{"source":{"id":"mb-20260827-2b1490","title":"给 OpenAI 账上打了 130 亿美元的微软，正在内部组装一台把供应商踢出核心业务的机器","url":"https://mubeitech.com/p/mb-20260827-2b1490"},"method":"semantic-similarity","count":6,"items":[{"rank":1,"id":"mb-20260823-338c21","account":"mubei","brand":"","title":"两个月时间，AI 行业的底层权力结构被悄悄颠覆了","summary":"两个月时间，AI 行业的底层权力结构被悄悄颠覆了","body":"两个月时间，AI 行业的底层权力结构被悄悄颠覆了。\n2026 年 6 月，在 Vercel 的开发网关上，开源模型的 Token 处理量只占 28.4%。\n到了 8 月下旬，这个数字直接飙升到了 62%。\n闭源巨头筑起的技术高墙，在真实流量面前几乎被瞬间冲垮。\n最诡异的地方在于，与此同时，OpenAI 和 Anthropic 的营收还在加速增长。\n一边是顶尖实验室账面收入创新高，一边是实际调用份额被开源模型成倍蚕食。\n这到底是在繁荣，还是在退潮？\n要看懂这场无声的剧变，必须搬出商业史上最经典的一台冰冷机器。\n哈佛商学院克里斯坦森在 2003 年提出的「利润守恒定律」。\n这一定律揭示过一个残酷的商业铁律。\n当一个价值链中的某个核心环节被标准化、模块化和大宗商品化时，这个环节的暴利就会迅速蒸发。\n但利润本身不会凭空消失。\n它必然会迁移到产业链相邻的、最稀缺且不可替代的环节。\n过去两年，整个科技圈都在押注「模型即终局」。\n所有人都以为，掌握最强大脑的模型厂商，会通吃整条产业链的超额利润。\n现实的技术演进却走了一条相反的路。\n开源模型迅速跨过了「足够好用」的工程临界点。\n对企业和开发者来说，绝大多数日常任务根本不需要调用昂贵的顶级前沿模型。\n更关键的推手是网关层的解耦。\n一旦统一接口将底层模型彻底抽象化，更换模型的切换成本瞬间归零。\n大模型从一种不可替代的神秘智慧，迅速退化成了随取随用的廉价电力。\n模型层的模块化一旦完成，利润守恒定律立刻无情启动。\n暴利开始向产业链的两端极速迁移。\n一端向着底层的物理硬件逃逸。\n杰文斯悖论在这里彻底显形：单次调用的成本越便宜，全球激发的调用总量就越呈指数级爆发。\n模型厂商降价内卷省下来的每一分钱，最终都原封不动变成了对英伟达芯片、高带宽内存、先进封装和电力能源的刚性采购。\n另一端向着顶层的专属工作流逃逸。\n单纯提供通用算力的模型没有护城河，只有把模型深度嵌入私有业务流程、掌握专有数据和验证体系的应用，才能守住高毛利。\n夹在中间的纯模型层，正在被两头挤压成利润最薄的过路管道。\n顶尖实验室依然可以烧掉数百亿美元训练下一代前沿模型。\n但在开源生态的贴身紧逼下，任何性能领先的商业溢价窗口，都会被迅速拉平。\n最赚钱的生意，从来不在被迅速商品化的中间层。\n当一种技术变得像自来水一样普及，真正拿走全部利润的，永远是底层的自来水管网，和顶层用自来水酿造出高附加值产品的人。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-23 18:17:13","created_at":"2026-08-23 18:17:13","url":"https://mubeitech.com/p/mb-20260823-338c21","markdown_url":"https://mubeitech.com/p/mb-20260823-338c21/markdown"},{"rank":2,"id":"2072703764876951875","account":"mubei","brand":"@mubei","title":"你以为美国五百强企业，天天在跪求 OpenAI 和 Anthropic 的接口？ 其实，大公司内部早就憋了一肚子火。 它…","summary":"你以为美国五百强企业，天天在跪求 OpenAI 和 Anthropic 的接口？ 其实，大公司内部早就憋了一肚子火。 它们用你，是因为现在没得选； 但它们脑子里想的，全是越早除掉你越好。 这种愤怒，从前年萨姆·奥特曼（Sam Altman）那场\"宫斗戏\"就开始埋下伏笔了。 当时，…","body":"你以为美国五百强企业，天天在跪求 OpenAI 和 Anthropic 的接口？\n其实，大公司内部早就憋了一肚子火。\n\n它们用你，是因为现在没得选；\n但它们脑子里想的，全是越早除掉你越好。\n\n这种愤怒，从前年萨姆·奥特曼（Sam Altman）那场\"宫斗戏\"就开始埋下伏笔了。\n当时，一家市值千亿的上市公司 CTO 直接给顾问打电话：\n\"这帮人把 CEO 开除了，到现在都没说清楚为什么。我们怎么敢把最核心的业务数据，托付给一个连管理层都像过家家一样的公司？\"\n在真实商业世界里，没有人能拿到这种免死金牌。\n\nAI 巨头们最大的问题，是极度的傲慢和对商业的无知。\n每次奥特曼或者 Anthropic 的 CEO 出来演讲，大企业客户的对立情绪就加重一分。\n\n大公司要的是什么？\n是控制权。\n控制自己的算力、控制自己的模型、控制自己的数据，以及保住自己的\"阿尔法\"（核心竞争优势）。\n你让他们把最核心的业务流和提示词送到硅谷的云端，等于直接把生产资料拱手让人。\n\n更别提现在 AI 实验室那套荒唐的收费模式了。\n他们天天逼着客户去刷 Token，搞所谓的\"Tokenmaxxing\"（刷量最大化）。\n因为他们根本不知道怎么帮企业解决具体的业务问题。\n\n真正帮大厂做 AI 落地的顾问，拿钱的唯一标准是：\n能不能帮客户用更少的 Token 办更多的事？能不能把 Token 消耗砍掉 90%？\n\nPalantir 的创始人 Alex Karp 戳穿了这套把戏。\n他说，真正赚钱、有自由现金流的是应用层和算力，卖 Token 的模型层根本赚不到钱。\n大公司完全可以用开源模型，在自己安全、私有的环境下跑出前沿模型的效果。\n最重要的是，模型权重和数据完全掌控在自己手里。\n\n尤其是涉及军事和国防安全。\n美国国防部要是把战场决策的系统，外包给硅谷这帮\"共识\"控制的闭源模型，那简直是疯了。\n\n这波 AI 独角兽的傲慢，已经快到保质期了。\n在它们排队上市之前，企业客户的这波反噬，迟早会来。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2073128142856663497","translated_status_id":"2073128142856663497","published_at":"2026-07-03 14:01:01","created_at":"2026-07-03T15:56:24.288227","url":"https://mubeitech.com/p/2072703764876951875","markdown_url":"https://mubeitech.com/p/2072703764876951875/markdown"},{"rank":3,"id":"16623018","account":"mubei","brand":"@mubei","title":"现在全网最贵的资产，可能也是人类历史上贬值最快的资产。 这是风投专家加文·贝克给大模型公司下的死亡判决。 为什么？ 因为…","summary":"现在全网最贵的资产，可能也是人类历史上贬值最快的资产。 这是风投专家加文·贝克给大模型公司下的死亡判决。 为什么？ 因为光有模型，没有护城河。 贝克看得很透：如果你没有独家数据，没有互联网级别的分发渠道，你的模型能力很快就会沦为不值钱的大路货。 他的预测很残酷。 绝大多数大模型公…","body":"现在全网最贵的资产，可能也是人类历史上贬值最快的资产。\n这是风投专家加文·贝克给大模型公司下的死亡判决。\n\n为什么？\n因为光有模型，没有护城河。\n贝克看得很透：如果你没有独家数据，没有互联网级别的分发渠道，你的模型能力很快就会沦为不值钱的大路货。\n他的预测很残酷。\n绝大多数大模型公司最后的估值，就是一个零。\n最后能成气候的，大概只有十来家。\n剩下那些人的唯一出路，就是像Inflection被微软收编那样，祈祷被亚马逊这种巨头连人带代码打包买走。\nAI的战争逻辑变了。\n壁垒不再是卷参数，而是谁掌握着数据，谁把守着入口。\n\n谁把守着入口？\n谷歌有安卓和Chrome，苹果有iOS。\n这就是互联网的收费站。\n\n一年前，OpenAI的突袭对谷歌来说就像珍珠港事件。\n但巨兽醒了。\n他们让戴密斯·哈萨比斯接管了AI业务，这是一个真正的战时指挥官。\n谷歌手里有一张硬底牌：他们自己造的TPU芯片。\n这让Gemini拥有了极具杀伤力的“上下文缓存”能力。\n同一个场景下，问过的问题，算出了好答案，它就直接调取记忆。\n不用每次都烧钱重新算一遍。\n在所有创业公司都在绞尽脑汁省计算费用的今天，这招非常致命。\n\n苹果呢？\n似乎还在睡，但马上要醒了。\n苹果的字典里从来不强求第一个做，但一定要做最后一个进场并拿走利润的人。\n接下来的玩法已经很清晰了。\n你的iPhone里会跑着一个小型的本地AI模型。\n它绝对隐私，认识你的狗，知道你的习惯。\n只有当它处理不了时，才会去云端向OpenAI求助。\n为了跑动这个本地AI，新iPhone的内存必须翻两倍甚至三倍。\n就为了这个能懂你的本地AI，无数人会心甘情愿扔掉手里屏幕摔裂的旧手机。\n\n但在这场狂欢的尽头，物理世界的墙已经竖起来了。\nAI现在的死穴不再是GPU算力。\n而是去哪找地方插电源。\n未来的数据中心，体积会比曼哈顿还要庞大，直接秒杀五角大楼。\n想喂饱这些吞电巨兽？\n选址只能直接往核反应堆旁边靠。\n\n如果贝克是对的，现在的百模大战，可能只是开场前那段调音。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2084233733511504089","translated_status_id":"2084233733511504089","published_at":"2026-08-03 08:47:46","created_at":"2026-08-03T10:20:05+02:00","url":"https://mubeitech.com/p/16623018","markdown_url":"https://mubeitech.com/p/16623018/markdown"},{"rank":4,"id":"mb-20260827-9c8810","account":"mubei","brand":"","title":"OpenAI 亲手扶植的头号法律独角兽，把最核心的推理底座换成了中国开源模型","summary":"OpenAI 亲手扶植的头号法律独角兽，把最核心的推理底座换成了中国开源模型","body":"OpenAI 亲手扶植的头号法律独角兽，把最核心的推理底座换成了中国开源模型。\n\n这家公司叫 Harvey，背后站着红杉、a16z 和 OpenAI 创业基金。\n过去两年，它一直是闭源大模型在专业应用层的标杆代表。\n如今它推出的新一代核心模型 Harvey Tenet，底座直接换成了月之暗面的开源模型 Kimi K3。\n在复杂的法律智能体评测中，这套定制系统的任务完成率，几乎是原版底座的两倍，甚至超过了 GPT-5.6 Sol 和 Anthropic 的 Fable 5。\n\n同一周，掌握百年法律数据库 Westlaw 的汤森路透（Thomson Reuters），也做出了同样的选择。\n它耗资 4000 万美元，基于阿里的开源模型 Qwen 深度定制出专有模型 Thomson-1。\n原本跑在 Anthropic Claude 上的高难度法律文档审查，被全线迁走。\n\n为什么最不差钱、最懂合规的顶尖法律巨头，开始集体跳出闭源模型的引力场？\n表面上看，是开源模型更便宜，是每百万输入 token 只要 0.15 美元的极致性价比。\n但对掌控数十亿美元资产的巨头而言，几美分的接口差价根本算不上战略决策。\n真正驱使他们撤离的，是一台支配了工业界半个世纪的商业机器。\n\n克里斯坦森「利润守恒定律」。\n\n2003 年，哈佛商学院教授克里斯坦森在《创新者的解决方案》里提出了这条铁律：\n当一个产品体系中的某一核心模块走向标准化和大宗商品化，商业世界的超额利润，必然向相邻尚未被满足的专有环节转移。\n软件思想家 Joel Spolsky 把它概括成更直白的一句话：\n让你的互补品变成廉价大宗商品。\n\n过去两年，大模型行业流行一种假设：\n底层基础模型会演变成通吃一切的黑盒超级大脑，所有垂直应用最终都只是薄薄的接口分发层。\n现实很快撞上了两堵无法逾越的高墙。\n\n第一堵墙，是通用能力的过度配置。\n闭源巨头为了在通用榜单上刷出最高分，把天量算力和参数花在写诗、聊天和通识百科上。\n但严谨的法律推理不需要大模型会写十四行诗。\n它需要 100% 准确的管辖权判例溯源、毫无妥协的交叉引用，以及连续运行数十小时的长程逻辑链。\n企业花着最昂贵的通用接口租金，买来的却是 90% 自己根本用不上的冗余能力。\n\n第二堵墙，是数据主权与护城河的防御。\n如果 Harvey 和汤森路透始终把所有法律提示词发往闭源云端，它们手里的核心资产就永远只是替别人喂养数据的饲料。\n闭源平台一旦掌握了这批最精密的业务交互，随时可以推出原生功能，把上层应用连根拔起。\n守住自身生意的唯一办法，是把推理权重完全搬进自己的保险箱。\n\n当开源模型的推理与编程能力，跨过了商业可用的临界点，天平瞬间倾斜。\n月之暗面的 Kimi K3 和阿里的 Qwen，向全球开发者免费交出了顶级的通用认知底座。\n基础智能的权重，一夜之间沦为随处可得的廉价基础设施。\n\n真正的价值跃迁，落在了后训练阶段。\nHarvey 用两个月时间，在专有算力集群上，把数十年积累的私域法律案例、合成数据和判例基准，通过强化学习灌进开源底座。\n汤森路透把 Westlaw 和 Practical Law 的专属知识库，与开源底座紧密咬合。\n通用底座负责提供基础逻辑框架，专有后训练负责注入行业顶级专家的神经回路。\n\n最终的结果耐人寻味。\n经过深度垂直特化的开源衍生系统，在具体专业场景里的表现，反而击败了不可触碰的闭源巨无霸。\n企业彻底摆脱了被单一供应商锁定与断供的隐患，同时把单次推理成本压缩到了原来的几分之一。\n\n这揭示了 AI 商业版图最深层的重构。\n过去行业的竞争重心，是谁能烧出参数最庞大的通用底座。\n现在超额利润的落点，转移到了谁手里握有不可替代的专有数据与业务流，以及谁能用最高效的后训练把开源权重训成专属于自己的私有武器。\n\n当底层的通用智能开始像自来水一样免费流淌，水龙头本身就不再具有定价权。\n决定胜负的，变成了你用这些水，究竟浇灌出了什么别人没有的果实。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-27 21:12:43","created_at":"2026-08-27 21:12:43","url":"https://mubeitech.com/p/mb-20260827-9c8810","markdown_url":"https://mubeitech.com/p/mb-20260827-9c8810/markdown"},{"rank":5,"id":"16525343","account":"mubei","brand":"@mubei","title":"都以为搞AI大模型最赚钱？ 算完账你会发现，很多人只是在给硅谷云巨头打工。 摩根士丹利刚给AI推理时代算了一笔账。 结论…","summary":"都以为搞AI大模型最赚钱？ 算完账你会发现，很多人只是在给硅谷云巨头打工。 摩根士丹利刚给AI推理时代算了一笔账。 结论很直接：利润全在算力霸主手里。 巨头们有三种赚钱姿势，数字很能说明问题。 第一种，纯当包租公。 直接出租GPU算力，刨去机器折旧和电费，投资回报率轻松做到31%…","body":"都以为搞AI大模型最赚钱？\n算完账你会发现，很多人只是在给硅谷云巨头打工。\n\n摩根士丹利刚给AI推理时代算了一笔账。\n结论很直接：利润全在算力霸主手里。\n\n巨头们有三种赚钱姿势，数字很能说明问题。\n第一种，纯当包租公。\n直接出租GPU算力，刨去机器折旧和电费，投资回报率轻松做到31%。\n\n第二种，自带设备卖API。\n自己建基础设施，跑自己的大模型。\n这块肥肉最香，利润空间被彻底拉爆，回报率飙到46%。\n\n第三种，租别人的设备卖API。\n这是绝大多数AI创业公司的命。\n表面看盘子最大，能做到400多亿营收。\n但在成本栏里，光是付出去的算力租金就高达279亿。\n辛辛苦苦干活，大头全交了房租，回报率硬生生掉到25%。\n\n如果大摩这套估算成真，微软、谷歌、亚马逊这帮基建狂魔的自由现金流，马上会迎来一场大爆炸。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2082075834932707459","translated_status_id":"2082075834932707459","published_at":"2026-07-28 09:17:27","created_at":"2026-07-28T11:07:58+02:00","url":"https://mubeitech.com/p/16525343","markdown_url":"https://mubeitech.com/p/16525343/markdown"},{"rank":6,"id":"mb-20260826-a16ede","account":"mubei","brand":"","title":"月之暗面把 2.8 万亿参数的 Kimi K3 开源了","summary":"月之暗面把 2.8 万亿参数的 Kimi K3 开源了","body":"月之暗面把 2.8 万亿参数的 Kimi K3 开源了。\n随后它去找微软、亚马逊和谷歌，开出了一个前所未有的条件。\n美国三大云巨头在自己平台上分发 Kimi K3，月之暗面要抽走 30% 的收入。\n消息一出，整个科技界都在看这桩谈判。\n\n过去二十年，向来是平台向下抽税。\n苹果从应用商店里抽走 30%。\n亚马逊把开源软件打包成云服务，拿走 100% 的商业收益。\n为什么一家中国模型公司，敢反过来去收美国云巨头的过路费？\n\n这背后是一套正在被颠覆的商业机器。\n第一道齿轮，叫算力重力。\n如果一个模型只有 70 亿参数，你可以在个人电脑上随便跑。\n算力高度分散，没有谁能垄断分发。\nKimi K3 的体量达到了 2.8 万亿参数。\n这种庞然大物，需要成百上千张高端显卡组成集群才能跑起来。\n普通企业根本建不起这样的基础设施。\n全球只有微软 Azure、亚马逊 AWS 和谷歌云，拥有承载它的物理机房。\n权重虽然公开了，但能把它变成商业服务的入口，被死死锁在几家云厂商手里。\n\n这就触发了第二道齿轮：开源搭便车的死局。\n2021 年，数据库公司 Elastic 愤而修改开源协议，向亚马逊开战。\n因为亚马逊直接把开源代码打包成托管服务，年入数亿，开源团队分不到一分钱。\n传统软件时代，开源开发者只能被动防守。\n但在大模型时代，训练一个千亿、万亿参数的模型，前期要烧掉几千万甚至上亿美元。\n如果云厂商继续零成本拉走权重、转手卖调用量变现，模型公司就会被迅速吸干。\n月之暗面要这 30%，是在尝试建立一种逆向平台税。\n它试图把开源模型从免费公共品，重构为类似芯片架构的知识产权许可。\n硬件是你的，但智能核心是我的。\n你想用我的模型赚钱，就得为前期的研发成本付版税。\n\n谈判最难跨过的坎，甚至还不在分成比例。\n真正的死结在代币审计。\n企业到底调用了多少次模型，消耗了多少输入和输出，向来是云厂商内部的黑箱。\n一旦签下三成收入分成，云巨头就必须向一家外部初创公司开放真实的计费日志。\n从高高在上的基础设施房东，变成被模型厂商查账的管道。\n这是传统云巨头从未让渡过的权力。\n\n大模型正在重构软件与硬件的权力天平。\n过去拥有机房的人统治一切。\n当模型规模大到只有超级机房才能承载，而超级机房又需要顶尖模型来留住客户时，收税的人和交税的人，开始换了位置。\n真正的技术壁垒，从来不仅是代码是否开源。\n谁能把智力资产变成别人硬件上拔不掉的收费站，谁才握住了真正的议价权。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-26 18:33:04","created_at":"2026-08-26 18:33:04","url":"https://mubeitech.com/p/mb-20260826-a16ede","markdown_url":"https://mubeitech.com/p/mb-20260826-a16ede/markdown"}]}