【AI文章解读】The Model is the Product

https://vintagedata.org/blog/posts/model-is-the-product

以下是关于网页内容的详尽笔记：

文章标题

The Model is the Product

文章主题

文章探讨了人工智能（AI）领域中模型作为产品的趋势，分析了当前AI发展的几个关键因素，并对未来AI的市场格局、模型训练以及投资方向提出了见解。

主要内容概述

1. 模型作为产品的趋势

• 背景：过去几年，关于AI发展的下一个周期有很多猜测，例如智能体（Agents）、推理系统（Reasoners）或真正的多模态（Multimodality）。
• 核心观点：作者认为，当前的研究和市场发展都指向了一个方向——模型本身将成为产品。
• 支持论据：
  • 通用模型扩展停滞：以GPT-4.5为例，模型容量线性增长，而计算成本呈几何级增长。即使在训练和基础设施效率提升的情况下，OpenAI也无法以合理的价格部署如此庞大的模型。
  • 观点化训练效果显著：强化学习和推理的结合使得模型能够学习任务，这既不是传统机器学习，也不是基础模型，而是一种“秘密的第三种东西”。即使是小型模型在数学任务上也表现出色，编码模型不再仅仅是生成代码，而是能够管理整个代码库。
  • 推理成本大幅下降：DeepSeek的优化使得全球人口每天1万token的需求都能被满足，这意味着单纯出售token的商业模式已不再可行，模型提供商需要向价值链上游移动。

2. 未来模型的形态

• 案例分析：
  • OpenAI的DeepResearch：并非在现有模型基础上的简单封装，而是训练了一个全新的模型，能够内部完成搜索任务，无需外部调用、提示或协调。它通过强化学习训练，能够合成大量网站信息以生成结构化报告。
  • Anthropic的Claude Sonnet 3.7：专注于复杂代码用例的训练，显著提升了软件工程基准测试的表现。
• 观点：未来的主要进展将通过重新设计模型本身来实现，而非仅仅在现有模型基础上进行工作流优化。

3. 训练与被训练

• 大实验室的策略：大实验室正在公开其策略，将模型训练与应用层捆绑，并试图在应用层捕获更多价值。
• 商业后果：
  • API销售的终结：Naveen Rao（Databricks的Gen AI副总裁）预测，所有封闭AI模型提供商将在未来2-3年内停止销售API，只有开放模型会通过API提供。
  • 应用层的自动化：应用层将成为AI进化的下一个阶段中首先被自动化和颠覆的部分。
• 市场动态：
  • 早期实验：如DeepSearch和Claude Code，DeepSearch不通过API提供，而是用于为高级订阅创造价值；Claude Code是一个极简的终端集成。
  • 包装商的转型：一些知名的包装商正在努力成为混合AI训练公司，例如Cursor拥有自己的小自动补全模型，WindSurf有内部廉价代码模型Codium。
  • 小包装商的未来：可能会更多地依赖中立的推理提供商，同时更加注重UI设计，因为通用模型可能会捆绑更多常见的部署任务。

4. 强化学习未被定价

• 投资假设的错误：
  • 当前AI投资假设应用层独立于模型层，且能够颠覆现有市场。
  • 认为模型提供商将不断降低token价格，从而使包装商更盈利。
  • 认为封闭模型包装能满足所有需求，包括在对外部依赖有长期担忧的受监管领域。
  • 认为建立任何训练能力都是浪费时间。
• 市场失败：这种假设越来越像一种冒险的赌注，未能准确定价最新的技术发展，尤其是强化学习。模型训练本应是风险分散的完美例子，但目前模型训练公司难以筹集资金。
• 训练生态系统的现状：除了大实验室外，训练生态系统非常小，只有少数公司和学术机构在从事相关工作。
• 未来趋势：
  • 大实验室可能会选择与早期训练阶段的合作伙伴，而非仅仅是API客户。
  • 小型专业团队可能更适合处理一些尚未成熟的AI用例，最终可能成为潜在的收购目标。

5. DeepSeek和中国实验室

• DeepSeek的定位：DeepSeek已经更进一步，将模型视为一种通用基础设施层，而不仅仅是产品。
• 中国实验室的策略：以DeepSeek为例，其创始人连文峰公开表示，当前阶段是技术创新的爆发，而非应用的爆发。如果形成了完整的上下游产业生态系统，那么他们无需自己开发应用，但如果有需要，他们也可以开发应用，不过研究和技术创新始终是首要任务。

结论

文章认为，模型作为产品的趋势正在改变AI的市场格局。大实验室正在向价值链上游移动，而应用层可能会被自动化和颠覆。强化学习等技术的发展尚未被市场充分定价，导致投资方向可能存在问题。未来，AI的发展将更多地依赖于模型的重新设计和训练，而非仅仅在现有模型基础上进行优化。

作者观点

• 模型训练的重要性：模型训练是未来AI发展的关键，但目前市场对训练能力的重视不足。
• 应用层的未来：应用层可能会被自动化，包装商需要转型或专注于特定领域。
• 投资方向的调整：投资者需要重新评估模型训练的价值，并关注技术创新而非仅仅应用开发。