据 The Information 报道，AT&T 据悉正转向开源人工智能模型，这家电信巨头希望减少在 Anthropic AI 技术上的支出。

此举反映出大型企业中一种更广泛的转变：各企业正寻求控制部署先进人工智能不断上升的成本。越来越多公司不再完全依赖专有 AI 系统，而是探索能够提供更高灵活性和更低运营成本的开源替代方案。

Cointelegraph 分享的最新报道也强调了这一进展，凸显出 AI 模型供应商之间的竞争正日益影响大型科技公司和电信企业。

AT&T 寻求降低 AI 成本

随着电信公司寻找实现运营自动化和改善客户服务的途径，AT&T 已在人工智能领域投入巨资。

作为美国最大的无线运营商之一，AT&T 的运营规模意味着，商用 AI 模型的按使用量计费在客服、网络运营和内部工具等领域能够迅速累积。

先进的 AI 模型可以协助完成客户支持、软件开发、数据分析以及内部业务运营等任务。

然而，运行复杂的 AI 系统成本可能十分高昂，尤其是当企业高度依赖商用模型并按使用量付费时。

随着 AI 应用的扩大，这些成本可能成为技术预算中相当大的一部分。

据报道 AT&T 转向开源模型，表明该公司正在寻求一种更具成本效益的方式。

开源 AI 为何日益受到关注

开源 AI 模型对企业越来越有吸引力。

与由单一供应商控制的专有系统不同，开源模型通常可以由企业自行下载、定制和部署，具体取决于模型的许可条款。

这可以让企业更好地控制 AI 系统如何整合到其运营之中。

企业还可以针对特定工作负载优化模型，而不必为使用更大的专有系统付费。

对于处理海量信息的机构而言，即使 AI 成本的小幅降低也可能带来可观的节省。

Anthropic 面临日益激烈的竞争

Anthropic 凭借其 Claude 平台已成为先进 AI 模型的领先供应商之一。

其技术被企业和开发者用于编程、写作、研究、分析等任务。

Anthropic 吸引了大量投资，并与大型科技公司建立了合作关系。该公司已从包括谷歌和亚马逊在内的支持者那里筹集了数十亿美元，而后者的云业务也向企业客户出售 AI 服务。

然而，AI 市场的竞争正日趋激烈。

OpenAI、谷歌、Meta 以及越来越多的开源 AI 开发者都在争夺企业客户。

功能强大的开源模型的出现，可能进一步迫使商用 AI 供应商证明其系统的价值足以匹配其成本。

人工智能的经济学

AI 行业已进入这样一个阶段：性能不再是企业考虑的唯一因素。

企业还需要评估大规模运行 AI 的成本。

训练先进模型需要大量计算资源，而为数百万用户提供服务则可能产生巨额的持续基础设施开支。

对企业客户而言，经济性可能变得尤为重要。

一家公司可能最初因性能而选择高端 AI 模型，但后来发现让数千名员工使用该系统会产生巨额的经常性账单。

这可能促使企业探索替代方案。

开源模型提供更强的控制力

开源 AI 最大的吸引力之一在于控制权。

企业可以在自己的基础设施上运行模型，也可以通过其选择的云服务商运行。

企业还可以修改某些模型，以更好地适应特定应用。

这种灵活性对于拥有雄厚技术资源的大型机构尤其有用。

企业或许能够在内部处理某些工作负载，而不必将每个 AI 请求都发送给外部供应商。

这既能降低成本，也能让机构更好地掌控自己的数据和 AI 基础设施。

数据隐私是另一个因素

成本未必是企业考虑开源 AI 的唯一原因。

数据隐私也可能起到重要作用。

大型企业会处理敏感信息，包括客户记录、财务信息和专有的企业数据。

在受控环境中运行 AI 模型，有望减少将敏感信息发送至第三方系统的需要。

这并不必然使开源 AI 更安全，但可以让企业更好地控制数据的处理方式。

对于 AT&T 这样的电信公司而言，数据管理和安全尤为重要。

AI 正成为战略性技术

电信公司是拥有重大人工智能应用机会的企业之一。

AI 可以帮助优化网络、预测设备故障、实现客户服务自动化并提高运营效率。

它还可以协助开发日益复杂软件系统的开发者。

随着这些应用的扩展，企业需要的 AI 系统不仅要强大，还要在经济上可持续。

因此，探索开源模型的决定可能反映出该公司构建更高效 AI 基础设施的更广泛努力。

这一转变可能给 AI 定价带来压力

如果大型企业开始将更多工作负载转向开源模型，商用 AI 供应商可能面临更大的定价压力。

Anthropic 和 OpenAI 等公司已投入数十亿美元开发先进模型。

它们的商业模式依赖于吸引愿意为使用这些系统付费的客户。

如果客户越来越多地为某些工作负载选择更便宜的替代方案，供应商可能需要以更低的价格、更优的性能或额外的企业功能来应对。

这种竞争最终可能让采用 AI 的企业受益。

并非所有 AI 任务都能被替代

尽管开源模型的能力日益增强，但企业不太可能完全放弃专有 AI 系统。

先进的商用模型可以提供强劲的性能、可靠性和专门的企业功能。

因此，企业可能采取混合策略。

它们可以为复杂任务使用高端专有模型，同时为常规或大批量工作负载依赖开源系统。

这种方式可以让企业在性能与成本之间取得平衡。

据报道的 AT&T 策略可能是这一更广泛趋势的一部分。

AI 模型竞争正在加速

过去几年，AI 市场变化迅速。

早期的竞赛主要聚焦于构建越来越强大的模型。

如今，企业也在效率上展开竞争。

较小的模型有时能以明显更低的计算成本提供强劲的性能。

开源开发者也取得了快速进展，为企业提供了比以往更多的选择。Meta 公开发布的 Llama 模型就是最突出的例子之一，帮助将公开可用的 AI 确立为大型机构的一个可行选项。

这意味着企业不再只能在一小部分主要 AI 供应商之间做选择。

这对 Anthropic 意味着什么

对 Anthropic 而言，据报道的 AT&T 举动代表了 AI 模型供应商所面临更广泛挑战的一部分。

企业客户正变得日益成熟。

它们不仅在评估模型质量，还在评估价格、延迟、安全性、定制化以及部署选项。

因此，Anthropic 将需要持续证明其技术提供的价值足以匹配其成本。

如果企业能够用更便宜的替代方案获得类似结果，仅凭强劲的性能可能并不足够。

更大的图景

据报道 AT&T 转向开源 AI 模型的决定，凸显了人工智能行业的一个重大转变。

随着企业从试用 AI 转向在大部分业务中部署 AI，AI 的经济性正变得愈发重要。

减少对昂贵专有模型的依赖，可以帮助企业管理这些成本，同时更好地掌控其技术基础设施。

对 Anthropic 和其他领先 AI 公司而言，这一进展表明企业客户拥有的选择比以往任何时候都多。

AI 的未来未必由单一类型的模型或供应商主导。

相反，企业可能会越来越多地根据具体任务、成本和安全要求，将专有系统与开源系统结合使用。

对 AT&T 而言，据报道的策略可以提供一种扩大 AI 应用的途径，同时避免技术支出不受控制地增长。

对更广泛的 AI 行业而言，这是又一个信号：下一阶段的竞争不仅关乎构建最智能的模型，还将关乎让这些模型足够经济、高效和实用，以便企业大规模使用。

作者：Ethan Collins

加密货币记者

Ethan Collins 报道加密货币和区块链领域的动态。他的工作涵盖市场走势、协议更新、监管变化以及数字资产的新兴趋势。他致力于以清晰易懂的方式为广大读者呈现复杂话题。