AI 学习笔记：基于美国现状的 AI 行业观察

[!NOTE] 笔记说明

这篇笔记记录了 Palantir 的 CEO，Alex Karp 对美国当前 AI 公司估值模式的批评，以及我基于他的观点所展开的个人行业观察。

Alex Karp 的观点

这篇笔记要讨论的相关观点来自 Alex Karp 于 2026 年 7 月在 CNBC 上电视直播时发表的言论，大意如下：

Alex Karp 告诉观众：他所接触到的每一家美国应用层的企业都在越来越不满，甚至很愤怒。因为他们发现自己向 OpenAI、Anthropic 这些公司花钱买 token 这件事其实在交智商税，这样做不仅创造不出任何价值，还被偷走了业务权重和竞争优势。

Karp 认为：如果 OpenAI 和 Anthropic 的模型真能带来它们吹嘘的生产力提升，它们应该按效果分成，而不是按 token 卖算力。按 token 定价本身就说明：这个产品无法稳定创造可量化的价值。能创造价值就按价值收费，卖算力说明卖的就只是算力。这套模式本质上是在向社会征收"一种既不帮助弱者、又惩罚所有人的财富税"。

想想这些公司在干什么？他们把内部工作流、客户数据、战略文档、竞争模型，全部喂给了几家硅谷公司的 API。等它们拿这些数据重新训练完，你的竞争优势就变成了它们卖给你对手的下一款产品。每一家把机密文件、客户对话、财务模型跑在前沿大模型上的企业，都在教这个模型怎么取代自己。AI 公司一手收他们的 token 费，一手积累关于其业务的深度认知。

这就是 Karp 用 "偷" 这个字的原因。他说，自己接触的每一位企业高管私下都在暴怒，公开场合却一言不发。没有人愿意当那个得罪了 AI 公司、然后发现自己的竞争对手就是用自己泄露的数据训练出来的 CEO。整个 AI 行业的估值建立在一个假设上：前沿大模型能持续创造不可替代的价值，值得企业无限砸钱买算力。但客户已经不信这个故事了。他们觉得自己在被收税、被监视、被复制，而且毫无反制手段。当企业停止相信的那一刻，整个估值就要开始崩塌了。

我的个人看法

虽然 Palantir 自己干的事情也没有多光彩（甚至更见不得光），但就这件事来说，我认为他说得很对。基本上，OpenAI、Anthropic 这些公司现在的盈利循环是这样的：

1. 这些公司用 LLM 善于产出原型设计的强项，说服投资人，并炒热舆论，优先在投资界形成 AI 优先的共识。
2. 企业不管相信与否，为了吸引投资，或保持市场信心，哪怕就是卖个袜子，他们也会去接入 LLM。然而，几乎每个企业内部有许多业务机密与相关数据，这种做法不但可能造成商业机密被这些公司获取，更有可能让 LLM 学会各个行业的工作流，这会进一步加剧社会大众对 AI 取代人类的焦虑。而这种焦虑，又会进一步加剧投资人对 LLM 的投资热度，形成恶性循环。
3. 这些公司会用获取到大量的工作流，业务逻辑，数据库、API 及其文档等语料继续迭代 LLM，同时囤积算力设备，提高其他企业进入这一领域的算力门槛。众所周知，在当前主流 Transformer 架构和训练范式已经高度趋同的情况下，基础模型能力的竞争越来越集中于数据质量、数据规模和算力资源。
4. 这些公司用获得的 LLM 训练优势（请注意，这其中只存在非常少量算法方面的优势，而且纯算法层面的领先通常很难形成长期、不可复制的护城河）反复加强投资界共识，形成盈利闭环，这是一种典型的投资泡沫操作。

从某种程度上，他们已经形成了垄断。所以，无论 Deepseek 做的叫开源，还是开放权重，恐怕都是当下想跳出这一循环的企业和个人最具操作性的出路。

当然，这里有件事需要科普一下，眼下所讨论的 LLM 的开源，大多数时候指的都是开放权重文件，人们可以下载它们，然后进行某种程度的微调，并自己部署。但 LLM 的微调主要用于改变它的行为模式、任务能力和领域适应性，但无法替代大规模预训练所承担的基础能力构建。这意味着，权重文件的开放与 Linux 这类传统软件的开源在逻辑上存在着很大的不同，前者的开放性并不会从根本上提高 LLM 本身的产品质量。

• 如果要走的是 OpenAI、Anthropic 这类公司的模式，想靠 LLM 本身的质量拉动投资·，那么开源一点帮助也没有。机器学习的输出结果基本上就是个黑盒子，没有人可以完全解释 LLM 的思考过程，从而能帮助他们改善 LLM 的质量（除了提供一点数据给他们，但这一点根本不需要开源）。
• 如果是想拿 LLM 当水电一样的基础设施，开源是拉动周边产业的最佳解决方案之一，对 AI 应用的真正落地是非常有用的，但是，基础设施有基础设施的玩法，它基本上就得依靠政府的财政补贴或产业政策了，向消费者的收费就不能太高，不能让它成为奢侈品，否则，它就失去了基础设施的意义。

总而言之，两种模式两种玩法，并且从长期来看，我个人觉得 LLM 最终只能是基础设施，毕竟它只是个大脑，光靠大脑想，什么事情都落不了地，而过于昂贵，被垄断在少数公司手里的大脑，必然会是 AI 整个产业的瓶颈所在。

与本系列笔记的关联

• 与《[[关于 AI 的学习路线图]]》第三阶段 "LLM 在生产环境中的角色" 互为补充，前者是从技术角度讨论 LLM 在应用系统中的角色定位，这里讨论的是它在市场经济中的产品定位。
• 与《[[AI 研究方法的演变]]》4.4 节 "价值对齐的根本困难" 形成呼应，前者是技术视角，后者是商业模式视角