「拥有」还是「租用」智能?AI 创业的新问题

marsbit发布于2026-06-19更新于2026-06-19

文章摘要

AI初创公司Mythos的关停,引发了业界对AI创业核心问题的反思:当企业产品的核心能力依赖于外部模型和平台时,公司真正拥有什么?文章指出,过去关于开源模型的讨论常聚焦于成本,但更深层的关键是控制权。依赖前沿模型API虽能快速启动产品,却意味着核心智能受制于供应商的规则、定价甚至下架风险。 文章类比了“租用”与“拥有”智能的区别。租用智能如同租住公寓,便捷但受限;拥有智能则意味着基于强大的开源模型,融入企业自身的数据、工作流、领域知识和评测标准,通过后训练构建专有模型,使其真正成为公司的核心资产。 作者认为,AI的未来并非由单一最大模型主导,而是存在多个“前沿”:通用前沿模型、企业专有模型、垂直专用模型以及智能路由系统。未来的竞争胜者,将是那些能将智能定制并内化为自身独特资产的公司。最终,企业需要思考的是如何将智能从“租用”的服务,转变为“拥有”的竞争力。

编者按:Mythos 本周被关停,让许多 AI 创业者重新意识到一个被成本讨论遮蔽的问题:当产品的核心能力建立在外部模型和平台之上,公司真正拥有的究竟是什么?

过去几年,开源模型常常被放在「更便宜的前沿模型替代品」这个框架下讨论。但本文认为,成本并不是最关键的变量,控制权才是。对于一家 AI 公司而言,调用前沿模型 API 可以快速启动产品、降低技术门槛,却也意味着核心能力可能受制于模型供应商的规则、价格、策略调整甚至下架决定。

文章进一步提出,「拥有智能」并不等于放弃前沿模型,而是企业应当把自身数据、工作流、领域知识、评测标准和边缘案例沉淀进可控的模型体系中。未来 AI 的竞争也不一定由单一最大模型主导,而会出现多个「前沿」:通用前沿模型、企业专有后训练模型、垂直专用模型,以及由多个模型协同构成的路由系统。

Mythos 的关停因此像一次提醒:AI 时代真正的护城河,不只是能调用多强的模型,而是能否把智能变成公司自己的资产。

以下为原文:

Mythos 本周被关停了。无论你是否认同这个决定,其实已经不是重点。

真正刺痛很多人的地方在于:一家建立在自己无法控制的智能之上的公司,突然暴露在一套自己无法影响的决策之下。很多创始人看到这一幕后,都会问自己同一个问题:我的业务里,到底有哪些部分其实只是「租来的」?

过去几年,关于开源模型的讨论,大多围绕成本展开:它们真的能完成任务吗?如果可以,和调用前沿模型 API 相比,便宜多少?

到现在,我们已经有了相当清晰的答案。我们和 @RampLabs、@cursor_ai、@harvey 等公司合作过,基本路径都类似:从一个强大的开源模型出发,用对公司真正重要的工作内容进行后训练,并持续用严格评测将其与前沿模型对比。

结果一次次让人意外。在企业最关心的任务上,一个经过调优的开源模型,往往能以极低成本接近甚至达到前沿模型的质量。

但本周真正让人看清的是:成本从来都不是最重要的问题。

更深层的问题是控制权。你的产品所依赖的智能,究竟归谁所有?

最近很多讨论都被概括为「租用」与「拥有」的区别。这个类比并不完美,但很有用。

租用智能

租用这件事,在出问题之前一直很好用。公寓已经可以拎包入住,灯能亮,水管能用,维修也有人负责。这就是为什么大多数公司一开始都会选择这条路。

前沿模型 API 是非常出色的产品。它们让创业公司能够构建出几年前看起来还不可思议的东西。

但租用也意味着限制。房东可以涨租,可以决定你能做哪些改造,可以更改规则。偶尔,出于某些与你无关的原因,他们还可以告诉你:你该搬走了。

你并没有做错什么。你只是一直在别人的地盘上经营。

这也是为什么 Mythos 的故事会让这么多人产生共鸣。当你的核心能力完全依赖于别人的平台时,你就暴露在一套不受你控制的决策之下。

大多数时候,这并不重要。但有些时候,它会在一瞬间变得极其重要。

拥有智能

这件事的教训,并不是公司应该停止使用前沿模型。远非如此。前沿模型实验室已经做出了非凡的技术。大多数产品都应该使用它们。我们自己也在使用。

在很多意义上,前沿模型正在成为基础设施。但基础设施和所有权是两回事。

你可以使用公共基础设施,同时仍然拥有真正为你的业务创造价值的东西。在 AI 领域,所谓「拥有」,意味着从一个最先进的开源模型出发,并围绕你公司最独特的部分去塑造它。

你的数据。

你的工作流。

你的领域知识。

你的边缘案例。

你的评测标准。

你对「好」的定义。

随着时间推移,这个模型会变得越来越不通用,越来越能够反映你公司每天真正处理的工作。价值正是在这里被创造出来的。

可以把它想象成一套房子。移动家具很容易,刷一面墙也很容易。但如果你的未来取决于房子的格局本身,那么你迟早会希望自己拥有移动墙体的能力。智能也是如此。

当智能真正属于你时,没有人能悄无声息地把你产品脚下的地板抽走。

这也是我们以这种方式构建 Fireworks 的原因。

我们把训练和推理放在同一个体系里,让公司能够采用最好的开源模型,围绕自身业务中最重要的问题进行塑造,并稳定地部署到生产环境中。

不只是消费智能。而是拥有智能。

不存在唯一前沿

本周还有一个乐观的启示:AI 的未来并不取决于某一个模型赢下所有。

不存在唯一的前沿。前沿有很多种。

前沿模型是一种前沿。

一个基于多年公司专有知识进行后训练的模型,也是另一种前沿。

一个在某个狭窄问题上比任何模型都解决得更好的专用模型,也是另一种前沿。

一个能把请求路由到多个模型,并让它们协同工作、在许多任务上超越单一模型的系统,同样也是前沿。

AI 领域最有趣的变化,并不是某一个模型正在变得越来越聪明,而是智能正在变得越来越可定制。

最终胜出的公司,不一定是拥有最大模型的公司,而是那些能把智能变成自己独特资产的公司。

展望未来

本周很多时间都花在对新闻做出反应,而我们选择继续发布产品:@Kimi_Moonshot K2.7 Code、@MiniMax_AI M3、@Alibaba_Qwen 3.7 Plus。

我所期待的未来,并不是一个模型悄悄吞噬它所看到的一切。

而是许多团队都能拥有属于自己的那一部分前沿。

如果 Mythos 被关停这件事让你开始重新思考其中的取舍,我们很乐意聊聊。

热门币种推荐

相关问答

Q文章的核心观点是什么?

A文章的核心观点是,对于AI公司而言,真正的护城河不在于能调用多强的外部模型(即‘租用智能’),而在于将智能沉淀为自身可控的资产(即‘拥有智能’)。这涉及利用公司独特的数据、工作流和知识去塑造开源模型,从而掌握对核心能力的控制权。

Q为什么Mythos的关停事件对AI创业者是一个重要提醒?

AMythos的关停事件揭示了当一家公司的核心能力完全依赖于外部模型和平台时,其业务可能突然暴露在供应商单方面的规则、价格调整乃至下架决策的风险之下,而自身对此毫无影响力。这促使创业者反思自身业务中有多少核心部分只是‘租来的’,从而更加重视构建自主可控的AI能力。

Q文章中将‘拥有智能’类比为什么?这个类比说明了什么?

A文章将‘拥有智能’类比为‘拥有房子’。移动家具或刷墙(类似于调用外部模型API)相对容易,但如果你未来的发展取决于房子的格局本身(业务的核心能力),那么你将需要拥有移动墙体的能力(即对智能模型的深度定制和控制)。这个类比强调了控制权和根据自身需求深度定制的重要性。

Q文章认为AI的未来竞争格局会是怎样的?

A文章认为,AI的未来竞争不会由单一的最大模型主导,而是会出现多个‘前沿’。这包括:通用的前沿模型、企业利用专有知识进行后训练的模型、解决特定窄域问题的专用模型,以及能协调多个模型协同工作的智能路由系统。竞争的焦点在于智能的可定制化和与业务独特价值的结合。

Q根据文章,企业如何实现‘拥有智能’?

A企业可以通过以下路径实现‘拥有智能’:从一个强大的开源模型出发,然后围绕公司最独特、最重要的部分对其进行深度塑造和调优,包括:利用公司的专有数据、工作流程、领域知识、边缘案例以及独特的评测标准来训练模型。这样,模型会逐渐摆脱通用性,越来越贴合并服务于公司自身具体的业务需求。

你可能也喜欢

如何让自己变得让人工智能永远也无法取代

面对人工智能的冲击,许多人担心工作被取代。然而,真正的威胁在于个人对他人和系统的依赖,以及由此产生的“薪资奴役”——即为生存而从事无意义、枯燥的工作。摆脱这种困境的关键,不是抵制技术,而是成为拥有高自主性的“不可受雇”个体。 文章提出了成功抵御AI替代的五个核心要素:自主性(主动行动的能力)、品味(判断事物价值的经验)、说服力(让他人关注你工作的能力)、毅力(坚持并从错误中学习)和迭代(根据反馈持续改进)。这些能力无法仅通过理论学习获得,必须通过实践来培养。 要启动转变,首先要彻底改变环境,重塑身份认同。其次,应选择一个能获得真实、快速反馈的实践领域,例如创业。在众多技能中,内容创作(媒体)比编写代码更具优势,因为其价值是主观的,需要独特的审美和判断力,这正是AI目前难以完全复制的。 具体行动上,可以从三个步骤开始: 1. **挖掘原始素材**:反思自己长期痴迷的知识领域、轻松解决的难题或童年被压抑的兴趣,找到独特的个人经验。 2. **确立反向思考主轴**:找出你坚信但主流观点错误的地方,或行业内普遍忽视的“皇帝新衣”,形成独特的批判性视角。 3. **立即发布**:将前两步的思考融合,撰写并发布第一个核心内容(如帖子、视频),勇敢接受真实世界的反馈,并在此基础上持续学习和迭代。 最终,抵御AI的关键在于构建一份与自身身份深度契合的毕生事业,通过持续的内容创作和真实互动,建立无法被自动化取代的独特价值和影响力。行动,从今天发布第一个想法开始。

marsbit1小时前

如何让自己变得让人工智能永远也无法取代

marsbit1小时前

通过掷骰子离线保管比特币密钥:并非人人愿意为之

文章探讨了通过投掷骰子生成比特币钱包种子短语的安全方法及其现实挑战。核心观点如下: **1. 骰子提供物理熵源** 骰子结果由众多微小变量决定,理论上虽可预测,但实践中无法被攻击者复制或计算,从而提供高质量的随机性。每个六面骰子投掷约产生2.585比特熵,50次投掷即可满足典型12词助记词(128比特熵)的安全需求。 **2. Coldcard漏洞事件凸显手工熵源的价值** 近期Coldcard硬件钱包因固件漏洞导致其内部随机数生成器存在缺陷,致使约1128枚比特币被盗。但那些**完全**通过足量骰子投掷生成种子短语的用户未受此漏洞影响,因为他们的主密钥未使用有缺陷的生成器。 **3. 重要警示:手工种子并非万能保护** 安全研究员指出,即使用户使用骰子生成了安全的种子,若他们使用了Coldcard的其他功能(如生成纸钱包、克隆密钥、共享签名密钥、密码等),这些**衍生密钥**仍可能调用有漏洞的随机数生成器,从而存在风险。安全种子不保证设备生成的所有秘密都安全。 **4. 手工生成熵源的现实局限性** 尽管数学上可靠,但该方法对大多数用户并不友好: * **过程繁琐易错**:需投掷50-99次,精确记录,任何输入错误都会导致钱包完全不同。 * **引入新风险**:用户可能在记录、转换过程中泄露信息,或使用有偏的骰子/投掷方式。 * **用户体验差**:难以想象大规模推广需要用户手动投掷近百次骰子。安全措施需适应现实生活场景和普通用户的知识水平。 **5. 给用户的建议** 受影响的Coldcard用户应: * 更新固件至最新版。 * 检查是否使用过有漏洞的功能生成了次级密钥或密码,如有则需立即更换。 * 考虑采用多签方案,使用不同厂商的设备分散风险。 **结论**:手工投掷骰子生成熵源是技术娴熟用户的一个有效安全选项,但其过程复杂、容易出错,不适合作为主流用户的默认方法。长远目标是依赖安全、透明且无需专业知识的硬件/软件随机数生成方案。

cryptonews.ru4小时前

通过掷骰子离线保管比特币密钥:并非人人愿意为之

cryptonews.ru4小时前

交易

现货

热门文章

从H2A到A2A:AI Agent经济体与Crypto新机遇

6月17日,哈佛大学独立研究员、美国AI科学院(NAAI)通讯院士、比特币基金会终身会员韩锋做客火币HTX《大咖讲堂》第三期,以《从H2A到A2A》为主题,分享了其对Agent经济、Crypto基础设施及数字社会未来发展的思考。

532人学过发布于 2026.07.01更新于 2026.07.01

从H2A到A2A:AI Agent经济体与Crypto新机遇

美股TradFi:传统金融在AI IPO浪潮下的稳健锚点

2026年,美股IPO市场重回高热度。本文梳理即将上线或受关注的热门赛道龙头,分析具备投资潜力的交易标的及其逻辑,并探讨宏观趋势与相关风险。

2.5k人学过发布于 2026.07.08更新于 2026.07.08

美股TradFi:传统金融在AI IPO浪潮下的稳健锚点

相关讨论

欢迎来到HTX社区。在这里,您可以了解最新的平台发展动态并获得专业的市场意见。以下是用户对AI(AI)币价的意见。

活动图片