自OpenAI旗下ChatGPT带领人类跨越人工智能（AI）的技术临界点后，围绕AI的押注早已超过了科技竞赛本身，在算力和资金之外，更关乎数据所有权、行业规则制定权，与国家间的博弈。

继OpenAI为代表的闭源生态后，DeepSeek横空出世，为中国的AI开源模式奠定基础。该模式以更低的成本，激发了更多国家市场的AI创造力与可能性，动摇了技术垄断，但同时也正在面对安全风险和滥用。

11月17日，在吉隆坡举行的《财富》创新论坛上，五位来自AI领域的创业者和企业管理者交流了对于两种路线的看法和选择。

银湖资本集团首席执行官Cassandra Goh表示，采用开源路线时，公司必须在技术性能与安全性之间做出平衡。她指出，开源模型缺乏闭源模型所配套的客户支持。她表示：“企业用户使用AI，追求的不仅仅是模型性能。也要考虑到一旦格式配置出现问题导致系统宕机，开源环境是否能提供足够的支持？”

祥峰投资东南亚与印度区执行董事Chan Yip Pang认为，公司选择路线时要基于使用目的——是将它用于内部生产力的提升，还是用于原生AI应用程序的构建？

如果是前者，企业要测试AI解决方案是否真的能够提高生产力，那么通常会采用闭源模型，这样可以迅速获取投资回报率。但随着时间推移，费用会逐渐增加，在一个时间点公司会为了降低成本转向开源。

如果是为了开发AI应用并将其作为服务销售的初创公司，选择开源模型是更好的选择，因为开源模式能够让公司完全掌控技术栈，成本可控，且不必依赖大模型背后的巨头。相比之下，闭源模型随时可能涨价，甚至改变模型特征，而用户公司对此毫无还手之力。

来自金融科技领域的Dyna.AI总经理兼投资者关系负责人Cynthia Siantar指出，她所在的领域受到严格监管，监管者不会问公司的大模型是开源还是闭源，而是会问如何做出决策的？公司需要对此给出解释，这时开源模型的优势就会凸显。

Amplify AI Group首席执行官Will Liang的客户大多来自金融服务行业，他表示，如果AI是用于关乎公司竞争优势和机密的事项，大多情况下开源模式是更安全的选择，因为公司可以亲自部署并严格保密。

与此同时，有些挑战是两种模式都无法避免的，比如在不同模型之间难以保持提示词的一致性，哪怕同一模型的升级也会导致提示词失效，这需要公司重新调整操作。“当ChatGPT-4升级至ChatGPT-5时，OpenAI就出现了一些问题，因为技术本身发生了变化。”他说。

因此Will Liang给到用户最重要的建议是，模型只是解决方案的一个重要部分，除此之外，数据工程和软件工程也同样重要。公司需要有自己的数据模型和评估框架，哪怕模型有所变化，公司也要有能力对此做出应对。

硅基流动创始人兼首席执行官袁进辉认为，最终所有大模型都会趋于相似，因为它们都是基于几乎相同的数据集进行训练的。不同垂直应用之间真正的区别在于各自专有的数据，公司应该构建自己的“数据飞轮”，形成数据的闭环，从而生成垂直模型。

Will Liang同意这一观点，他补充道，如今AI领域，特别是中国AI领域有个有趣的现象——构建大模型的专家并非使用大模型的专家，中间存在着鸿沟。

“从工程专业角度看，大型科技公司的资源是竞争的一大要素，数据是第二个要素，而中小企业的知识就像是第三块拼图。这取决于每个单独的组织，每家企业都是不同的。可有时我们会默认它们是相似的……当模型走向趋同时，企业自身的工程能力、数据，与自身独有知识信息的结合，将会带来竞争优势。”他说。

英伟达首席执行官黄仁勋在11月直言，“中国将赢得人工智能竞赛。”他将此归功于更有利的监管环境和更低的能源成本。同时他批评了西方的做法，称之为阻碍进步的“犬儒主义”。

李开复在近日接受采访时表示，以OpenAI为代表的美国路径，本质上是一种“赢家通吃”的思路，用豪赌式投入押注通用人工智能（AGI）；而中国的开源模式走的则是一条“协同进化”之路，强调平台共建，在理性投入中寻求可持续增长。

中美双方由科技较量上升至政治博弈，让企业在路线选择上也不可避免地“身不由己”。

Chan Yip Pang表示，“我感觉，现在确实完全回到了中美对比的思考模式中。中国更注重技术的普及性，而美国则更追求‘完美’。” 中国的AI模型通常成本更低，更轻量化，因此更容易进入大众市场。

Will Liang说，“目前市面上存在大量的虚假新闻，人们总是听说当你使用DeepSeek，你的数据就会发送至中国。但实际上，如果你自己运行DeepSeek，数据并不会传到其他地方。我认为要帮助人们理解这一点，这需要大量的教育工作。”

袁进辉指出，真正的问题不在于中国模式和美国模式，而是开源和闭源本身。“技术迭代和传播速度非常之快，几年后，企业将有能力训练自己的模型，他们将会自己掌握算法和方法，训练一个新的模型的花费可能都不到百万美元。基础模型的价格会逐渐降低。问题的核心在于，企业如何运用模型解决多种场景下的特定问题。应用和数据将会成为获胜的关键。”（财富中文网）