听听硅谷AI产业内是怎么看待中美模型竞争，闭源vs开源竞争，Anthropic vs Openai竞争的

Anthropic上市在即，我看最近大家关注的点主要在竞争层面，Anthropic vs Openai的竞争，开源模型 vs 闭源模型的竞争，中国模型 vs 美国模型的竞争，关于这几个问题，下午跟我哥聊了聊（他本人是硅谷AI创业公司的Founder），我觉得这次的对话还是挺启发到我的，所以把这部分的对话稿分享出来，可以听听AI产业里的人是怎么看这些问题的，希望能给大家带来一些答案或启发。

采访者： 你觉得闭源模型的长期壁垒是什么？会不会有一些独有的生态优势？比如像苹果这样，然后开源模型更像安卓。

受访者： 我觉得闭源模型 vs 开源模型可能不能和苹果、安卓做类比。苹果、安卓，或者以前互联网平台的逻辑，是平台上面有生态，应用围绕平台生长。

但大模型本质上太厚了，大模型本身既是平台，又会吃掉大部分应用场景。所以可能不能用以前的平台思维去理解它。

不过大模型确实会有自己的壁垒。比如闭源模型未来真正重要的点，可能还是数据、context，以及 personalization 带来的数据飞轮。

采访者： 你说的数据飞轮，具体指什么？

受访者： 举个例子，比如全民应用，未来每个用户都会有自己的个人助手，这个助手会帮他做越来越多的事，也会连接各种应用。

但核心不是“连接应用”这件事本身，也不是说某个应用是独占的。核心是：助手在帮你做事的过程中，会不断产生关于你的数据。

它帮你做事越多，跟你的生活和工作嵌入越深，它就越个性化。这个个性化不是让你感觉“它很懂我”这么简单，而是它真的越来越理解你，能帮你做更多事，也能更主动。

当你切到另一个产品时，即使另一个模型同样聪明，如果它没有这些历史、记忆和个性化数据，也很难给你同样的体验。放到现在的工作场景里也是一样，你不能只把大模型想成一个模型，得把它想成未来的员工，甚至是公司的大脑。

它会集成到公司的内部知识系统、各种 SaaS 系统和业务流程里。因为它像一个员工，一方面会理解公司内部很多语境和数据，另一方面能把这些数据转化成更好的业务决策和执行结果。

这就会形成数据飞轮。为什么现在Anthropic和Openai都在做 Personalization化，原因就在这里：如果你有一个员工用得很好，表现很优秀，你不会只是因为另一个工具便宜，就随便换掉它。

而且模型的推理成本本来就在下降。随着硬件和推理成本下降，闭源模型的成本也会持续下降。所以我觉得开源模型和闭源模型的成本差距不会像大家想象得那么大。

如果开源模型要达到同样的智能程度，它消耗的硬件和推理成本可能比闭源模型只是便宜一些，比如便宜 60%，但不会是数量级的便宜。

采访者： 那开源模型的市场在哪里？

受访者： 开源模型更适合那些不需要太多记忆、不需要太多 context 的任务。

我觉得这有点像云计算。云计算本身是 commodity，很多时候我用谁都行。比如我做一个打车应用，其中某一块推理任务只是完成一个单点功能，不需要长期理解用户，也不需要历史记忆，那它就是一个云计算逻辑。

我用 AWS、Google，或者别的云，在某些场景里差距没那么大。

但在应用侧，模型能力作为云计算资源，也会有一定的生态优势。比如 AWS 很稳定，能提供安全、审计、合规、complex workflow 等能力。这些虽然不像苹果生态的壁垒那么强，但依然能形成市场份额。

所以我觉得要把两件事分开看：

第一，大模型作为云计算能力，被应用调用。 第二，大模型作为你的员工、助手、公司大脑。

这两块的收入和市场逻辑是不一样的。

采访者： 所以我理解一下：从 personalization 或 assistant 的角度，闭源模型还是有很大优势；而开源模型以后更像一种计算资源，对吗？

受访者： 对，你前两个理解是对的。除了这两个之外，还有第三种情况。

先说前两个。Personalization 主要是 OpenAI 内部很重视的方向。OpenAI 的机会是做全民应用，成为每个人的个人助手。未来它连接各个地方，有点像新的屏幕入口。

这也是为什么它要做 personalization。这个场景不一定像 coding 那样要求能力极致强，但它一定要非常个性化，要让用户觉得这是自己的助手。OpenAI 要把这个位置站住，这是它反超的机会。

不过个人助手这块收入起得不会那么快，可能更消耗样本和时间，但长期收入很大，所以它一定要站住。

OpenAI 现在的资源分配，大概是：一方面在全民应用和个人助手上保持大幅领先 Anthropic；另一方面在工作场景里追赶 Anthropic，缩小差距。

Anthropic 的核心更聚焦工作和商业场景。OpenAI 当然也觉得这块很重要，但在商业场景，尤其 SaaS 替代、工作场景里，Anthropic 现在是绝对领先的。

采访者： 那你说的第三种情况是什么？

受访者： 我觉得我们刚才说的两个点，还是有点像用蒸汽时代之前的思维去思考电力时代的需求。

现在我们讨论价格高低，很多时候还是把 AI 当成工具或计算资源。低价值场景里，价格确实重要。

但你想一个场景：拿我们自己举例，为什么我们公司现在用 Anthropic，不用开源模型？因为我们用它的目标是替代一个月 1 万美元的人。

那这个时候，一个闭源模型每月 200 美元，一个开源模型每月 50 美元，你会用谁？我肯定用 200 美元的，因为它替代的是一个高价值的人力。你根本不会太 care 200 和 50 的差距。

这不是 4 倍成本差的问题，而是整体成本从 1 万美元下降到 200 美元，或者下降到 50 美元。一个是降 98%，一个是降 99%。从公司角度看，只要 200 美元的模型更聪明，哪怕只聪明 10%，公司也会选更强的模型。

采访者： 所以在高价值场景里，模型价格不是那么重要。

受访者： 相对不重要。比如药厂用 AI 做自动研究。两个模型哪怕只差 5%的能力，但如果最后做出的药能带来百亿美元收入，那它一定会用最好的模型。

再举个例子，国防场景也一样。国防怎么会为了便宜去用差一点的模型？它一定要用最好的模型。因为你和对手的智能差 1%，最后可能就是生死差异。

因为这个价值场景太高了。你用最好的模型，才可能在竞争中更有优势。模型本身多花一点成本，和最后创造的价值比起来，非常微不足道。

每个领域都是这样。不管是 research，还是其他让大模型创造高价值的场景。

所以从这个角度看，AI 不只是计算能力。AI 是创造工具，是生产工具。

哪怕模型智能只差 5%，当它被高价值场景放大以后，带来的收益可能完全不在一个量级。

所以在高价值创造场景里，模型之间的价格差异会变得很不重要；但智能差异，哪怕只有一点点，经过放大以后结果会完全不一样。

采访者： 那未来有没有可能开源模型在 performance 上完全不差于闭源模型？

受访者： 这个不能完全排除。但至少从目前可见的方法来看，开源模型提升的最重要方式，是疯狂蒸馏闭源模型，从闭源模型里学习回来。

这种方法有一个问题：它蒸馏的是闭源模型，所以天花板就是闭源模型。而闭源模型公司内部，基本已经有下两代的模型了。

你现在能看到、能用到的东西，都不是 Anthropic 或 OpenAI 内部最新的东西，他们内部在用的模型都是下两代的模型。

我觉得开源模型真正能挑战闭源模型，可能不是因为“开源”本身，而是像 DeepSeek 这种团队，如果它追求原创，找到一种新方法。这个和开不开源其实没有本质关系。

开源本质上只是把模型分享出去。它不像以前的软件开源，大家都能贡献代码、一起把东西搞好。大模型对人才密度的要求极高，不是外部很多人一起贡献就能做到最好的。

反而大模型研发需要集中，需要很少一批非常强的人，把事情做到极致。

所以本质问题不是“开源模型能不能赢闭源模型”，而是 OpenAI、Anthropic 之外，有没有别的厂商有足够的钱、足够强的人、正确的策略，最后做出更好的模型。

比如大家说 Google 接下来应该做 AI 里的安卓，拥抱开源。它自己有能力做很强的闭源模型，同时也可以把模型开源出去，用这种方式建立生态。

DeepSeek 也类似。它短期可能不在乎收入，就是要做最强的 AGI。

所以问题应该这么问：Anthropic 和 OpenAI 之外，有没有这样的团队和资金，有可能做出更好的模型？

从这个角度看，Anthropic、OpenAI 能起来，是因为它们聚集了人类最强的一批人才在做这个东西。它们能吸到最多的钱，吸到最强的人，还有相对正确的策略。

Google 有钱，也有技术积累，但它毕竟是大公司，不一定能在单一目标上 all in 到极致。

DeepSeek 可能有这个基因，但它在中国，能融到的钱、能吸到的人才池，毕竟和 Anthropic 这种能吸全球人才的公司不一样。

所以从这个视角看，其他公司要反超，并没有特别强的确定性逻辑。

除非有人找到一个 magic一样的东西，找到一种新方法，让 AI 一下子进化，类似 Transformer 这种级别的东西。

AI 现在还很早期，范式当然可能被推翻。有人走出一条完全不同的路径，这是有可能的。但这种东西确实没法预测。

采访者： 短期看呢？

受访者： 短期如果从上市公司、确定性、能不能追赶这些角度看，我觉得还是刚才说的逻辑：

开源模型追闭源模型，目前很多靠蒸馏；商业模式上，市场收入怎么分，也要看场景。低上下文、低记忆、价格敏感的场景，开源有空间。高价值、强生产力、强个性化的场景，闭源模型优势更大。

但范式有没有变化？有没有公司突然发明很牛的东西？这个真的不好说。AI 本来就是发明创造，如果有人发明更高阶段的方法，可能很快就改变格局。

不过即使有人发明了更高阶段的方法，闭源公司也会很快跟进。因为这些研究很多没有秘密，本质上是研究方法的推进。

所以最后还是看：谁有最高的人才密度，谁能拿到最多的钱，谁处在最大的市场里，谁能用模型迭代模型、不断加速。

这些东西加在一起，我觉得开源或其他公司反超的可能性有，但可能性偏低。

当然，过去几年这些大模型公司的领先地位一直在变，也说明 AI 技术本身还处在剧烈演进状态。你不知道哪家公司会突然突破。

这可能就是市场最大的“不确定性”。

比如过去几个“不确定性”的重要节点。

2017 年 Google 提出 Transformer，所以那时候 Google 在 AI 上领先，但还没有大面积应用。

后来 GPT 出来，本质上是 OpenAI 在技术水平上从量变到质变，找到了一个基点，所以领先了几年。

再后来是思考模型、推理模型出来，带来了现在大模型底层能力的一种新方式。

再往后，是 Anthropic 在 coding 上找到一个数据飞轮。这个数据飞轮能把模型能力继续拉伸，所以它在工作场景里能反超。

所以我觉得，这些才是最大的变量。

国内开源模型直接反超，短期比较难。

刚才说的重点是：开源本身不是本质。不是因为它开源，所以它就能做出更强模型。开源主要影响成本，影响这个东西是不是别人都能用。

但它和以前的软件开源不一样。以前开源的价值在于大家都能贡献，大家一起建生态。但在大模型这里，最后商业价值可能还是会被最强的闭源产品吃掉很大一块。

（完结）