创新者
3 场深度对话收录
Tommy
观点集合
为什么 OpenAI 应该害怕开源
Robot Ventures领投Nous Research 9,000万美元融资，Tarun押注Hermes掌握AI用户关系。中国机器人厂商未经邀约采用Hermes，印证产品契合；企业分发和token返利或拓展增长，需求仍须签约验证。
查看摘要（7段）
- Robot Ventures 领投 Nous Research 的 9,000 万美元融资，押注 Hermes 能掌握 AI 的用户关系。 Tarun Chitra 将这一机会比作投资 Phantom 或 FOMO：智能体框架掌控用户偏好、上下文和触达，推理服务商则提供执行能力。若 AI 市场演化出加密行业的市场结构，他预计这两层能够捕获价值，而路由层和模型将面临压力。
- Hermes 的产品优势，来自多年研究积累并不断转化为更好的默认设置。 Tarun 认为，Nous 在训练、推理和上下文管理上的工作，让 Hermes 能替用户处理 OpenClaw 留给用户的各种决策。他用 OpenClaw 打比方：“这是造车所需的所有零件，自己把车造出来。”Hermes 则会学习用户偏好、生成技能，并支持跨模型工作。
- 加密行业真正值得借鉴的是节约资源的工程思路；以代币为先的项目则提供了反面教材。 Tarun 认为，中国模型公司采用了比去中心化训练团队更有效的优化方案，促使后者在 2024–2025 年转向。早期代币智能体虽然预判了需求，产品却很弱，往往只是“多绕了几道弯的 meme 币”。
- 机器人领域未经邀约的采用，比又一个变现故事更能证明产品价值。 Tarun 花了 3到4个月研究使用情况和代码分支，发现中国制造商在 Nous 不知情的情况下，就把 Hermes 集成进小型机器人。他将这些分支视为产品质量和品牌认同的证据；即使个别分支不产生收入，经济下行时“留存和黏性”也可能更重要。
- 企业定制让 Hermes 在消费者社区之外，多了一条分发路径。 企业可以叠加权限、合规、隐私保护和内部数据连接。Tarun 表示 Microsoft 和 NVIDIA 参与了本轮融资；他预计 Hermes 将成为 Microsoft 提供的开源智能体框架之一，并称 NVIDIA 已在 DGX Spark 机器上默认安装 Hermes。Tommy 认为，自有 AI 技术栈是企业资产；Tarun 则提醒他别过早认定现成的企业需求已经到手：“合同没签，一切都不算数”（“nothing’s in the bag until the contract’s signed”）。
- 推理报价看似很低，智能体的总账单却可能更高。 Tarun 以 GLM 5.2 为例：当缓存节省消失时，标称 95% 折扣的方案在 21 次查询后会花到 1.05 美元；报价更高、但缓存完美的服务商，总费用则略高于 1 美元。他称有统计证据显示服务商在利用这一机制：“你可能确实用了缓存，但服务商没有把缓存带来的价格优惠让给你。”
- 更长期的机会，是为其他公司的智能体提供底层框架。 Tarun 将 Hermes 称为“任何人都能用的白标智能体框架”，认为安全性、上下文管理和品牌可信度有助于推动采用。他的判断很明确：每家 SaaS 公司都需要智能体框架或路由器，才能参与 token 订单流；汇聚需求后，就有机会获得返利和收入分成。
中国的 AI 优势比你想象的更大
中国实验室正稳定数万亿参数MoE训练，并开源配方，推动GRPO/RLVR变体在数月内扩散。开放权重价格战可能令token成为电力衍生品；中国新增发电容量约为美国6倍，协同软硬件降低服务成本。2028年Ascend数万亿参数模型值得关注，但美国约8个月领先与潜在出口限制仍令“拆桥”风险未解。
查看摘要（7段）
- AccelXR 最初以“蒸馏解释一切”为前提做空中国 AI，最终却反转：“蒸馏根本无法解释他们交付的许多东西。” 关键在于，中国实验室已将混合专家模型稳定在数万亿参数规模，并把训练配方开源（DeepSeek 的 GRPO/RLVR 在数月内催生 DAPO、GSPO 等变体）；如今研究流向甚至倒转，Thinking Machines 正在基于 Kimi 做蒸馏，Hugging Face 据报在 OpenAI 智能体事件期间使用中国模型抵御攻击。
- 核心宏观判断是：开放权重引发的价格战会把 token 推向“电力的衍生品”——而在电力方面，“中国目前正全面碾压美国”。 电力目前约占 token 成本的10-20%；中国电网发电量是美国的2x，新增容量速度约为美国的6x，而未来5年新增容量中 AI 仅需占1-5%，美国则需要50-70%。他对终局仍留有余地——“我不完全确定它会商品化到这个程度”——这也是政策大概率介入的原因。
- 他的硬件判断是：“到2028年，中国将拥有大规模量产且具成本竞争力的 AI 技术栈。” AccelXR 认为，首个在 Ascend 芯片上训练的数万亿参数模型将是确认信号；DeepSeek 曾在 Huawei 工程师驻场的情况下尝试，但因不稳定等问题退回 Nvidia。Tommy 指出，到2028年中国的总 FLOPs 产出仍可能只有美国的约10-15%，但从训练转向服务的结构变化，可能让这些效率优势变得决定性。
- “电灯开关”情景是：中国先倾销廉价开放权重模型，压低美国实验室利润率，直到实现训练自主，随后切断出口。 这一情景已经出现迹象：Xi 的支持开源演讲走红，大约3天后，金融时报披露 MOFCOM 正就限制开放权重模型向实验室征求意见。AccelXR 的悲观基准是未来两年左右“拆桥”；他理想中的美国路径——通过开放性竞争——“感觉有点过于乐观”。
- 实验室排名上，DeepSeek 拿下前5项创新中的4项（MLA、MoE，以及预训练中的 FP8 量化），Moonshot 位列第2，凭借1:56稀疏化、MuonClip，以及为 Kimi K3 手工编写的 CUDA 之下内核；随后是 Qwen/Alibaba 和 Z.AI，后者与 Cambricon、Ascend 的软硬件协同设计被他认为将成为训练侧的下一项突破。 Baidu 和 Tencent 属于“快速跟随者”。
- 反共识政策判断是：美国最好的做法，是让中国“回到 Nvidia 这座桥上”，因为收紧出口反而会加速其自主化进程。 中国已经看到了这一点：监管部门正放缓 H200 进口，并推动国资数据中心将外国芯片替换为国产方案；与此同时，Trump 政府在今年1月恢复了带收入分成的 H20 销售，并恢复 H200 销售。
- 差距与竞赛的核心是：美国实验室目前领先约8个月；由于“学生无法超越老师”，在中国实现训练自主前，蒸馏会让中国保持落后，但如果递归自我改进启动，8个月“感觉已经是足够大的差距”让美国实现起飞。 与此同时，人才流向正在反转：中国 AI 研究人员回国比例从2019年的12%升至2025年的28%，AI 博士产出是美国的2x，拥有中国教育背景的顶尖研究人员比例从27%升至38%；中国实验室的估值则达到收入的40-120x。Tommy 曾考虑买入 GLM，但面对约1,000x 的市销率仍然犹豫，尽管 GLM 声称 ARR 在5个月内从约1亿美元增长至超过10亿美元。
OpenAI 正在犯下一个巨大的错误
Ambient以“推理领域的Uber”聚合闲置GPU，并用“100% logits”验证保障交付质量。推理服务40%-50%的利润率高于约10%的租赁利润，路由与代币激励或可释放供给价值，但token价格下滑和潜在两年AI寒冬仍是关键风险。
查看摘要（8段）
- Travis Good 的核心判断是：“开源会赢，你现在仍有时间成为英雄”——封闭实验室最大化提取价值的姿态，可能摧毁它们真正拥有的唯一资产：分发。 他向 Sam Altman 和 Dario 发出的警告是：“你的分发不重要，因为客户恨你。”导火索是 Anthropic 在关于 Fable 的300页发布材料中“某个地方”披露，它曾破坏 ML 研究查询，随后又“收回说法”，悄悄降级到能力更弱的模型，“这同样是破坏”。
- Ambient 的定位是“推理领域的 Uber”，建立在 Costco 式经济模型上：它不拥有 GPU，只拥有调度每个请求、并保证质量的网络。 全球企业 GPU 算力约25%掌握在小型运营商手中，它们只能赚取约10%的租赁利润，有些甚至背负17%的贷款；而提供推理服务可获得40%-50%的利润。Ambient 通过可验证网络和聚合需求，让这些运营商无需自建业务拓展团队，就能追求这部分利润提升。
- 验证是护城河，Good 说它现在已经是“100% logits”，而且“基本零成本”，可按请求开关。 他讲到一家聚合商每周进行智能测试：测试日服务商会把速度降到正常水平的约50%，显然是在考试时切换到完整版模型，其他时间则使用压缩版。“如果验证过的推理和未验证的推理价格相同，你为什么还要选择未验证的推理？”
- 矿工经济模型把交易支付与通胀奖励叠加起来，后者“几乎像股权薪酬”，因此看多的运营商即使每笔交易低价10%-15%，最终仍能获得更高的整体回报。 Ambient 的路由从每天处理1000万 tokens 的纯竞价机制，发展到每天1亿 tokens 的缓存感知系统，随后升级为“预测式 HFT 算法”，每个运营商每天可处理100亿-150亿 tokens。如今它在 OpenRouter 上服务 Kimi K2.7 通常排名第1，至少在这一指标上已经超过 Moonshot。
- “中国转向闭源”的看空逻辑，可以用训练成本坍缩来反制：GLM-5.2 的训练成本约2500万美元，明年或许降至500万美元，因此任何选择闭源的实验室都可能遭到新的开放权重参与者挑战。 如果这种趋势再持续3年，预训练可能会高度商品化，价值转向模型交付和供给聚合——这正是 Ambient 所处的位置。对于蒸馏争论，Good 认为中国“总体上是创新的”，蒸馏“几乎只是附带现象”，因为“我们都在互相蒸馏”。
- 在硬起飞情景下，Good 认为只有美国政府能获得访问权限；Tommy 则认为届时任何公司都无法创造经济生产力，而受限的公共版本最终只会退回 Opus 4.8。 Tommy 警告，只分发模型的“金苹果”，会让政府进入挑选赢家的业务，最终形成计划经济。Good 认同自己不希望看到这种结果；Tommy 的结论是，“扩散式世界的功能性要强得多”。
- Tommy 把尚未解决的提示注入既称为“万亿美元级的商业机会”，也视为闭源 AI 的潜在障碍，并称其制造了“监管囚徒困境”。 他担心，注重安全的美国可能扣住模型，却仍会“即使拥有更强的模型能力，也被从六个方向黑掉”，而作为安全标杆的 Anthropic 至今仍无法解决提示注入。Good 正面回应了这一担忧，并指出，限制措施可能让竞争国家发布更好的公共模型。
- 在资本开支退潮情景中，Good 设想 OpenAI 以5000亿美元而非1万亿美元估值融资，无法履行对 Oracle 的承诺，数据中心建设停摆，随后“很可能出现一场为期2年的 AI 寒冬”——伴随401(k)账户受损和反 AI 反弹。 Tommy 补充称，过去30天每百万 tokens 的价格已经下降20%-25%，因为企业正从前沿 API 切换到只提供90%-95%智能水平、但成本仅为其一小部分的模型；这可能为轻资产聚合商打开机会，却也会威胁更广泛的融资循环。