企業 AI 為何正轉向開源模型

多年來，不少公司都希望對自己跑哪種 AI 模型有更多主導權。很少有人甘心永遠只綁一家供應商。這種渴望並不新鮮。按 Jain 的說法，真正改變的是：開源模型終於「夠用」，能扛起很大一部分實際工作；同時，閉源 API 的帳單也變得難以忽視。

核心動力是成本

Jain 描述了一個財務長很熟悉的模式：公司為 AI 訂了一整年預算，結果一兩個月就燒光。當推理用量像開著的水龍頭，財務就會追問得更兇。加速這場轉向的，往往是這種壓力，而不是某種「開源信仰」。

也有企業因合規，必須把推理留在私有數據中心——這仍然重要。但 Jain 更尖銳的觀察是：早期那種「模型廠商會偷偷拿客戶數據去訓練」的恐慌，如今已大致消散。簽了正規商業合同之後，這類焦慮大多平復了。真正擺在檯面上的，是 Token 的價格。

「夠用」來得比「想自己掌控」更晚

可以把它想成十年前的辦公軟體：公司早就想有替代方案，但要等對手產品能應付多數日常工作、又不會天天卡關，大家才真的換。Jain 的判斷是：開源模型對多數企業用例，已經跨過類似門檻——不是說每一項難題都勝過最前沿閉源模型，而是能扛起大部分負載。

訪談裏，他把這次能力躍升放得很近——大約就在採訪前一個月左右——並提到團隊第一次更有底氣，把大部分工作負載切到強開源模型上。他聽到客戶剩下的猶豫，往往不是「開源夠不夠強」，而是能否接受特定模型來源與地緣政治因素：更多是心理與聲譽層面，而不只是純能力差距。

這對「賣模型」意味著什麼

若多數例行企業工作都能跑在更便宜的開源選項上，純模型 API 就會承受更明顯的定價壓力。Jain 甚至認為，單靠賣模型本身，可能從來不像外界想像那麼暴利——競爭者變多、開源替代變強，再加上前沿實驗室可能大幅降價的傳聞。

這不代表前沿實驗室變得無關緊要。按他的說法，它們的價值越來越落在模型週邊的產品與生態，而不只是出租「原始智能」。對買家來說，實務結論更簡單：預設自己會同時用多家；把換模型當成常態來設計；當質量夠接近時，把開源當成大量工作的預設路徑。

一個說得很清楚的三年判斷

被問到三年後會有多大比例的企業工作負載跑在開源模型上時，Jain 的語氣相當篤定：絕大多數。這條時間線是否成立，要由市場驗證。對一般讀者更重要的是他指出的方向——成本紀律，加上「夠用」的開源模型，已經在改寫誰拿下日常企業流量。