开源AI模型的优势与采纳趋势 - 亚洲企业更关注对数据和成本的控制 在这些指标上开源模型往往胜出[1] - 中国领先的AI云托管服务公司SiliconFlow开发了多种技术 能以更具成本效益的方式运行开源模型 完成特定任务比使用专有模型显著更便宜[1] - 多数客户发现 针对特定用例使用自有数据微调开源模型后 其性能可以超越专有模型 且无敏感或竞争数据泄露风险[1] - Vertex Ventures的负责人强调 使用专有模型意味着放弃对关键成本的控制 并建议初创公司若构建关乎竞争优势的核心AI应用 应基于开源技术栈[1] - 总部位于新加坡的Dyna.AI公司CEO指出 一些中国开源模型在本地语言上表现更好[1] - 美国以外的企业 特别是东南亚地区 强烈希望基于开源AI模型构建应用 并且倾向于采用来自中国的开源模型[2] - Vertex Ventures负责人指出 美国AI公司“为完美而构建” 而中国AI公司“为普及而构建” 这可能导致美国在AI竞赛中落败[2] - 部分美国高管如Airbnb CEO认可中国开源AI模型 因其以可承受的价格提供了足够好的性能 但这种态度目前仍不普遍[2] 专有模型与开源模型的性能与安全争议 - 美国和欧洲的高管普遍更偏好OpenAI、Anthropic或谷歌的专有模型的性能优势[2] - 对于某些任务 即使是8%的性能优势 也可能决定一个AI解决方案能否达到大规模部署的门槛 目前顶级专有模型与中国开源模型在关键软件开发基准测试上存在8%的差距[2] - 这些高管对专有模型内置的安全防护措施更有信心[2] - 关于开源AI安全性较低的论点 有行业人士认为 模型的安全性取决于其所在的系统防护 例如通过提示词筛查工具防止越狱 以及对输出进行过滤 这与底层模型是开源还是专有无关[3] 全球AI竞争格局与市场拓展挑战 - OpenAI和Anthropic正快速扩张全球业务 但可能在东南亚、中东、北非和拉丁美洲等中等收入国家遇到阻力[4] - 美国需要培育更强大的开源AI生态系统 目前Meta是美国在开源前沿模型领域唯一的重要参与者 IBM虽有一些开源基础模型 但能力不及领先模型[4] - 区域参与者在中美AI技术地缘竞争中的站队问题成为热点 许多国家希望同时使用两个超级大国的技术 避免选边站或成为任一方的“仆人”[6] - 来自全球30位政策专家的联合白皮书呼吁中等收入国家结成“桥梁力量”联盟 共同开发和共享AI能力与模型 以实现一定程度上的独立[7] - 这种“AI不结盟运动”能否在外交和商业上实现 存在高度不确定性[8] 区域AI基础设施发展与挑战 - 马来西亚柔佛州计划将自己定位为东南亚地区的数据中心枢纽 不仅服务于新加坡 还覆盖东南亚大部分地区[5][6] - 柔佛州正与邻近的印度尼西亚商讨共享数据中心容量[6] - 柔佛州计划在未来几年新增5.8吉瓦的数据中心项目 这将基本耗尽该州目前的发电容量[6] - 马来西亚计划到2030年大幅增加发电能力 包括燃气电厂和大型太阳能农场[6] - 对电力扩容推高居民电费以及数据中心消耗过多淡水的担忧日益增长 柔佛州官员已要求数据中心开发商在2027年前暂停新建水冷设施[6]