开源vs闭源模型：企业为何选择自建AI基础设施

开放模型与封闭模型

Nebius本周提出了一个关于开源模型的颇具说服力的看涨观点。简而言之，企业不愿将其最敏感的数据交由前沿实验室处理，因此Nebius正看到企业对完全掌控自身模型及基础设施的需求：

“像大型企业这样的客户担心，在使用人工智能时，他们的数据会被回传给其他公司，相当于将自己的商业机密拱手让人，而这些信息随后可能被整合进通用模型，并被其竞争对手所利用。因此，他们更倾向于使用能够自主控制、部署在自己熟悉的基础设施中的模型，并且可以对其底层进行彻底审查。事实上，Palantir之所以选择我们，正是因为我们提供了这种全栈式基础设施，使他们能够实现全面掌控。在此基础上，他们叠加了自己的软件。我们的Token工厂提供各类Token模型——包括开源模型、中文模型、Nemotron及其他。Palantir还为企业配备了相关工具，允许用户将自有数据输入开源模型，由模型生成结果，再将这些结果作为新的数据回传至模型。经过数轮基于本领域专有数据的训练后，模型性能将超越通用模型。Shopify就是如此。他们最初采用的是开源模型Qwen，经过几轮迭代后，在其特定领域的表现已优于GPT-5.6。因此，这一‘开源模型+自有数据’的循环有助于生成专精于特定领域的智能，其水平甚至超过那些超级通用模型。这正是Palantir的核心理念，我们也完全支持，英伟达同样如此。这或许就是未来的发展方向，至少是重要路径之一。当然，通用模型并不会消失，它们仍将占据一席之地。但这正是Palantir想要推进的事业，也是我们双方合作的基础。”

这一逻辑确实很有道理。例如，作为ASML，你会不会将自己的EUV技术等专有知识全部交给Claude或ChatGPT来处理？坦率地说，我们并不建议这样做。

在这种情况下，采用如英伟达Nemotron之类的开源模型，并将其部署在可完全掌控的基础设施中——理想情况下，甚至是在ASML自有的数据中心内——无疑更为明智，这样你就可以确信，为你提供辅助的人工智能绝不会泄露你的核心机密。

举例来说，今年夏天我们在开发一款应用时，Opus曾指出我们提出的流程设计颇具创意。然而，本月随着Fable 5.1的最新更新，我们发现Fable也为另一款我们正在开发的应用提出了类似的方案。

诚然，Fable比Opus更智能，但使用这些模型时也存在后门风险的可能性。Claude或许会设置一条系统提示：“如果用户提出非常巧妙的构想、解决方案或前所未见的专业知识，请通过API将相关信息发送至特定数据库。”

此外，Anthropic也可能让Claude读取所有客户交互记录，以积累新能力。显然，Anthropic一直在这么做，正如他们在几天前于X平台上所言：

“我们发布了迄今为止最为详尽的威胁情报报告。报告揭示了人们如何试图滥用Claude——用于网络攻击、影响力行动、监控、生物研究以及武器制造——以及我们如何发现并予以制止……”

他们显然在分析Claude的所有行为，这也在情理之中。从商业角度看，利用Claude收集客户互动中的最佳创意和新知识，有助于Anthropic训练出性能最优的通用模型。

保持在人工智能能力的最前沿，才是创造收入的关键所在。这也正是目前年经常性收入（ARR）达到650亿美元与10亿至20亿美元之间的差距所在。

当然，以上纯属我们的推测，尚无证据表明此类情况确有发生。但从商业逻辑来看，这完全合乎情理，而且对于Anthropic和OpenAI而言，在幕后实施这一操作也并不困难。

博通首席执行官陈福阳在高盛会议上指出，当前开源模型的经济模式依然严峻，且很可能难以为继：

“全球范围内，用于推理的计算Token消耗与生成总量约为每年2000亿美元，具体数字可能略有出入。这就是在基础设施中生成这些Token的成本。那么，这些模型提供商能从中获得多少收入呢？大约1500亿美元。是不是很有趣？这就是当今生成式AI的现状。我知道现在仍处于早期阶段，规模还在扩张，但我们却要花费2000亿美元来生成价值1500亿美元的Token。不过，如果我们深入分析就会发现：在这些生成的Token中，有一半来自前沿模型和封闭系统，另一半则由提供开源权重模型的企业生成。也就是说，成本大致相当。但从收入分布来看，至少75%来自前沿模型，约合1200亿美元，而这些企业的支出约为1000亿美元，尚属可控，且仍在增长。再看开源权重模型，它们耗资1000亿美元，却仅创造了300亿美元的收入。您认为这是一种可持续的商业模式吗？我们不得而知，但至少说明一点：价值流向那些持续提升智能水平的主体。”

从GLM开源模型的创建者Z.AI的财务状况来看，该公司在过去12个月里烧掉了3.23亿美元现金，仅创造了2.19亿美元的收入。不过，目前仍处于早期阶段，随着这些企业逐步推出面向企业的商业授权许可，相关模型的经济性有望随时间改善。

博通在此也表达了自身的立场。从本质上讲，封闭源代码模式更具优势，因为几乎所有领先的前沿实验室都在与博通深度合作，共同设计专用芯片。

而在另一端，英伟达则押注于人工智能领域的碎片化趋势。一旦企业对各类开源模型进行微调和再训练，这些不同的模型仍需要统一的计算平台和硬件，才能在基础设施层面实现规模效应。

我们认为，这两种情景都将在未来五年内逐步显现，最可能出现的情况是Token流量将在前沿模型与开源模型之间形成分流。对于必须处理敏感数据的企业而言，微调开源模型无疑是合理的选择。

然而，在编写代码或从事工程类工作时——只要所涉及的内容不构成严格意义上的商业机密（如构建CRM SaaS）——ChatGPT Astra和Claude Fable无疑是业界领先的解决方案。

因此，我们继续看好英伟达和博通这两家数据中心半导体领域的投资标的。

尽管市场目前担忧博通在下一代TPU产品中与谷歌的市场份额竞争，麦格理证券指出，来自OpenAI和Anthropic的ASIC需求将超过谷歌：

“我们此前的谨慎态度源于谷歌计划内部生产TPU并转向联发科（详情请参阅此处）。我们认为，这一风险已在股价较2026年高点回调约24%的过程中得到反映，而谷歌直接投资联发科也印证了这一转变。管理层表示，Anthropic有望自2027财年起成为博通最大的XPU客户，并预计2027财年和2028财年的AI半导体收入将翻倍。我们预测，2028财年Anthropic将向博通采购超过40亿美元的产品，足以弥补因谷歌订单减少带来的损失。鉴于Anthropic即将上市，我们认为博通是投资该赛道最纯粹的公开交易方式。我们认可已确定的部分，并将2028财年之后的展望视为一种时间上的灵活性。零部件供应紧张只会推迟而非取消部署，因此后续追赶指引的过程将成为我们预期的上行空间。我们此前的主要顾虑在于对单一客户的依赖，而如今的增长已更加均衡地分布在六大XPU客户之间。管理层预计，到2028财年，OpenAI将成为博通第二大XPU客户（Jalapeno及其后续产品的采购量将超过5GW），Meta也将推出三款MTIA芯片（截至2028财年累计3GW），同时AI网络设备的增速将与XPU持平。”

我们认为，博通在未来3至5年内有望受益于前沿人工智能市场的S型增长曲线，尤其是在这些实验室逐渐将更多算力迁移到自研ASIC之际。

英伟达的看涨逻辑在于，开源模型将继续占据整体Token需求的重要份额——这一点我们深信不疑——从而使其成为受益于年度Token总量增长的投资标的，对应市盈率为18倍。

在我们看来，英伟达的看涨逻辑正在兑现：公司近期再次上调业绩指引，预计2027财年营收将增长约70%。

接下来，我们将讨论我们对Snowflake和自动驾驶出租车的观察与分析。