自OpenAI旗下ChatGPT帶領人類跨越人工智能（AI）的技術臨界點后，圍繞AI的押注早已超過了科技競賽本身，在算力和資金之外，更關乎數據所有權、行業規則制定權，與國家間的博弈。

繼OpenAI為代表的閉源生態后，DeepSeek橫空出世，為中國的AI開源模式奠定基礎。該模式以更低的成本，激發了更多國家市場的AI創造力與可能性，動搖了技術壟斷，但同時也正在面對安全風險和濫用。

11月17日，在吉隆坡舉行的《財富》創新論壇上，五位來自AI領域的創業者和企業管理者交流了對于兩種路線的看法和選擇。

銀湖資本集團首席執行官Cassandra Goh表示，采用開源路線時，公司必須在技術性能與安全性之間做出平衡。她指出，開源模型缺乏閉源模型所配套的客戶支持。她表示：“企業用戶使用AI，追求的不僅僅是模型性能。也要考慮到一旦格式配置出現問題導致系統宕機，開源環境是否能提供足夠的支持？”

祥峰投資東南亞與印度區執行董事Chan Yip Pang認為，公司選擇路線時要基于使用目的——是將它用于內部生產力的提升，還是用于原生AI應用程序的構建？

如果是前者，企業要測試AI解決方案是否真的能夠提高生產力，那么通常會采用閉源模型，這樣可以迅速獲取投資回報率。但隨著時間推移，費用會逐漸增加，在一個時間點公司會為了降低成本轉向開源。

如果是為了開發AI應用并將其作為服務銷售的初創公司，選擇開源模型是更好的選擇，因為開源模式能夠讓公司完全掌控技術棧，成本可控，且不必依賴大模型背后的巨頭。相比之下，閉源模型隨時可能漲價，甚至改變模型特征，而用戶公司對此毫無還手之力。

來自金融科技領域的Dyna.AI總經理兼投資者關系負責人Cynthia Siantar指出，她所在的領域受到嚴格監管，監管者不會問公司的大模型是開源還是閉源，而是會問如何做出決策的？公司需要對此給出解釋，這時開源模型的優勢就會凸顯。

Amplify AI Group首席執行官Will Liang的客戶大多來自金融服務行業，他表示，如果AI是用于關乎公司競爭優勢和機密的事項，大多情況下開源模式是更安全的選擇，因為公司可以親自部署并嚴格保密。

與此同時，有些挑戰是兩種模式都無法避免的，比如在不同模型之間難以保持提示詞的一致性，哪怕同一模型的升級也會導致提示詞失效，這需要公司重新調整操作。“當ChatGPT-4升級至ChatGPT-5時，OpenAI就出現了一些問題，因為技術本身發生了變化。”他說。

因此Will Liang給到用戶最重要的建議是，模型只是解決方案的一個重要部分，除此之外，數據工程和軟件工程也同樣重要。公司需要有自己的數據模型和評估框架，哪怕模型有所變化，公司也要有能力對此做出應對。

硅基流動創始人兼首席執行官袁進輝認為，最終所有大模型都會趨于相似，因為它們都是基于幾乎相同的數據集進行訓練的。不同垂直應用之間真正的區別在于各自專有的數據，公司應該構建自己的“數據飛輪”，形成數據的閉環，從而生成垂直模型。

Will Liang同意這一觀點，他補充道，如今AI領域，特別是中國AI領域有個有趣的現象——構建大模型的專家并非使用大模型的專家，中間存在著鴻溝。

“從工程專業角度看，大型科技公司的資源是競爭的一大要素，數據是第二個要素，而中小企業的知識就像是第三塊拼圖。這取決于每個單獨的組織，每家企業都是不同的。可有時我們會默認它們是相似的……當模型走向趨同時，企業自身的工程能力、數據，與自身獨有知識信息的結合，將會帶來競爭優勢。”他說。

英偉達首席執行官黃仁勛在11月直言，“中國將贏得人工智能競賽。”他將此歸功于更有利的監管環境和更低的能源成本。同時他批評了西方的做法，稱之為阻礙進步的“犬儒主義”。

李開復在近日接受采訪時表示，以OpenAI為代表的美國路徑，本質上是一種“贏家通吃”的思路，用豪賭式投入押注通用人工智能（AGI）；而中國的開源模式走的則是一條“協同進化”之路，強調平臺共建，在理性投入中尋求可持續增長。

中美雙方由科技較量上升至政治博弈，讓企業在路線選擇上也不可避免地“身不由己”。

Chan Yip Pang表示，“我感覺，現在確實完全回到了中美對比的思考模式中。中國更注重技術的普及性，而美國則更追求‘完美’。” 中國的AI模型通常成本更低，更輕量化，因此更容易進入大眾市場。

Will Liang說，“目前市面上存在大量的虛假新聞，人們總是聽說當你使用DeepSeek，你的數據就會發送至中國。但實際上，如果你自己運行DeepSeek，數據并不會傳到其他地方。我認為要幫助人們理解這一點，這需要大量的教育工作。”

袁進輝指出，真正的問題不在于中國模式和美國模式，而是開源和閉源本身。“技術迭代和傳播速度非常之快，幾年后，企業將有能力訓練自己的模型，他們將會自己掌握算法和方法，訓練一個新的模型的花費可能都不到百萬美元。基礎模型的價格會逐漸降低。問題的核心在于，企業如何運用模型解決多種場景下的特定問題。應用和數據將會成為獲勝的關鍵。”（財富中文網）