项目概述 - 卡内基梅隆大学发布首个系统刻画AI供应链的数据集 涵盖数据、算力、模型、资本和人才流向 [1] - 数据集通过抓取数千篇文章、新闻稿和SEC文件构建 并持续每周更新 [3] - 项目旨在绘制AI参与者之间的互动关系 弥补当前行业报告只点名关键机构但缺乏关系刻画的缺口 [9] 数据集规模与关键参与者 - 数据集中包含13,694个独特参与者和18,547对独特参与者组合 [2] - 描述中最常见的词包括openai（出现7,419次）、microsoft（5,273次）、nvidia（5,066次）和google（4,762次） [2] - OpenAI以5,702次关系提及和1,168个独特合作伙伴位居榜首 Microsoft以3,649次关系提及和1,013个独特合作伙伴紧随其后 [2] AI供应链结构与行业演变 - AI供应链描述AI模型、数据和工件在上游生产 以及在下游适配和使用的过程 [3] - 供应链最上游可追溯至人工标注员 最下游延伸至各类AI应用的终端用户 [14][15] - AI行业从过去企业内独立完成各环节 演变为专业化公司接管研发流程中的独立环节 标志着行业走向成熟 [17][19][20] 供应链分析的关键应用 - 识别上游市场集中度造成的瓶颈 可能导致产品或服务中断时的连锁故障 [5] - 揭示市场力量聚集之处 帮助理解生态中不同层级的竞争演化 [9] - 发现AI组织之间的密切财务关系 包括相互投资和循环投资 [6] - 追踪AI在下游各行业的使用与采用情况 有助于追踪AI的危害和同质化等问题 [7] 供应链透明度的重要性 - 看清供应链有助于识别谁在制造瓶颈、攫取超额收益和转嫁风险 避免被技术神话与商业宣传误导 [21] - 理解上下游依赖是设计算力、信息披露、责任归属与安全监管等干预措施的基础 [9] - 未来AI治理需要对整条供应链问责 包括谁提供算力与数据、谁推动落地与扩散、谁获利和承担后果 [22]