。
经过大型科技公司两年激烈的竞争，AI 格局似乎仍然没有根本性的护城河。没有明显的进入壁垒，没有强大的网络效应，也没有明显的赢者通吃局面。相反，进步的主要驱动力是大量涌入的资本投资。
去年，四大云公司集体花费超过 2000 亿美元用于建设支持 AI 发展的基础设施。预计今年这一数字将超过 3000 亿美元。这种支出的指数级增长凸显了当前 AI 竞赛的资本密集型性质。
“这种情况变得非常非常资本密集型，至少目前是这样，而且非常非常快，”Evans 观察到。他还指出，这部分资本的很大一部分最终流向了 Nvidia，后者是 GPU 的领先制造商，而 GPU 对于训练 AI 模型至关重要。
这种大规模支出的结果是 AI 模型的激增，这些模型正变得越来越容易获得。这反过来又创造了一个环境，在这个环境中，任何拥有大量经济资源的人都可以构建一个可以与顶级 AI 公司开发的模型相媲美的基础模型。
例如，DeepSeek 是一家 AI 公司，它利用现有的开源模型和 16 亿美元的投资来创建一个具有竞争力的 AI 模型。这有力地说明了资本如何能够使竞争环境更加公平，并使新进入者能够挑战已建立的参与者。
商品难题
Evans 认为，像 OpenAI 的 GPT、Anthropic 的 Claude 和 Google 的 Gemini 这样的 AI 模型正在演变成“商品”。这些模型正变得容易获得、可以互换的服务，类似于无差异、低成本的基础设施。
这种商品化趋势对 AI 行业有着深远的影响。它表明，最终的战场将不是关于谁拥有最好的基础模型，而是关于谁能够最有效地将该模型打包、集成和管理到真实世界的产品和服务中。
换句话说，竞争优势可能不在于基础模型本身，而在于构建在其之上的应用和服务层。这种焦点的转变需要一套不同的技能和能力，强调产品开发、用户体验和监管合规性。
Evans 在一篇博文中详细阐述了这一点，以 OpenAI 最近推出的 Deep Research 工具为例。他认为，OpenAI 和其他基础模型实验室除了获得资本之外，缺乏真正的护城河或防御能力。他们尚未在编码和营销之外实现产品与市场的契合，并且他们的产品本质上仅限于文本框和 API，供其他开发人员在此基础上进行构建。
AI 竞争的流沙
AI 模型的商品化正在重塑竞争格局，迫使公司重新评估其战略，并将重点放在新的差异化领域。随着底层技术变得更容易获得，重点正在转向应用程序开发、集成和治理。
以下是 AI 行业正在出现的一些关键趋势：
特定于应用程序的 AI： 公司越来越关注开发针对特定行业或用例量身定制的 AI 解决方案。这种方法使他们能够创建更有针对性和更有效的应用程序，以满足特定的客户需求。
AI 驱动的产品： 将 AI 集成到现有产品和服务中正变得越来越普遍。这可以增强功能，改善用户体验，并创造新的收入来源。
AI 治理和伦理： 随着 AI 变得越来越普遍，人们对偏见、公平和责任的担忧也在增加。公司正在开始投资 AI 治理框架和道德准则，以确保负责任的 AI 开发和部署。
边缘 AI： 在边缘设备（例如智能手机和 IoT 传感器）上部署 AI 模型正变得越来越受欢迎。这使得无需依赖云连接即可实时处理数据，从而减少延迟并提高隐私。
AI 即服务： AI 即服务 (AIaaS) 平台的出现使各种规模的企业都可以更容易地使用 AI。这些平台提供预训练模型、开发工具和基础设施，使公司能够快速轻松地将 AI 集成到其运营中。
资本的持久作用
虽然 AI 模型的商品化可能会降低专有技术的重要性，但资本将继续在 AI 行业中发挥至关重要的作用。获得资金对于公司来说至关重要，可以：
训练和微调 AI 模型： 训练大型 AI 模型需要大量的计算资源和专业知识。有资金的公司可以负担得起在更多数据上训练更大的模型，从而可能获得更好的性能。
开发和部署 AI 应用程序： 构建和部署 AI 应用程序需要投资于软件开发、基础设施和人才。有资金的公司可以投资于这些领域，以创建引人注目的 AI 驱动的产品和服务。
获得 AI 人才： 对 AI 人才的需求很高，熟练的 AI 工程师和研究人员的需求也很高。有资金的公司可以吸引和留住顶尖人才，从而使他们具有竞争优势。
进行研究和开发： 在快速发展的 AI 格局中，持续创新至关重要。有资金的公司可以投资于研究和开发，以探索新的 AI 技术和应用。
应对监管障碍： 随着 AI 受到越来越多的监管，公司将需要投资于合规性和法律专业知识。有资金的公司可以负担得起有效地应对这些监管障碍。
AI 竞争的未来
AI 行业正在经历一个快速转型时期。AI 模型的商品化正在使竞争环境更加公平，但资本仍然是成功的关键决定因素。能够有效利用资本来开发引人注目的 AI 应用程序、吸引顶尖人才并应对不断变化的监管环境的公司，将最有可能在长期内蓬勃发展。
AI 竞争的未来可能会以以下特征为特征：
日益专业化： 公司将专注于为特定行业或用例开发 AI 解决方案，而不是试图构建通用 AI 模型。
更加重视应用程序开发： 重点将从构建基础模型转移到创建引人注目的 AI 驱动的应用程序，以解决现实世界的问题。
AI 治理的重要性日益提高： 公司将优先考虑道德和负责任的 AI 开发和部署，确保 AI 用于造福社会。
AI 硬件的持续创新： 对更强大、更高效的 AI 硬件的需求将继续推动 GPU、TPU 和神经形态计算等领域的创新。
协作和开源： 协作和开源计划将在 AI 生态系统中发挥越来越重要的作用，加速创新并普及 AI 技术的访问。
总之，虽然获得资本可能是当前 AI 格局中的主要区别因素，但 AI 公司的长期成功将取决于它们创新、适应和构建引人注目的 AI 驱动的解决方案的能力，这些解决方案可以为客户和社会创造价值。