OpenAI 的 Thrive 合作夥伴關係與中國 LLM 如何重塑企業 AI 整合

OpenAI 和 Thrive Capital 的企業 AI 聯盟

OpenAI 最新的策略行動強調了將 AI 深入整合到傳統行業中的推動力。2025 年 12 月，OpenAI 透過與 Josh Kushner 的 Thrive Capital 新載體 Thrive Holdings 的合作，獲得了 Thrive Holdings 的所有權股份，以將 OpenAI 的大型語言模型（LLM）嵌入會計和 IT 服務等垂直領域[1][2]。這次不是現金投資，OpenAI 提供了一個專屬研究團隊換取股權，使雙方的激勵措施一致，專注於 AI 驅動的傳統業務運營轉型。目標是 將 AI 注入手動、碎片化流程中，並透過 與領域專家的強化學習不斷改進這些模型[3]。Thrive 已經籌集了超過 10 億美元來 收購傳統服務提供商並用 AI 改造它們[2]。這次合作顯示了一種新的方法：OpenAI 不僅僅是銷售 API 訪問權；而是通過在企業內共同構建 AI 解決方案來進行垂直整合。「透過所有權使 OpenAI 與 Thrive 保持一致」 確保了 OpenAI 和 Thrive 共同追求開發業界領先的 AI 支援產品的「北極星」目標[4]。值得注意的是，儘管 Thrive Capital 是 OpenAI 的主要支持者，但這筆交易 並未將 Thrive 鎖定在 OpenAI 的模型上，Thrive 仍然可以在合適的情況下利用其他模型，包括開源模型[5]。這突顯了當今企業 AI 界的一個務實真相：公司將採用最適合其領域需求、成本約束和整合要求的模型。

美國各行業的企業 LLM 採用情況

在美國企業界，企業採用 AI，特別是生成式 AI 的情況激增，過去兩年來尤為顯著。2024 年麥肯錫的一項調查發現，78% 的組織 現在至少在一個功能中使用 AI（相比於前一年的 55%），而71% 已經部署了生成式 AI 工具[6]。這表明 LLM 已經從試驗性的試點計畫轉變為許多公司中的*「基本商業基礎設施」*[6]。重要的是，這一趨勢在各行各業中廣泛存在。在金融行業，銀行使用 LLM 來分析研究和輔助顧問；在醫療保健中，LLM 撰寫醫療報告和患者通訊；在法律和諮詢業中，LLM 總結文件並生成初稿內容。在電子商務和旅遊業中，生成式 AI 驅動客戶服務和推薦功能——例如，Airbnb 的 AI 禮賓服務 可以幫助解決客戶查詢而無需人工代理。零售巨頭 亞馬遜使用 AI 模型來匯總產品評論，從數百條評論中提取共同的喜好和不喜好，並將其濃縮成一段文字[7]。這改善了客戶體驗並加快了銷售轉化速度。亞馬遜還推出了生成式 AI 工具，幫助市場賣家撰寫更好的產品列表，甚至通過 LLM 集成讓 Alexa 更具對話性[8]。這些例子強調了一個模式：企業正在盡可能地整合 LLM 以自動化工作流程或增強用戶互動，從撰寫市場文案到驅動聊天機器人和編碼助手。

然而，大規模整合 AI 並非易事，許多公司仍然難以從試點階段轉向生產階段。研究發現，只有5% 的生成式 AI 試點項目能夠快速獲得收入增長，許多項目因目標不明確或基礎設施挑戰而停滯不前。然而，企業 AI 的商業案例依然強勁。成功的公司報告顯示穩定的投資回報率（根據一項分析平均為 3.7 倍回報），並相應地重新分配預算。到 2025 年，企業在大模型上的支出激增，37% 的企業每年在大模型使用上花費超過 25 萬美元。這種投資意願反映了競爭的必要性：企業視 AI 為提升生產力和創新力的戰略技術。結果是企業 AI 生態系統中多個大模型共存。事實上，調查顯示出現了**“多模型”部署模式**——一份報告發現，大多數公司至少使用了兩種不同的 AI 模型，通常混合使用 OpenAI、Anthropic、Google 和開源提供商的產品。這種多模型方法允許組織平衡不同大模型的優勢和弱點（例如，一個模型用於代碼支持，另一個用於一般聊天機器人任務），並避免過度依賴單一供應商。

美國公司擁抱中國 LLM：成本優勢及影響

企業 AI 故事中的一個意外轉折是中國開源 LLM 在美國的採用上升。一年前默認選擇美國模型的公司，如今越來越多地評估（甚至在某些情況下接受）來自阿里巴巴、百度、智譜、MiniMax 等公司的模型。原因歸結於強大的價值主張：這些模型通常是免費的，“開放權重”（公開發布的模型參數），運行成本也遠低於美國同行。對於試圖大規模自動化任務的企業來說，成本和可定制性可能比擁有絕對最先進的模型更重要。因此，即使是著名的美國科技公司也開始嘗試中國 AI。在最近引起轟動的一個例子中，Airbnb 的 CEO Brian Chesky 透露公司在其自動化客服代理中大量依賴阿里巴巴的 Qwen LLM，並優先選擇它而不是 OpenAI 的最新模型，因為*“有更快、更便宜的模型”。Chesky 特別讚揚了 Qwen，表示“我們非常依賴阿里巴巴的 Qwen 模型。它非常好，也很快且便宜。”*。確實，Airbnb 在 2025 年推出的新 AI 禮賓服務使用了 13 種模型（包括 OpenAI、Google 和開源模型），但中國的 Qwen 負責大部分繁重工作。使用 Qwen 和其他模型帶來的成本節省使 Airbnb 能夠自動化 15% 的支持請求，並將解決時間從數小時縮短到幾秒鐘——這是一個實實在在的業務影響。

Airbnb 並不孤單。一些資金充足的初創企業和風險投資公司也已經轉向東方尋找 AI 捷徑。著名投資者 Chamath Palihapitiya 表示，他的公司將 AI 工作流程從 Amazon 的專有服務轉移到了 Moonshot 的 Kimi 模型（來自北京的一家初創公司），因為它「性能更優越」。類似地，前 OpenAI CTO Mira Murati 的新創公司推出了一個工具，讓用戶可以微調開放模型，包括「Qwen 的八個變體」，這凸顯了建立在中國 LLM 基礎上的興趣。吸引力很明顯：對於普通初創公司來說，真正重要的是速度、質量和成本……中國模型在這三方面始終表現良好。中國的 AI 實驗室積極地以寬鬆的許可證開源模型，使任何人都能下載「模型權重並進行自定義」。例如，阿里巴巴在 Apache 2.0 許可證下開源了其「通義千問」模型家族的版本，範圍從 40 億到 70 億+ 參數。這意味著一家公司可以「從互聯網上下載這些權重並在專有數據上進行微調」，以獲得特定領域的模型，而不必從頭開始。一家韓國公司就是這麼做的——微調 Qwen 以進行政府文件處理，結果「成本降低了 30%」。阿里巴巴報告稱，全球已有超過 170,000 個模型源自 Qwen，超過 90,000 家企業（涵蓋消費電子、遊戲等）已經以某種形式採用了 Qwen 家族模型。這些數據表明，中國的 LLM 已迅速在全球開發者和企業中站穩腳跟。

這一趨勢的影響是雙刃劍。一方面，美國的 AI 供應商看到潛在的企業收入被分流。每一個由中國開放模型處理的工作負載都意味著沒有在 OpenAI 或 Anthropic 的付費 API 上運行。正如《The Wire China》所指出的，如果美國模型開發商失去像 Airbnb 這樣的大客戶給中國競爭對手，這是一個“警示信號”，表明美國的方法（通常是專有且高成本的）在某些用例中失靈了。像 OpenAI、Anthropic 和 Google 這樣的前沿模型實驗室可能被迫做出回應——無論是降低價格、提供開放變體（實際上 OpenAI 剛剛發布了一些“開放權重”的 GPT 模型），還是專注於真正的差異化能力。另一個影響是戰略和地緣政治方面的：美國公司對中國 AI 的依賴日益增加，引發了信任和安全問題。到目前為止，出於成本和性能的實用考量，在某些情況下已經超過了對數據治理的擔憂。但華府正在關注——美國監管機構在 2025 年初將中國 AI 公司智普（GLM 模型的製造商）列入貿易黑名單，而商務部的一份報告警告稱外國 AI 的安全風險，並指出中國模型的崛起正在*“削弱美國開發者的全球領先地位。”甚至在美國推動限制在政府環境中使用中國 LLM 的勢頭，可能會在國家安全壓力增大的情況下延伸到企業。在企業層面，對中國 AI 供應商的盡職調查正在增加——公司必須權衡像 Qwen 或 DeepSeek 這樣的模型的好處與數據暴露或合規問題的風險。有些公司通過在內部自行託管開源模型來減少這一問題（避免外部 API 調用），這解決了數據駐留的問題，但需要大量的內部工程。其他公司採取混合方法：使用中國模型來處理非敏感任務，同時將敏感數據保留給他們更信任的模型。無論如何，中國 LLM 的進入為市場注入了健康的競爭。它推動美國公司在效率上創新（例如，Anthropic 最新的 Claude 比其前身便宜且更快），甚至開放了技術的某些方面。正如一位 AI 研究員所說，“美國 AI 的長期主導地位很大程度上取決於[不]將開源領先地位拱手讓給中國。”*

企業整合的五大 AI 模型

在當今的多模型環境中，一些大型語言模型已成為企業整合的首選：

OpenAI GPT 系列 (GPT-4 和 GPT-5) – OpenAI 的 GPT 模型在企業 AI 中依然是主力，以其先進能力和穩定性著稱。GPT-4 在自然語言理解和生成方面取得了突破性表現，而 OpenAI 新推出的 GPT-5 更是一次重大飛躍——在編碼、數學、寫作和多模態任務上表現出色[34]。許多公司透過 Azure OpenAI 服務或 OpenAI 的 API 使用 GPT 模型來支持聊天機器人、寫作助手和決策支持工具。GPT-4/5 的強項是複雜推理和流暢對話，使其成為法律文件分析或內部客服自動化等應用的理想選擇。然而，它們是專有的，並且成本較高。截至 2025 年，OpenAI 的企業市場佔有率約為 25%[35]，反映了廣泛的使用情況但也存在競爭。OpenAI 已經通過推出 GPT-OSS (開源權重) 模型 120B 和 20B 參數進行自我託管來回應開源浪潮[28]，旨在吸引需要更多控制的企業。不過，對於許多企業來說，GPT-4 仍然是品質的基準——通常在精確性至關重要時使用。
Anthropic Claude – 由 Anthropic 開發的 Claude 很快成為企業中最受歡迎的 AI 系統之一。事實上，到 2025 年底，據報導 Anthropic 以32% 的企業 LLM 市場佔有率超越了 OpenAI[35]。Claude 的受歡迎程度來自於其設計哲學：致力於提供有用、誠實、無害（對齊）的服務，並提供非常大的上下文窗口（100K+ 令牌），使其能夠輕鬆處理長篇文件或多輪對話。最新的 Claude 4 系列（Opus 4、Sonnet 4.5） 在編碼和推理任務上提供了頂尖的性能[36]，使得 Claude 成為 OpenAI 模型的強勁競爭對手。企業使用 Claude 進行軟體代碼分析、生成知識庫文章，並在像 Slack 這樣的工具中作為 AI 助理。Claude 在智慧、速度和降低冒犯性輸出的風險的平衡尤其吸引人，特別是在面向客戶或敏感應用中。Anthropic 與 AWS 的緊密合作也使 Claude 通過 Amazon Bedrock 為公司所用。總體而言，Claude 因其長期記憶和可靠性而受到重視，許多組織將其與 GPT 模型一起運行，以比較回應的質量和語氣。
Meta 的 LLaMA 2 – LLaMA 2 是 Meta AI 推出的領先開源 LLM，於 2023 年中發布，成為許多企業定制 AI 解決方案的基礎。與專有模型不同，LLaMA 2 的權重是開放的（具有寬鬆的研究和有限商業用途許可），這意味著公司可以在自己的數據上進行微調。這個模型（最大可達 700 億參數）證明開放模型可以接近封閉模型的威力。發布後的數月內，LLaMA 2 激發了一波創新——衍生出無數微調變體和行業專用模型。企業普遍使用 LLaMA 2 衍生模型進行內部任務，例如軟體文件編寫、內部代碼補全或撰寫報告，尤其是在數據隱私受到關注時。Meta 的開放策略也迫使其他玩家（如 OpenAI）考慮提供開放權重。雖然更新的開放模型（包括中國的）在某些基準上已超越 LLaMA 2，但它仍然是 需要完全控制的堅實基礎模型的公司的熱門選擇。事實上，直到最近，基於 LLaMA 的模型主導了在 Hugging Face 上的新 AI 模型上傳，直到阿里巴巴的 Qwen 在新衍生品的數量上超過了它[37]——這證明了 LLaMA 在 AI 開發者社區中被廣泛採用。像 IBM 這樣的科技公司甚至與 Meta 合作，通過其平台（IBM 的 watsonx）提供 LLaMA 2，針對企業 AI 構建者。LLaMA 2 的影響在於它為 開源 LLM 在企業環境中的採用開啟了大門，為新一代開放模型鋪平了道路。
阿里巴巴 Qwen – Qwen（全名 通義千問）是阿里雲的旗艦大規模語言模型，堪稱全球舞台上最成功的中國開源模型。阿里巴巴在 2023 年推出了 Qwen-7B 和 14B，並以 Apache 2.0 授權發佈，之後又引入了更大的專家混合版本（Qwen 3 的有效參數達到 70B+）。Qwen 模型以其高效能和多語言能力著稱，阿里巴巴還推出了專門版本如 Qwen-Coder（用於程式編寫）和 Qwen-VL（視覺語言）[38][39]。關鍵是，Qwen 是免費使用和修改的，這導致了大量採用：到 2025 年底，阿里巴巴報告稱超過 90,000 家企業（從消費電子到遊戲的行業）在使用 Qwen 家族模型[26]。許多是中國企業，但由於其性能成本比，Qwen 在全球取得了進展。Airbnb 採用 Qwen 為其 AI 助手展示了該模型在大規模英語客服中的能力[15]。其他新創公司已微調 Qwen 以滿足其需求，受益於強大的基礎模型而無需支付 API 費用。Qwen 對企業的影響常體現在成本節約：企業可以在自己的雲上部署 Qwen，其成本僅是調用像 GPT-4 這樣的 API 的一小部分。而在性能方面，Qwen 14B 在許多任務中與大兩到三倍的模型競爭。阿里巴巴持續推進 Qwen（最新的 Qwen-3 系列使用專家混合技術來提升性能，同時使用更少的活躍參數[40]）。對於企業來說，Qwen 提供了一個成熟的、可投入生產的開源模型，由技術巨頭支持，並作為阿里巴巴雲服務的一部分，一些跨國公司在阿里巴巴雲有業務的地區使用它。因此，Qwen 已經成為頂級大規模語言模型的選擇，特別是對於尋求西方 API 替代方案的公司，無論是出於成本、靈活性還是本地化的原因。
DeepSeek – DeepSeek 是一個較新的參與者，因其超低成本和開放的方式迅速引起關注。由一家中國 AI 公司開發（據信總部位於香港），DeepSeek 的模型系列可能尚未成為家喻戶曉的名字，但在開發者中，它正被視為一個改變遊戲規則的平價 AI。DeepSeek V3 模型規模龐大（數千億參數），並在 MIT 許可下開源[41]，意味著企業可以免費下載和部署以供商業使用[42]。真正讓 DeepSeek 與眾不同的是其對低成本推理優化的持續專注。最新的 DeepSeek V3.2-Exp 模型將推理成本降低了 50%，通過其 API 提供每百萬標記僅需 $0.028 的輸入處理費用[43]——比 OpenAI 的 GPT-4 便宜數量級。即使接近 128k 標記上下文（數百頁文本），DeepSeek 仍能保持低成本和穩定性能[43][44]。技術上，它通過創新如 DeepSeek Sparse Attention (DSA) 達成此目標——這是一種機制，在長序列中選擇性地關注最相關的標記（“閃電索引器”）而不是每個標記[45]。這大幅減少了長提示的計算，同時保留了答案質量，有效地平滑了長上下文任務的成本曲線[46]。由於這種效率，DeepSeek 非常適合處理長篇法律合同或進行多輪研究對話等應用，而不會產生巨大的雲端費用。企業也欣賞 DeepSeek 可以自行託管——完整的模型權重（如 685B 參數 V3.2）可供下載，公司甚至提供優化的推理內核和 Docker 映像以供部署[47][48]。實踐中，一些美國組織正測試 DeepSeek 作為一種從大型美國供應商依賴中多樣化的方法——防止供應商鎖定[49]。它被視為一個*“成本效益的替代方案”，適用於起草、摘要和聊天等通用任務，其略低於前沿模型的質量是一個可接受的折衷，以獲得巨大的節省[50]。DeepSeek 在企業中的存在仍在崛起，但值得注意的是，在 OpenRouter（一個流行的平台路由 AI 模型 API 通話）中，DeepSeek 和 Qwen 都在 2025 年底開發者使用最多的模型前 10 名中上榜——而一年前這份名單被美國模型主宰*[51][52]。展望未來，如果 DeepSeek 能夠繼續快速迭代並保持極低成本（公司已暗示其 API 在長上下文案例中甚至比開源競爭對手 Meta 的 Llama 更具優勢[53]），它可能成為預算有限的企業 AI 部署的常備工具。

Macaron – 專為亞洲市場打造的消費者 AI 助手

雖然許多 AI 行業的重點放在企業使用案例上，但有一家公司押注於面向消費者的 AI，那就是 Macaron AI。Macaron 是一家位於新加坡的初創公司，它推出了被稱為**「世界第一個個人 AI 代理人」的產品——本質上是一個專注於豐富個人日常生活而不僅僅是工作效率的 AI 助手。Macaron AI 代理的設計目的是像個人化數位夥伴一樣運作。它可以即時將用戶的請求（即使只是一句話）轉換為自定義的小型應用程式或解決方案。例如，告訴 Macaron「計劃一次京都週末旅行」，它將生成一個量身定制的行程應用程式；請求它幫助你開始健身習慣，它會創建個人化的健身追蹤器——全部在幾秒鐘內完成，無需編碼。這種以生活為中心的智能**是一個刻意的差異化特點：Macaron 不僅僅是總結電子郵件或編寫代碼，而是處理日常個人任務。正如公司所說，Macaron 的專長是*「將一句話變成一個運行的小型應用程式……以生活為中心的焦點使其有別於主要幫助辦公工作的 AI 代理。」*

在背後，Macaron 同樣在推動技術的邊界。它使用了一個龐大的專家混合模型（MoE），具有前所未有的 1 兆多個參數和複雜的訓練設置[57][58]。團隊實施了創新的擴展技術（混合並行、低秩適應微調等），使這樣龐大的模型成為可能[59][60]。為什麼這麼大？因為 Macaron 的目標是實現一種在知識廣度上感覺真正個性化和類人化的 AI。它擁有一個廣泛的長期記憶模塊，建立關於用戶的個人知識庫——記住你的偏好、重要事件和過去對話的上下文[61][62]。隨著時間的推移，它會學會預測你的需求並調整其語氣和建議以適應你的獨特風格，幾乎就像一個隨時待命的朋友。例如，Macaron 可以提醒你一個你上週提到的任務，或者根據你的飲食習慣和過去的喜好，建議一個約會晚餐的餐廳。它還為 AI 增加了社交維度——用戶可以邀請 Macaron 進入群聊進行協作，並分享或共同創建它所構建的小應用[63][64]，將 AI 變成一種社群體驗。

Macaron 專注於消費者和生活方式，可能在亞洲挖掘出巨大的機會。在中國及其他亞洲市場，大型科技公司投入大量資源於 AI，但大多數集中於企業導向或基礎設施（企業雲服務、政府項目等），或者應用於增強現有的超級應用程式和平台。專注於個人賦能和創造力的獨立「個人代理」比較少見。Macaron 發現了這個差距——將自己定位為生活方式的 AI，幫助你「活得更好，而不僅僅是工作得更好。」其服務（旅行規劃、健康教練、關係建議、興趣促進、日記等）符合亞洲消費者對數位個人助理和「超級應用程式」的趨勢，但個性化程度更高。若 Macaron 能夠駕馭當地文化和數據法規（它明確地朝這方向努力，將當地隱私標準和 AI 倫理考量整合進其針對日本和韓國等市場的設計中[65]），可能會迎來熱烈的接受。中國市場尤其龐大——儘管國內巨頭有自己的聊天機器人（如百度的 Ernie 或騰訊的多元服務），但一個能跨平台運作的靈活個人代理解決方案可能會開闢出一片天地。Macaron 的成功將取決於信任（存儲用戶的生活記憶是敏感的）和提供超越用戶手機和應用程式現有功能的真正價值。但其方法——作為個人解決方案的共同設計者——顯示出新的可能性。在主要分為企業工具和通用聊天機器人的 AI 領域中，Macaron 是一個致力於定義新類別的消費者 AI 的初創公司案例。其進展將成為一個有趣的案例研究，展示如何設計為個人賦能的 AI 可以與大型企業 AI 項目共存，甚至可能蓬勃發展。

未來展望：開源中國 AI 與美國企業策略

如果更多美國公司繼續採用開源的中國 AI 模型，未來會如何發展？在短期內，我們可以預期競爭加劇和創新加速。美國 AI 公司將面臨「中國價格」的壓力——可能會看到 AI 服務的進一步降價和更多的開放發布來自西方公司。（OpenAI 在 2025 年發布的 GPT-OSS 模型就是一個例子，而 Google 的 Gemini 可能會跟隨，推出更便宜、更小型的版本保持競爭力。）這種競爭對企業買家有利，他們將擁有更多不同價格性能點的模型可選。我們已經看到這一點：例如，Anthropic 的 Claude 4 提供多個版本（Opus、Sonnet、Haiku），以平衡性能與成本[66][36]，而像 MiniMax 這樣的初創公司驕傲地宣稱，他們的模型成本僅為 Anthropic 的 8%，但性能相似[67]。如果中國的開源模型持續獲得採用，美國供應商可能也會加速研究效率技術（如中國團隊使用的稀疏注意力和 MoE 策略），以縮小吞吐量和成本的差距。事實上，正在發生一種交叉授粉——研究理念在全球流動，因此一個積極的結果是，隨著團隊基於彼此的突破進行建設，AI 能力的整體進步可能會加快。

同時，信任和治理將成為關鍵。企業將需要對他們使用的任何模型獲得保證，無論來自矽谷還是北京。這可能會促使對AI模型進行第三方審計和安全認證，正如今日的雲端數據中心需要經過安全審計。美國政府也可能會參與其中：例如，它可能會對某些部門（如國防、關鍵基礎設施等）使用外國開發的AI發布指導方針甚至限制。艾爾街資本的Nathan Benaich指出，「對於模型訓練所用數據以及是否表現出公司不希望的行為，存在天然的擔憂，」這涉及到對外國模型的高風險企業應用[68]。我們可能會看到合規導向AI解決方案的出現——例如，美國託管的開放模型分支，經過安全審核，為企業提供更安全的方式來利用這些創新。實際上，一些組織已經在追求「兩全其美」**的策略：他們採用像Qwen或Llama這樣的開放模型，去除或重新訓練任何有問題的部分，並在他們自己的安全基礎設施上運行，從而享受成本優勢而不必將數據發送到外部實體[31][32]。

如果中國的開源 AI 繼續在美國企業中普及，它可能也會改變 AI 專業知識和人才的平衡。開放模型降低了構建 AI 驅動產品的門檻，這可能會催生更多初創企業和解決方案——這對創新來說是一個全方位的勝利。然而，如果許多這些解決方案的核心技術來自中國，那可能會轉化為影響力。例如，中國公司可能會開始為其開放模型提供付費支持、諮詢或高級附加功能（就像紅帽在開源軟體世界中對 Linux 所做的那樣）。即便地緣政治競爭持續，美國科技行業可能會發現自己在廣泛使用中國的“開放”技術。從戰略角度來看，這一趨勢可能實際上會促進 AI 研究社區的更多合作——如果中國和西方實驗室都在彼此的開放貢獻上構建，共享的技術基礎可能會出現（可能有共同的標準或框架）。但這也可能導致分裂，形成兩個生態系統：一個由完全開放的低成本模型主導（在亞洲及全球對成本敏感的初創企業中有強大立足點），另一個由高級、專有模型主導（在高安全領域和優先考慮頂級品質和支持的大企業中佔主導地位）。

對美國公司來說，未來的一個關鍵考量將是在 AI 策略中實現「供應商多元化」。僅依賴一個 AI 合作夥伴（比如僅是 OpenAI 或僅是阿里巴巴）存在風險——價格變動、中斷或政策改變。許多首席資訊官將會偏好擁有一個組合：可能是一個主要的大型語言模型提供商，加上一個備用的內部開源模型以備不時之需。將中國模型納入其中可以加強這一優勢，為企業提供更多的談判籌碼。正如 VentureBeat 的分析指出，DeepSeek 的開源方法提供了一種防止被鎖定的手段——但如果這種手段來自中國供應商，董事會和安全團隊將會提出嚴峻的問題[69]。這些問題可能會在未來幾年引發董事會和 IT 架構檢討中的大量討論。

最後，值得注意的是，在 AI 競賽中，美國仍然擁有一些關鍵優勢：擁有最先進的半導體硬體、更強的全球頂尖 AI 研究人才管道，以及（目前）最全面的高品質訓練數據庫。正如引發這場討論的 YouTube 評論所指出，美國「就是能取得更高品質的數據和 GPU……自然，美國會創造出更好的模型，就像我們一直以來那樣」——而「中國會不斷在成本上削弱市場」。這表明了一個未來：美國公司將繼續推動原始能力的前沿，而中國公司則專注於讓 AI 廣泛且負擔得起。在企業層面，高端市場（需要絕對最佳模型並願意支付高價的公司）可能會繼續忠於美國的前沿模型，而大眾採用市場（需要「足夠好」的 AI 並以最低成本獲得的公司）可能會越來越青睞中國的開放模型。OpenAI 與 Thrive 的合作本身可以被視為對這一動態的回應：通過深度嵌入 AI 於行業工作流程並從實際使用中學習，OpenAI 希望保持優勢，不僅僅是模型質量，而是整體產品整合和領域專業知識。

總之，企業 AI 整合的格局正在被像 OpenAI 與 Thrive 這樣的合作重新塑造，這些合作將 AI 引入核心業務流程，以及大量具備能力的低成本中國 LLM 的湧入，為企業提供了更多選擇。我們可能將進入一個競合時代，美國和中國的 AI 生態系統既競爭又通過開源不經意地合作，以推進技術的最前沿。對企業來說，這通常是積極的：更多選擇，更多創新，並能夠混合搭配 AI 解決方案以滿足其需求。在商業中獲勝的將是那些能夠戰略性地利用這種多樣化的 AI 模型的企業——在合適的地方利用每一個模型的優勢，管理風險，並在技術以驚人的速度持續發展時保持敏捷。最終，無論是尖端的 OpenAI 系統還是 Hugging Face 上免費的中國模型，對企業而言，結果才是最重要的。如果一個 AI 模型能夠自動化任務、節省成本或開創新的產品機會，它將受到歡迎。而到 2025 年及以後，這些家園將越來越多地擁有東西方融合的 AI 工具組——這一發展在不久前似乎還遙不可及，但現在卻是我們全球互聯科技產業的現實。

來源： [1][2][3][4][5][6][7][9][10][12][15][17][19][20][21][27][29][30][68][33][34][35][36][37][26][16][43][46][41][51][55][56][62][65][69][70][71]