OpenAI 的 Thrive 伙伴关系和中国大型语言模型如何重塑企业 AI 集成

OpenAI 和 Thrive Capital 的企业 AI 联盟

OpenAI 最近的战略行动强调了将 AI 深入整合到传统行业中的推动力。2025 年 12 月，OpenAI 通过与 Josh Kushner 的 Thrive Capital 合作，持有 Thrive Holdings 的股份，这是一种新型投资工具，旨在将 OpenAI 的大型语言模型 (LLM) 嵌入到诸如会计和 IT 服务等垂直行业中[1][2]。OpenAI 并非进行现金投资，而是以股权交换专门的研究团队——这样双方的激励措施就对齐了，专注于通过 AI 驱动传统业务运营的转型。目标是将 AI 注入到 Thrive 投资组合公司中的手工、碎片化流程，并通过与领域专家的强化学习来不断改进这些模型[3]。Thrive 已筹集超过 10 亿美元用于收购传统服务提供商并利用 AI 对其进行全面改革[2]。这一合作伙伴关系标志着一种新方法：OpenAI 不仅仅是在出售 API 访问权限；它通过与企业共同构建 AI 解决方案进行纵向整合。“通过持股对齐 OpenAI” 确保 OpenAI 和 Thrive 共享一个“北极星”，即为这些行业开发领先的 AI 驱动产品[4]。值得注意的是，尽管 Thrive Capital 是 OpenAI 的主要支持者，该协议并未将 Thrive 限制在仅使用 OpenAI 的模型——Thrive 仍可以利用其他模型，包括开源模型，只要它们合适[5]。这突显了当今企业 AI 领域的一个务实事实：公司将采用最符合其领域需求、成本限制和集成要求的模型。

美国各行业的大型语言模型企业采用情况

在整个美国企业界，特别是生成式 AI 的企业采用率在过去两年中激增。2024 年麦肯锡的一项调查发现，78% 的组织现在至少在一个职能中使用 AI（比前一年增长了 55%），并且 71% 的组织已部署生成式 AI 工具。这表明大语言模型（LLM）已经从实验性试点转变为许多公司的“基本业务基础设施”。关键是，这一趋势在各个行业都很广泛。在金融领域，银行使用 LLM 分析研究并协助顾问；在医疗保健领域，LLM 撰写医疗报告和患者沟通；在法律和咨询领域，它们总结文件并生成首稿内容。在电子商务和旅游业，生成式 AI 提供客户服务和推荐，例如，Airbnb 的 AI 礼宾可以在没有人工代理的情况下帮助解决客人的查询。零售巨头亚马逊使用 AI 模型为购物者总结产品评论，从数百条评论中提取共同的喜好和不满，并将其汇总成一段话。这改善了客户体验并加速了销售转化。亚马逊还推出了生成式 AI 工具，以帮助市场卖家撰写更好的产品列表，甚至通过 LLM 集成使 Alexa 更具对话性。这些例子强调了一个模式：企业正在将 LLM 集成到任何可以自动化工作流程或增强用户互动的地方，从撰写营销文案到为聊天机器人和编码助手提供动力。

然而，大规模整合 AI 并不简单——许多公司仍在从试点阶段过渡到生产阶段时遇到困难。研究发现，只有 5% 的生成式 AI 试点项目能够迅速实现收益增长，许多项目因目标不明确或基础设施挑战而停滞不前[9]。尽管如此，企业 AI 的商业前景依然强劲。成功的公司报告了良好的投资回报率（根据一项分析，平均回报率为 3.7 倍），并据此重新分配预算[10]。企业对大型语言模型（LLM）的支出激增——到 2025 年，37% 的企业每年在 LLM 使用上的支出超过 25 万美元[11]。这种投资意愿反映了竞争的必要性：企业将 AI 视为提升生产力和创新的战略技术。结果就是一个企业 AI 生态系统，其中多个 LLM 共存。事实上，调查显示，“多模型”部署模式正在兴起——一份报告发现，大多数公司至少使用两种不同的 AI 模型，通常将 OpenAI、Anthropic、Google 和开源提供商的产品混合使用[12]。这种多模型方法使组织能够平衡各种 LLM 的优劣势（例如，一个模型用于编码支持，另一个用于通用聊天任务），并避免对单一供应商的过度依赖。

美国公司采用中国大型语言模型：成本优势与影响

企业 AI 故事中一个意想不到的转折是中国开源 LLM 在美国的应用兴起。一年前默认使用美国模型的公司，现在越来越多地评估（在某些情况下甚至采用）来自阿里巴巴、百度、智谱、MiniMax 等公司的模型。原因归结为一个强大的价值主张：这些模型通常是免费的，具有“开放权重”（公开发布的模型参数），运行成本远低于美国同行。对于试图大规模自动化任务的企业来说，成本和可定制性可能会超过拥有最先进的模型。因此，即使是美国著名科技公司也开始尝试使用中国的 AI。在最近一个引起轰动的例子中，Airbnb 的 CEO Brian Chesky 透露，公司在自动化客户服务代理方面严重依赖阿里巴巴的 Qwen LLM——因为“有更快、更便宜的模型”，而不是选择 OpenAI 的最新模型。 Chesky 特别称赞 Qwen，说“我们在很大程度上依赖阿里巴巴的 Qwen 模型。它非常好。它也很快，也很便宜。” 事实上，Airbnb 于 2025 年推出的新 AI 礼宾服务是使用 13 个模型（包括 OpenAI、Google 和开源）混合构建的，但中国的 Qwen 承担了大部分繁重的工作。使用 Qwen 等模型的成本节约使 Airbnb 能够自动化 15% 的支持请求，并将解决时间从几小时缩短到几秒钟——这是一个切实的商业影响。

Airbnb 并不孤单。一些资金雄厚的初创公司和风险投资公司也转向东方寻找 AI 捷径。著名投资者 Chamath Palihapitiya 表示，他的公司将其 AI 工作流从亚马逊的专有服务转移到了 Moonshot 的 Kimi 模型（来自一家北京初创公司），因为它“性能更好”。[19] 同样，前 OpenAI CTO Mira Murati 的新公司发布了一款工具，允许用户微调开放模型——包括 Qwen 的八种变体——这突显了在中国 LLM 基础上构建的兴趣。[20]。吸引力显而易见：“对于一家普通初创公司，真正重要的是速度、质量和成本……中国模型在平衡这三方面表现一贯出色。”[21]。中国的 AI 实验室积极开源模型，并提供宽松的许可证，任何人都可以下载模型权重并进行定制。例如，阿里巴巴将其 Tongyi Qianwen (Qwen) 模型家族的版本在 Apache 2.0 许可证下开源，参数范围从 4B 到超过 70B。[22][23]。这意味着公司可以*“从互联网下载这些权重，并在专有数据上进行微调”*，从而无需从头开始就能获得特定领域的模型。[24]。一家韩国公司正是这样做的——微调 Qwen 以处理政府文件——因此降低了 30% 的成本。[25]。阿里巴巴报告称，全球已有超过170,000 个模型衍生自 Qwen，并且有超过 90,000 家企业（涵盖消费电子、游戏等）以某种形式采用了 Qwen 模型家族。[26]。这些数字表明，中国的 LLM 已迅速在全球开发者和企业中站稳脚跟。

这一趋势的影响是双刃剑。 一方面，美国AI供应商看到潜在的企业收入被分流。每一个由中国开放模型处理的工作负载，都意味着没有使用OpenAI或Anthropic的付费API。正如《The Wire China》所指出的，如果美国模型开发者失去像Airbnb这样的大客户给中国竞争对手，那么这就是一个“警告信号”，表明美国的方法（通常是专有且高成本的）在某些用例中正在失效。像OpenAI、Anthropic和Google这样的前沿模型实验室可能被迫做出回应——无论是通过降低价格、提供开放版本（实际上OpenAI刚刚发布了一些“开放权重”GPT模型），还是专注于真正差异化的能力。另一个影响是战略和地缘政治：美国公司对中国AI的依赖增加，引发了信任和安全问题。迄今为止，在某些情况下，关于成本和性能的实用性已超越了对数据治理的担忧。但华盛顿正在关注——美国监管机构在2025年初将中国AI公司智谱（GLM模型制造商）列入贸易黑名单，而商务部的一份报告警告外国AI的安全风险，并指出中国模型的崛起正在*“削弱美国开发者的历史性全球领先地位。”美国甚至有动向限制政府环境中使用中国LLM，如果国家安全压力增加，可能会扩展到企业。在企业层面，对中国AI供应商的尽职调查正在增加——公司必须权衡像Qwen或DeepSeek这样的模型的好处与数据泄露或合规性问题等风险。有些通过在内部自托管开源模型来缓解这一点（避免外部API调用），这样解决了数据驻留问题，但需要显著的内部工程支持。其他人采取混合方法：将中国模型用于非敏感任务，同时为更信任的模型保留敏感数据。无论如何，中国LLM的进入注入了健康的竞争。这推动美国公司在效率上进行创新（例如，Anthropic最新的Claude比其前身更便宜和更快），甚至开放了其技术的某些方面。正如一位AI研究人员所说，“美国AI的长期主导地位在很大程度上依赖于[不]将开源领先地位拱手让给中国。”*

企业正在整合的5大AI模型

在当今的多模型环境中，一些大型语言模型（LLM）已成为企业整合的首选：

OpenAI GPT系列（GPT-4和GPT-5）——OpenAI的GPT模型在企业AI中依然是重要的选择，以其先进的能力和可靠性著称。GPT-4在自然语言理解和生成方面带来了突破性的表现，而OpenAI新推出的GPT-5更是一次重要的飞跃——在编程、数学、写作和多模态任务方面表现出色[34]。许多公司通过Azure OpenAI服务或OpenAI的API访问GPT模型，用于支持聊天机器人、写作助手和决策支持工具。GPT-4/5的强项是复杂推理和流畅对话，使其成为法律文档分析或内部帮助台自动化等应用的理想选择。然而，它们是专有的且价格昂贵。截至2025年，OpenAI的企业市场份额约为25%[35]，反映了广泛的使用但也面临竞争。OpenAI回应开源浪潮，发布了GPT-OSS（开放权重）模型，参数分别为120B和20B，以供自托管[28]，旨在吸引需要更多控制的企业。尽管如此，对于许多企业来说，GPT-4仍然是质量的基准——在准确性至关重要的情况下经常被使用。
Anthropic Claude - 由 Anthropic 开发，Claude 快速成为企业中最受欢迎的 AI 系统之一。事实上，到 2025 年底，据报道 Anthropic 以 32% 的企业 LLM 市场份额超过了 OpenAI[35]。Claude 的受欢迎程度源于其设计理念：它被打造得既有帮助、诚实又无害（对齐），并提供非常大的上下文窗口（超过 100K 令牌），使其能够轻松处理冗长的文档或多轮对话。最新的 **Claude 4 系列（Opus 4, Sonnet 4.5）**在编码和推理任务上提供了顶级性能[36]，使 Claude 成为 OpenAI 模型的强劲竞争对手。企业使用 Claude 来分析软件代码、生成知识库文章，并作为 Slack 等工具中的 AI 助手。Claude 智能、速度和较低的冒犯性输出风险的平衡，尤其在面向客户或敏感的应用中具有吸引力。Anthropic 与 AWS 的紧密合作也使 Claude 可以通过 Amazon Bedrock 为公司所用。总体而言，Claude 因其长时间记忆和可靠性而被重视，许多组织将其与 GPT 模型一起运行，以比较响应的质量和语气。
Meta 的 LLaMA 2 – LLaMA 2 是 Meta AI 推出的领先开源 LLM，于 2023 年中发布，已成为众多定制企业 AI 解决方案的基础。与专有模型不同，LLaMA 2 的权重是可用的（具有宽松的研究和有限商业使用许可证），意味着公司可以在自己的数据上进行微调。这个模型（可用尺寸高达 700 亿参数）证明了开源模型可以接近封闭模型的威力。发布几个月内，LLaMA 2 激发了一波创新浪潮——催生了无数微调的变体和行业特定模型。企业内部使用 LLaMA 2 衍生模型进行软件文档、内部代码完成或报告起草等任务变得常见，尤其是在数据隐私受到关注时。Meta 的开放方法也给其他公司（如 OpenAI）施加了压力，促使他们考虑提供开放权重。尽管较新的开源模型（包括中国模型）在一些基准上已经超越了 LLaMA 2，它仍然是需要一个可完全控制的基础模型的企业的热门选择。事实上，直到最近基于 LLaMA 的模型在 Hugging Face 上的新 AI 模型上传中占主导地位，在阿里巴巴的 Qwen 超过其新派生量之前[37]——这是 LLaMA 在 AI 开发者社区中广泛采用的证明。像 IBM 这样的科技公司甚至与 Meta 合作，通过他们的平台（IBM 的 watsonx）提供 LLaMA 2，针对企业 AI 构建者。LLaMA 2 的影响在于它为企业环境中开源 LLM 的采用打开了大门，为更新一代的开源模型铺平了道路。
阿里巴巴 Qwen – Qwen（全名 通义千问）是阿里云的旗舰大模型，被认为是全球最成功的中国开源模型之一。阿里巴巴在2023年以Apache 2.0许可证发布了Qwen-7B和14B，随后推出了更大的专家混合版本（Qwen 3中有效参数达到70B+）。Qwen模型以其高效性和多语言能力而闻名，阿里巴巴还定制了Qwen-Coder（用于编程）和Qwen-VL（视觉语言）等变体[38][39]。关键是，Qwen是免费使用和修改的，这导致了其大规模的采用：到2025年底，阿里巴巴报告称超过9万家企业（从消费电子到游戏行业）正在使用Qwen系列模型[26]。其中许多是中国公司，但由于其性价比，Qwen也在全球取得了进展。Airbnb采用Qwen 为其AI助手展示了该模型在大规模英语客户服务中的能力[15]。其他初创公司根据自己的需求微调Qwen，从而受益于强大的基础模型而无需支付API费用。Qwen对企业的影响通常体现在成本节约上：公司可以在自己的云上部署Qwen，成本仅为调用像GPT-4这样的API的一小部分。在性能方面，Qwen 14B在许多任务中与体积大两到三倍的模型竞争。阿里巴巴持续推进Qwen（最新的Qwen-3系列使用专家混合技术在使用更少活动参数的同时提升性能[40]）。对于企业来说，Qwen提供了一个成熟的、可投入生产的开源模型，由科技巨头支持——并作为阿里巴巴云产品的一部分，一些跨国公司在阿里巴巴云有业务的地区使用。因此，Qwen已成为顶级大模型选择，尤其适合那些寻求西方API替代方案的公司，无论是出于成本、灵活性还是本地化的原因。
DeepSeek – DeepSeek 是一个新兴的参与者，以其超低成本和开放的方法迅速引起了关注。由一家中国 AI 公司开发（据信总部位于香港），DeepSeek 的模型系列可能还不是家喻户晓的名字，但在开发者中，它正作为经济实惠的 AI 颠覆者而流行起来。DeepSeek V3 模型巨大（数千亿参数），并在 MIT 许可下开源[41]，这意味着企业可以自由下载和部署用于商业用途[42]。真正让 DeepSeek 脱颖而出的是其对优化成本高效推理的执着关注。最新的 DeepSeek V3.2-Exp 模型将推理成本降低了 50%，通过其 API 提供每百万 tokens 仅 $0.028 的输入处理费用[43]——比 OpenAI 的 GPT-4 便宜数个数量级。即使接近 128k token context（数百页文本），DeepSeek 仍保持低成本和稳固的性能[43][44]。技术上，它通过诸如 DeepSeek Sparse Attention (DSA) 的创新实现这一点——一种机制选择性地关注最相关的 tokens（“闪电索引器”）而不是长序列中的每个 token[45]。这大大减少了长提示的计算，同时保留了答案质量，有效地平坦化长上下文任务的成本曲线[46]。由于这样的效率，DeepSeek 非常适合处理如处理冗长的法律合同或进行多轮研究对话等应用，而不会产生巨大的云帐单。企业也欣赏 DeepSeek 可以自托管——完整的模型权重（例如 685B 参数的 V3.2）可下载，公司甚至提供优化的推理内核和 Docker 镜像以供部署[47][48]。在实践中，一些美国组织正在测试 DeepSeek 作为一种减少对大型美国供应商依赖的方法——一种防止供应商锁定的对策[49]。它被视为一种*“成本效益高的替代方案”*，用于如起草、摘要和聊天等通用任务，其略低于前沿模型的质量是巨额节省的可接受权衡[50]。DeepSeek 在企业中的存在仍在发展中，但值得注意的是，在 OpenRouter（一个流行的平台路由 AI 模型 API 调用）上，DeepSeek 和 Qwen 都在 2025 年底进入了开发者最常用模型的前 10 名——而一年前，这个名单上还是以美国模型为主[51][52]。展望未来，如果 DeepSeek 继续快速迭代并保持超低成本（公司已经暗示其 API 在长上下文情况下甚至比开源竞争对手 Meta 的 Llama 还便宜[53]），它可能成为预算紧张的企业 AI 部署的主力。

Macaron – 为亚洲市场设计的消费级 AI 代理

虽然AI行业的大部分关注点都集中在企业用例上，但有一家公司押注于面向消费者的AI，那就是Macaron AI。Macaron是一家总部位于新加坡的初创公司，它推出了所谓的**「全球首个人工智能代理」——本质上是一个致力于丰富个人日常生活而不仅仅是提高工作效率的AI助手[54]。Macaron AI代理被设计成一个个性化的数字伴侣。它可以瞬间将用户的请求（即使是一个简单的句子）转化为定制的迷你应用程序或解决方案[55][56]。例如，告诉Macaron*「计划一次京都周末旅行」*，它会生成一个量身定制的行程应用；请求它帮助你建立健身习惯，它会创建一个个性化的锻炼跟踪器——一切都在几秒钟内完成，无需编码。这种生活导向的智能**是一个刻意的差异化因素：Macaron不仅仅是总结邮件或编写代码，它正在处理日常个人任务。正如公司所说，Macaron的专长是*「将一句话转化为一个可运行的迷你应用……生活中心的专注使其与主要帮助办公室工作的AI代理区别开来。」*[56]

在幕后，Macaron 也在推动技术的边界。它采用了一个巨大的专家混合模型（MoE），拥有前所未有的1万亿+参数和复杂的训练设置[57][58]。团队实施了创新的扩展技术（混合并行、低秩适应微调等）以使如此庞大的模型成为可能[59][60]。为什么这么大？因为 Macaron 旨在实现真正个性化且具有类人般广泛知识的 AI。它具备一个广泛的长期记忆模块，能够建立关于用户的个人知识库——记住你的偏好、重要事件和过去对话的上下文[61][62]。随着时间的推移，它学会预测你的需求并调整其语气和建议以适应你的独特风格，就像一个始终细心的朋友。例如，Macaron 可以提醒你上周提到的任务，或者根据你的饮食习惯和过去的喜好建议约会晚餐的餐厅。它还为 AI 增加了一个社交维度——用户可以邀请 Macaron 加入群聊以协作辅助，并分享或共同创建它构建的小应用[63][64]，将 AI 变成一种社区体验。

Macaron 专注于消费者和生活方式，可能会在亚洲迎来巨大的机遇。在中国和其他亚洲市场，大型科技公司已经将资源投入到 AI 中，但大多是针对企业或基础设施（企业云服务、政府项目等）或用于增强现有的超级应用程序和平台。一个专注于个人赋能和创造力的独立个人代理更为罕见。Macaron 看到这个空白——将自身定位为一种生活方式 AI，帮助你“生活得更好，而不仅仅是工作得更好。” 其服务（旅行规划、健康指导、关系建议、爱好促进、日记记录等）迎合了亚洲消费者对数字个人助理和“超级应用程序”的趋势，但具有更多的个性化。如果 Macaron 能够驾驭当地文化和数据法规（这是其明确正在努力的方向，通过在设计中融入当地隐私规范和 AI 伦理考量，面向日本和韩国等市场），那么它可能会受到热烈欢迎。尤其是中国市场规模庞大，尽管国内巨头有自己的聊天机器人（如百度的 Ernie 或腾讯的多项服务），但一个可以跨平台工作的灵活个人代理解决方案可能会开辟一个细分市场。Macaron 的成功将依赖于信任（存储用户的生活记忆是敏感的）及提供超越手机和现有应用程序的真正价值。但其方法——作为个人解决方案的共同设计者——暗示了新的可能性。在一个主要由企业工具和通用聊天机器人分割的 AI 领域，Macaron 是一个试图定义新类别的消费者 AI 初创公司的例子。其进展将是一个引人入胜的案例研究，展示一种为个人赋能设计的 AI 如何与大型企业 AI 项目共存并可能蓬勃发展。

未来展望：开源中国AI与美国企业战略

如果更多的美国公司继续采用开源的中国AI模型，未来会怎样？在短期内，我们可以预期竞争加剧和创新加速。美国的AI公司将被迫应对*“中国价格”——我们可能会看到AI服务成本的进一步削减以及更多西方公司的开放发布。（OpenAI在2025年推出GPT-OSS模型就是一种回应，谷歌的Gemini可能会跟进，推出包括更便宜、更小版本的层级以保持相关性。）这种竞争有利于企业买家，他们将拥有更丰富的模型选择，涵盖各种价格与性能点。我们已经看到了这一点：例如，Anthropic的Claude 4提供多种版本（Opus、Sonnet、Haiku），以在性能与成本之间取得平衡[66][36]，而像MiniMax这样的初创公司则自豪地宣传其模型成本仅为Anthropic的8%*，但性能相似[67]。如果中国的开源模型继续获得采用，美国供应商可能也会加速研究效率技术（如中国团队使用的稀疏注意力和MoE策略），以缩小吞吐量和成本的差距。事实上，正在发生一种交叉授粉——研究思想在全球流动，因此一个积极的结果是，随着团队在彼此的突破基础上构建，AI能力的整体进步可能会加速。

同时，信任和治理将是关键。企业将要求对他们使用的任何模型提供保证，无论是来自硅谷还是北京。这可能会催生对AI模型进行安全性的第三方审核和认证，就像如今的云数据中心进行安全审核一样。美国政府也可能参与其中：例如，它可能会对某些行业（如国防、关键基础设施等）使用外国开发的AI发布指南甚至限制。“人们自然会担心模型是用什么数据训练的，以及它是否表现出公司不愿看到的行为，” Air Street Capital的Nathan Benaich指出，这里指的是对外国模型进行高风险企业使用时的顾虑。我们可能会看到合规导向的AI解决方案的出现——例如托管在美国的经过安全审查的开放模型分支，为企业提供一种更安全的方式来利用这些创新。事实上，一些组织已经在追求**“两全其美”**的方式：他们采用像Qwen或Llama这样的开放模型，移除或重新训练任何有问题的部分，并在自己的安全基础设施上运行，从而享受成本效益，而无需将数据发送给外部实体。

如果中国的开源 AI 在美国企业中继续普及，它也可能改变 AI 专业知识和人才的平衡。开源模型降低了构建 AI 驱动产品的门槛，这可能催生更多的初创公司和解决方案——总体上对创新是一种胜利。然而，如果许多这些解决方案的核心技术来自中国，这可能意味着影响力。例如，中国公司可能开始为他们的开源模型提供付费支持、咨询或高级附加组件（就像 Red Hat 在开源软件世界中为 Linux 所做的那样）。即使地缘政治对立持续存在，美国科技行业可能会发现自己在广泛利用中国“开放”技术的讽刺境地中。从战略角度来看，这一趋势实际上可能会鼓励 AI 研究界的更多合作——如果中西方实验室都在相互的开源贡献基础上进行构建，那么可能会出现一个共享的技术基础（具有共同的标准或框架）。但这也可能同样导致分裂，形成两个生态系统：一个由完全开放、低成本的模型主导（在亚洲及全球对成本敏感的初创公司中占据强势地位），另一个则由高端、专有模型主导（在高安全领域和优先考虑顶级质量和支持的大型企业中占据主导地位）。

对于美国公司来说，未来一个关键的考虑因素将是AI战略中的「供应商多样化」。完全依赖一个AI合作伙伴（比如仅限于OpenAI或阿里巴巴）存在风险——包括价格变动、中断或政策变化。许多CIO会更倾向于拥有一个组合：可能是一个主要的LLM供应商，加上一个备用的内部开放模型作为应急。将中国模型纳入其中可以增强这种组合，为企业提供额外的谈判筹码。正如VentureBeat分析所指出的，DeepSeek的开源方法提供了一种对抗锁定的对策——但如果这种对策来自中国供应商，董事会和安全团队将会提出尖锐的问题。这些问题可能会在未来几年引发董事会和IT架构审查中的大量讨论。

最后，值得注意的是，美国在 AI 竞赛中仍然拥有一些关键优势：拥有最先进的半导体硬件、全球更强大的顶尖 AI 研究人才储备，以及（目前）最全面的高质量训练数据。正如引发这场讨论的 YouTube 评论所指出的，美国「就是能获得更高质量的数据和 GPU……自然，美国将像往常一样创造出更好的模型」——而「中国将在成本上不断削弱市场」。这表明未来美国公司将继续推动原始能力的前沿，而中国公司则专注于让 AI 更广泛地可及且负担得起。从企业角度来看，高端市场（需要最优质模型并愿意为此付费的公司）可能仍会忠于美国的前沿模型，而大众采用市场（需要“足够好” AI 且成本最低的公司）可能会越来越倾向于选择中国来源的开放模型。OpenAI 和 Thrive 的合作本身可以看作是对此动态的回应：通过将 AI 深度嵌入行业工作流程并从实际使用中学习，OpenAI 希望保持一种不仅仅依靠模型质量的优势，而是依赖于整体产品集成和领域专业知识。

总之，企业AI整合的格局正在被像OpenAI与Thrive这样的合作所重塑，这些合作将AI引入核心业务流程，同时能够提供低成本的中国大型语言模型的涌入，为企业提供了更广泛的选择。我们可能正迈入一个竞合的时代，美国和中国的AI生态系统既竞争又通过开源项目无意中合作，共同推进技术的前沿。对于企业来说，这通常是积极的：更多选择，更多创新，以及能够根据需求混合搭配AI解决方案。商业中的赢家将是那些能够战略性地利用这些多样性AI模型的企业——在适合的地方利用每个模型的优势，管理风险，并在技术以极快的速度演变时保持敏捷。最终，无论是最先进的OpenAI系统还是Hugging Face上的免费中国模型，对企业来说，重要的是结果。如果AI模型能够自动化任务、节省成本或开辟新的产品机会，它将受到欢迎。而在2025年及以后，这些企业将越来越多地在其AI工具包中融合东西方的元素——这一发展在不久前看似异想天开，但现在已成为我们全球交织的科技产业的现实。

来源： [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]