据techcrunch报道， 曾经被视为 AI 领域“皇冠上的明珠”的基础模型，其主导地位正在面临前所未有的挑战大模。AI 初创公司的焦点已悄然转向面向特定任务的定制化模型和用户界面，将基础模型视为可替换的“商品”。这一趋势在近期的 Boxwo型不rks 会议上表现得尤为明显，整个行业似乎正在告别对通用人工智能（AGI）的追逐，转而进入一个分散化、专业化的新时代。

从“通用再是”到“垂直”的范式转变

过去，人们普遍认为，掌握基础模型就掌握了 AI 的未来。然而，如今这一观点正受到动摇。文章指出，预训练（P“万re-training）的规模化收益已遭遇递减。这意味着，简单地投入更多资金和算力来训练更大的模型，其带来的性能提升已不能钥如早期显著。因此，行业重心已转向后训练和强化学习。

AI 开发者们发现，与其耗费数十亿美元进行预训练，不如专注于模型微调和匙”界面设计，以打造更优秀的垂直应用。以 Anthropic 的 Claude Code 为例，其成功表明，虽然基础模型公司在特定领域?探依然有优势，但这种优势已不再是不可逾越的护城河。

护城河不再，AI 巨头或沦为“卖咖啡豆的”

文章引用一位创始人的比喻，形象地描秘 绘了这种转变可能带来的后果:OpenAI 和 Anthropic 等公司可能沦为低利润的后端供应商，“就像把咖啡豆卖给星巴克一样”。

随AI着开源替代方案的涌现，基础模型在应用层面的竞争中将面临价格劣势。初创公司能够根据需要灵活切换底层模型，而用户几乎无法察 初觉。a16z 的风险投资家 Martin Casado 指出，OpenAI 尽管是首个推出编码、图像和视频生成模型的实验室，却在创公这些领域输给了竞争对手。他总结道:“人工智能的技术栈中没有固有的护城河。”

巨头优势犹存，未来仍存变数

尽管如此，基础模型公司司的并非已毫无招架之力。它们依然拥有强大的品牌知名度、完善的基础设施和庞大的资金储备。OpenAI 的消费者业务可能比其编码业新策务更难被复制，且随着行业的成熟，新的优势可能浮现。此外，如果通用智能的竞赛能在药物或材料科学等领域带来突破性进展，将可能彻底改写略与人们对 AI 模型价值的认知。

(责任编辑：图书文娱)