企业 AI 为何正转向开源模型

多年来，不少公司都希望对自己跑哪种 AI 模型有更多主导权。很少有人甘心永远只绑一家供应商。这种渴望并不新鲜。按 Jain 的说法，真正改变的是：开源模型终于「够用」，能扛起很大一部分实际工作；同时，闭源 API 的账单也变得难以忽视。

核心动力是成本

Jain 描述了一个财务长很熟悉的模式：公司为 AI 订了一整年预算，结果一两个月就烧光。当推理用量像开着的水龙头，财务就会追问得更凶。加速这场转向的，往往是这种压力，而不是某种「开源信仰」。

也有企业因合规，必须把推理留在私有数据中心——这仍然重要。但 Jain 更尖锐的观察是：早期那种「模型厂商会偷偷拿客户数据去训练」的恐慌，如今已大致消散。签了正规商业合同之后，这类焦虑大多平复了。真正摆在台面上的，是 Token 的价格。

「够用」来得比「想自己掌控」更晚

可以把它想成十年前的办公软件：公司早就想有替代方案，但要等对手产品能应付多数日常工作、又不会天天卡关，大家才真的换。Jain 的判断是：开源模型对多数企业用例，已经跨过类似门槛——不是说每一项难题都胜过最前沿闭源模型，而是能扛起大部分负载。

访谈里，他把这次能力跃升放得很近——大约就在采访前一个月左右——并提到团队第一次更有底气，把大部分工作负载切到强开源模型上。他听到客户剩下的犹豫，往往不是「开源够不够强」，而是能否接受特定模型来源与地缘政治因素：更多是心理与声誉层面，而不只是纯能力差距。

这对「卖模型」意味着什么

若多数例行企业工作都能跑在更便宜的开源选项上，纯模型 API 就会承受更明显的定价压力。Jain 甚至认为，单靠卖模型本身，可能从来不像外界想象那么暴利——竞争者变多、开源替代变强，再加上前沿实验室可能大幅降价的传闻。

这不代表前沿实验室变得无关紧要。按他的说法，它们的价值越来越落在模型周边的产品与生态，而不只是出租「原始智能」。对买家来说，实务结论更简单：预设自己会同时用多家；把换模型当成常态来设计；当质量够接近时，把开源当成大量工作的默认路径。

一个说得很清楚的三年判断

被问到三年后会有多大比例的企业工作负载跑在开源模型上时，Jain 的语气相当笃定：绝大多数。这条时间线是否成立，要由市场验证。对一般读者更重要的是他指出的方向——成本纪律，加上「够用」的开源模型，已经在改写谁拿下日常企业流量。