Nathan Lambert：开源模型逆势扩张，行业整合预言落空

AI2 研究员、知名 AI 评论人 Nathan Lambert 推翻了业界流传已久的“训练成本暴涨必然导致行业整合”的预言——现实是入局者不减反增，而且越来越多人选择把强模型开源出来。

• 反常识现象：训练成本按数量级逐年攀升，理论上该淘汰掉小玩家，但实际是更多公司愿意砸下数亿到数十亿美元去训练并开源模型
• 举例 Thinking Machines 的开放微调服务年收入已达数亿美元规模，其开源权重模型甚至反超部分美国同行
• 中国实验室持续保持竞争力，小米等此前不在牌桌上的新玩家也在快速积累模型影响力
• Lambert 判断“持续采用”(更多玩家、更多模型并存)比“整合”(少数寡头垄断)更可能，关键变量是开源模型的市场份额，以及 Kimi K3 这类“收入分成许可”商业模式能否跑通
• 这是对“大模型终将寡头化”叙事的一次正面挑战，如果收入分成许可模式被验证可行，可能给中小实验室开辟出一条不必烧钱陪跑巨头也能商业化的开源路线。

本内容由 AI 生成，仅供参考，请注意甄别