近期，生成式AI模型大规模爆发，“基础模型”（foundation model）成为高频术语。抛开炒作与营销话术，新一代AI真正令人兴奋之处在于：它从根本上改变了我们与计算机及数据的交互方式。
随着伦理问题涌现（如数据使用权、隐私假设、行为定义等），掌控AI模型的人或将成为时代最重要的决策者。谁有权构建和部署这些强大模型，已成为关键议题。
开源基础模型是否有发展空间？
受伦理问题驱动，开源呼声高涨。但构建基础模型成本极高，需数万张顶尖GPU及大量科研人员，目前仅云巨头或资金雄厚的初创公司涉足，且多为闭源。将定义未来的权力集中于少数公司，令人不安。
Stability AI开源Stable Diffusion是对闭源范式的有力挑战。此举解放了系统控制权，赢得全球开发者社区支持，促使业界重新审视闭源AI模式。
潜在障碍
资金是开源最大障碍。实现可持续运营仍需数千万美元投入，对初创企业压力巨大。Stability AI曾因竞争劣势及诉讼消耗资源；Meta的LLaMA虽注入动力，但持续性存疑。
尽管LoRA和CoT等技术使模型变小，但商业化迭代仍需数百万美元及算力支持。当前多数开源生成式AI项目失败，缺乏成功规模数据点，加之银行体系脆弱，风投谨慎，大型科技公司重占战略投资主导。
无论资金来源如何，开源AI必须解决可持续性、风险收益比及盈利难题，在保证质量准确性的前提下成为真正的企业。
对初创企业的启示
基础模型代表未来，创始人需审慎思考以下业务核心问题：
- 资金：资金来源何处？闭源模式下能否独立支撑或寻求可控合作？开源模式下如何持续输血？
- 团队：适合社区开发还是严格质控？如何吸引顶尖人才？
- 实验性：用户如何体验测试？是否开放试用、提供开发者游乐场或通过社区制造声量？
- 忠诚度：如何建立用户社区？若因资方要求改变开源策略，声誉与用户损失几何？
- 伦理与教育：项目被滥用时如何应对？是否介入“不当行为”？如何设定护栏并向用户传达政策？
目前问题远多于答案。
决定未来的成功
评估基础模型价值需新里程碑。正如Radical Ventures的Ryan Shannon指出：
与传统初创公司不同，基础模型公司需花费更多时间构建训练模型。在产品达到可收费状态前，往往需数年、数亿资金及多次迭代。
这是一项艰巨任务，需投资者信念飞跃。虽然前期投入巨大，但其后端采用潜力前所未有。
在具备时间、资金和人才的前提下，基础模型将引领并掌控未来，深刻影响社会交流、学习与创造。
stakes极高。开源模型需探索长期商业模式，闭源模型须直面伦理、建立监督机制。直面重大问题并审视责任是创新的关键，保护机制显现之时，才是真正的进步。