数字化转型网人工智能研习社关注人工智能从技术到落地的全方面，包含机器学习算法、深度学习架构、自然语言处理（NLP）技术、计算机视觉技术、AI+医疗健康、AI+交通出行、AI+金融、AI+制造、AI+消费品、AI+互联网、数据隐私和安全、算法公平性、产业生态建设、政策法规制定与完善等。
安筱鹏认为，中国当前所谓的“百模大战”或“十模大战”是一种误导。事实上，真正意义上的通用型AI大模型在国内并不存在如此多的竞争者。基础大模型的开发需要具备数据、资本、算力、人才、技术五个核心要素，这是极高的资源投入标准。通用型基础大模型的本质是跨行业、广适用且能够在全球范围内竞争，对资本、算力和人才的要求极为严苛，美国的基础大模型已快速收敛为5家，3家闭源和2家开源。这是大模型产业发展的内在规律所决定的，例如，在美国，GPT-4的训练成本已达数亿美元量级，而GPT-5的研发投资预计更高。数字化转型网www.szhzxw.cn
2024年美国大型科技公司在AI投资规模近3000亿美元之间，其中微软、谷歌、Meta等行业巨头已通过高达5-10万卡的算力集群获得了大模型开发的“入场券”，2024年每家公司在AI上的投资规模在500亿美元左左。而这仅仅全球AI投资竞赛的开始，正如博通总裁兼CEO Hock Tan在2024财年第四季度财报会上所表的：“我们目前有三家超大规模客户，到2027年，他们每家都计划在单一架构上部署100万XPU集群。”“这些企业在基础大模型领域的布局不仅雄厚，还持续在全球范围内推动技术领先。”安筱鹏说。
中国目前具备开发通用型基础大模型能力的企业屈指可数。虽然有些在垂直领域或细分赛道取得了不错成绩，但这类模型更多是基于特定场景的调优，无法与通用大模型在技术深度、适用性和国际竞争力上相提并论。安筱鹏强调，清晰理解基础大模型与行业模型的区别，以及当前中国在全球大模型竞争中的实际位置，对于决策者和产业界至关重要。
未来，中国需要更集中资源在少数真正具备潜力的企业上，推动这些企业在资本、算力、人才和技术上实现全球化突破，从而在基础大模型的开发和应用中获得更大的话语权。在AI大模型产业发展的重大命题上，要清晰的研判什么是假万卡、伪万卡、真万卡，要理性客观的回答超大规模智算集群的三个基本问题，中国建设10万卡集群，为谁建？谁来建？怎么建？
安筱鹏指出，中国AI生态正面临“加拉帕戈斯效应”的隐忧，这种现象源自市场碎片化、私有化部署以及认知局限等多重因素，可能制约AI大模型的发展。他以达尔文在加拉帕戈斯群岛观察到的物种进化现象为喻，形容中国当前的AI大模型发展如同孤立的小生态系统：各自为战、独立发展，却难以形成具有全球竞争力的技术和市场格局。相比之下，美国企业已经通过“公共云+平台化”的模式建立起高度集约化、标准化和全球化的商业生态，推动AI技术在更大范围内的应用与迭代。能不能基于领先的大模型能力构建可持续商业化闭环，才是观察中美大模型差距的核心特征。数字化转型网www.szhzxw.cn
在安筱鹏看来，加拉帕戈斯效应的核心问题不在于模型的生产能力，而在于市场端的交付和运营模式。他指出，中国许多AI企业受限于甲方的需求，选择私有化部署大模型，将技术和算力局限在单一场景或孤立项目中。这种做法不仅增加了运营成本和资源浪费，还导致市场进一步碎片化，削弱了产业的协同和规模效应。相较之下，美国企业更多依托公共云部署，通过集中化的资源管理和高效的运营模式，为AI技术创造了可持续的商业闭环。“没有真正的大市场，就像孤立的小湖泊，而非孕育鲸鱼的深海。这种市场结构限制了大规模创新企业的涌现和可持续发展，使得大模型产业难以形成全球化竞争的闭环。成功的商业闭环需要三大关键要素：技术的先进性、产品化的清晰路线以及有效的商业模式和回报。只有这些因素能够高速持续迭代，产业才能健康发展。这种转变需要政策制定者、企业管理者和技术开发者共同努力，以更开放、更协同的姿态推动中国AI大模型产业在全球竞争中崭露头角。”他说。
安筱鹏认为，中国企业若想避免“加拉帕戈斯效应”，就必须从供给侧和需求侧双向改革。从供给侧看，中国需要集中资源在少数有潜力的企业上，发展统一的公共云平台，推动大模型的广泛适用性和技术迭代。从需求侧看，则需要通过政策引导和市场教育，改变甲方的认知和需求结构，逐步建立对公共云部署的信任，破除“私有化”带来的安全性误区。公共云具备完整且灵活的安全解决方案，可以满足企业多样化的需求，公有云上为用户提供的逻辑隔离的计算、存储和网络服务。私有云好比自己家里的私厨，所有的食材、工具自己买，自己炒，安全性完全自己负责。而公共云好比去“新型餐厅”用餐，为就餐客户提供单独的厨房和餐厅，客户可以根据需求选择自己喜欢的菜肴，并在独立的、看不见其他人、也不会被其他人看到的包间内用餐，所有的安全都是有保障的。如果需要进一步提升安全性，也可自己持有包间门的钥匙，在包间安装“监控摄像头”，记录和审计所有数据流动，让每一个比特的流动都可被监控，并通过第三方认证来增强信任。他说。
声明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。数字化转型网www.szhzxw.cn
数字化转型网人工智能研习社包含哪些内容
数字化转型网人工智能研习社关注人工智能从技术到落地的全方面，包含机器学习算法、深度学习架构、自然语言处理（NLP）技术、计算机视觉技术、AI+医疗健康、AI+交通出行、AI+金融、AI+制造、AI+消费品、AI+互联网、数据隐私和安全、算法公平性、产业生态建设、政策法规制定与完善等。
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于 哈佛商业评论 财经出品；编辑/翻译：数字化转型网Jack。
