AI 大模型商业化与算力垄断的危机分析

每当新的大语言模型（LLM）完成训练，开发者都会评估如何最大化其商业收益。过去，模型主要以 SaaS 形式提供，用户通过付费 API 调用模型，产生的利润部分用于覆盖算力和维护成本。在经济增长期，这种模式能够随整体需求的扩大而自然增长，因为新用户的加入是主要的增长动力。

然而，当前全球经济已进入停滞阶段，企业必须在有限的市场中争夺份额。大型科技公司为实现增长，往往通过抢夺用户、合作伙伴甚至内部资源来扩大市场占有率，最终导致行业内部的零和竞争。AI 应用层的价值也随之下降：模型开发者倾向于通过垂直整合实现特定行业的垄断，而不是开放无限制的 API。早期可能会修复模型缺陷并继续提供服务，但长期来看，市场将被少数几家拥有强大算力和资金的巨头所主导。

模型质量与训练成本高度相关——投入越大，性能越好，例如 DeepSeek 与 GPT‑4.5 的差距正是成本差异的体现。少数公司能够承担前沿算力投入，因而掌握技术领先优势。为了快速回本，这些公司不再提供低价或免费访问，而是采用行业分层定价：金融、网络安全、内容创作等不同领域的价格各不相同，且仅向付费的早期用户开放。

在美国，算力资源的集中度尤为突出，约 60% 的计算资源被五大云服务商控制。即便有声音呼吁防止算力垄断，实际阻力已非常有限。作者甚至讽刺性地指出，未来可能只需要极少数机器即可支配全球 AI 能力，IBM 早已预见这一趋势。

如果 AI 进一步取代传统岗位（如卡车司机），社会的相互依赖关系将被削弱，导致类似生物体自我消耗的恶性循环。作者警示，当前的零和思维阻碍了更具协作性的解决方案，只有在全社会重新审视资源分配与价值创造的方式后，才能避免技术垄断带来的负面后果。