标签: AI
该标签下的全部文章。 "AI".
大模型厂商估值：最差的生意模式叠加最贵的估值
在通用模型API商业模式的讨论基础上，追问高估值所隐含的长期经营条件。文章采用分层估值与反向DCF视角，区分模型层、集成商和应用入口，强调客户切换与持续投入之间的矛盾。
为什么说LLM API生意是最差的一种生意模式。
分析通用大模型API客户切换成本低、供应商研发不能暂停的商业结构。设备投入、模型溢价与跟随者价格竞争相互作用，持续的能力竞赛未必能够转化为稳定的定价权和资本回报。
OpenAI没有创新，那么说这句话的Kimi K3的创新藏在哪里
以Kimi K3的参数宣传与技术讨论为起点，区分创新叙事、架构变化和实际能力验证。文章围绕记忆、遗忘与检索路径展开，并保留关键来源和尚未验证的事项，避免用跑分替代技术解释。
AI把作业写完了，学徒怎么办
围绕AI代做作业、行业学徒培养与技能形成的变化，讨论答案之外的训练价值。技术能力提高并不自动解决学习路径和激励问题，教育与企业需要重新核对新人积累判断力所依赖的台阶。
FDE陷阱：AI公司正在沦为传统卖人头外包公司？
从FDE招聘与交付模式的扩张，讨论AI公司是否正在回到按人头出售服务的逻辑。单项目利润不等于规模化能力，评估商业模式需要检查Agent替代率、交付复用和持续形成的软件底座。
红队实战：Github 1.1K Star，一个AI写报告，四个AI来拆台
从投资分析的红队思维转向Hyper Research的研究流程，介绍写作、证据核验与多角度反驳如何分工。工具的作用是减少盲区和揭示反证，研究是否值得进行、结论是否可信仍需要人作判断。
大模型军备竞赛：形式开源，实质闭源——Kimi K3开源2.8 万亿参数的营销魔术
以Kimi K3的参数规模与部署门槛为线索，讨论形式开放与实际可用之间的距离。算力、运维、修改能力和生态入口共同决定控制权，公布权重并不必然让普通使用者获得模型主权。
同一个电力瓶颈，两个相反的判断————高盛做多中国AI，我却看空
对照高盛与原AI硬件做空系列对电力瓶颈的不同推论，分析相同约束如何因研究对象、份额、利润和估值假设而导向相反判断。文章保留原有框架比较与论证，讨论AI产业趋势和公司投资价值之间的关系。
才知道很多人不知道两个"开源"不是同一个"开源"
比较传统开源定义、开放权重、OpenRAIL和OSAID，讨论同一个开源标签下不同的许可与技术条件。判断模型是否开放，需要核对使用限制、训练信息和可修改性，而不是只看权重能否下载。
驳一下Palantir CEO：按Token收费就是没信心？
回应按Token收费等于缺乏信心的观点，从经济计算、交易费用和结果归因讨论AI定价。文章区分适合按结果结算的场景与复杂企业交付，强调收费方式不能替代对客户价值的具体检验。
Loop：省钱就自欺，不自欺就烧钱
分析让AI自主迭代的Loop机制：Token消耗带来成本压力，自动验证又受到古德哈特定律影响。省钱与可靠检验之间存在张力，适用边界取决于客观验证标准、任务结构和实际单位成本。
AI基础设施的开放陷阱
将AI基础设施拆为模型、记忆、工具和应用四层，分析开放标准与生态锁定如何同时发生。开源、接口与工作流的商品化可能转移权力，判断开放的价值需要追踪知识资产与控制能力的归属。