自己训练模型才能掌握未来？一股脑押注应用层或许值得警惕

主要观点总结

本文讨论了当前AI发展的趋势，提出“模型即产品”的观点，指出很多企业以集成商的形式提供AI服务，调用大型公司的模型API存在风险。文章还分析了当前投资现状，指出投资者对训练能力存在负面偏见，集成商面临困境。同时，文章提到了一些新兴技术如DeepResearch和Claude Sonnet 3.7，并探讨了未来模型形态的发展。最后，文章指出当前融资环境存在问题，呼吁建立跨领域专业知识的小型团队来解决未来的AI应用场景。

关键观点总结

关键观点1: “模型即产品”成为主流趋势，企业面临选择：自己训练模型还是用别人已训练好的模型。

文章提出当前很多企业在提供AI服务时，只是作为集成商调用大型公司的模型API，这存在风险。作者认为未来集成商将面临选择：自己训练模型还是用别人已经训练好的模型。目前投资者对训练能力存在负面偏见，导致集成商融资困难。

关键观点2: 大型实验室通过捆绑进入应用层，试图捕获大部分价值。

大型实验室公开展示他们的技术进展，通过捆绑进入应用层，试图捕获大部分价值。这导致模型提供商和集成商之间的蜜月期结束，事情可能朝两个方向发展。

关键观点3: 强化学习在AI领域具有巨大潜力，但目前尚未被充分定价。

文章提到强化学习尚未被定价，具有巨大的颠覆潜力。但当前的融资环境存在问题，模型训练公司难以筹集资金。

关键观点4: 未来最具盈利潜力的AI应用场景尚未成熟。

文章指出，像搜索和代码这样的领域已经接近成熟，但未来许多最具盈利潜力的AI应用场景尚未发展到这一阶段。拥有跨领域专业知识和高度专注的小型团队可能最适合解决这些问题。