文章核心观点 - 前沿模型在代币效率和推理效率上具有显著优势，这比模型权重是否开源更为重要 [4][5][10] - 企业采用AI时关注两大核心问题：AI代币经济学（投资回报）和AI主权（构建竞争护城河）[4][22] - 解决当前AI代币经济学困境的途径是发展成熟的应用AI市场，转向为结果付费的模式，而非按代币付费 [19][22][26] 关于模型竞争与效率 - 近期出现名为“Kimmy”或“K3”的中国开源权重模型，有人认为其能力可比肩甚至超越OpenAI的o1系列和Anthropic的模型 [11] - 前沿模型（如来自OpenAI和Anthropic的模型）在代币效率上远高于许多开源模型，完成相同任务所需代币更少 [5][6] - 模型效率的关键在于推理效率（即每次提示获取答案的成本和性能），前沿实验室在此领域仍保持显著领先 [14][15] - 对于用户而言，模型的使用成本（是否更便宜）比其训练成本更为关键 [12] - 开源权重模型并不一定运行成本更低，甚至可能效率更低 [5] 关于AI采用与商业模式 - 当前AI市场存在一个怪象，即企业过度关注为代币付费，而未来的趋势将是为结果付费 [19] - Sierra公司作为应用AI企业，其商业模式是按成果收费（如每笔成功发起的贷款），而非按代币消耗量收费 [20][22] - 应用AI公司可以通过规模化分摊研发专用模型（如低延迟语音对话模型）的成本，这比每家公司独自开发更经济 [25] - 企业需要根据具体任务需求选择模型，考虑因素包括速度、成本和智能水平 [8][9] - 一些企业CEO对AI投资的回报率表示怀疑，认为未能物有所值 [18][19] 关于企业AI战略与价值 - 企业构建AI竞争护城河（主权）的关键在于积累并复合关于客户的数据与关系，形成复合资产 [22] - Sierra推出的Horizon产品是长周期AI代理，可帮助客户完成发起贷款、医疗预授权等能真正驱动收入的复杂任务 [21] - 美国的前沿实验室需要在每个价格、性能、延迟和成本维度上都提供最佳的可用模型 [10] - 对于许多任务，前沿模型的表现实际上优于开源模型 [8]