AI大模型到底有没有护城河？

针对每个人的记忆要是云端化存储，那是不可轻易迁徙的。

模型没有护城河，你看老美说kimi3.0在Fable上线十来天就蒸馏成了。而且在这么严苛的条件下蒸馏。

别的我不知道，A畜是急了啊。^-^

已经三年多了，发展了这么久，怎么说别的领域也要有点起色吧，现在只有编程有用，别的领域 没有一个牛逼的，所以以google的想法就是生态，但是真正的还是个人，还是具身

软件这东西,只要不断迭代,最终会达到大致同一水平.

剩下的就是规模 成本 应用 生态了.

你看腾讯一点不急, 但到最后如果国内剩三家的话,肯定有他.

我感觉AI大模型要想好用，一个是模型本身，一个是agent。现在国产模型猛猛追，但是agent方面还是差些积累，感觉编程还是codex和Claude好用。

人才都是一批人，原理都是公开的，本质上应该只有算力和优质数据这两个护城河，其他的都可以力大飞砖，而优质数据是可以合成出来的，所以其实就是算力一个，这就是中美大模型当前最大的差距

至于为什么其他国家好像没什么存在感，大概是因为中美有明确的资源投入、法律倾斜和看得见的未来前景，那批人才都去这两个国家了

我觉得应该就是成本和时间的问题吧，你能做大 把成本控制住 那就是护城河 不然被超越也就是时间问题

有没有觉得现在大模型发展已经到了一个拐点了，不管理肥波还是gpt-5.6相比之前提升不大了，或许放出来的模型可能不是最强的吧

有吧，我会付费选择用chatgpt，但不会用免费豆包。 ^-^

觉得真要说护城河，确实就是kimi那边说的taste，因为强化学习的奖励依赖Human feedback，各家的价值观差异还是不小的 ^-^

个人感觉模型的能力上还是有点区别的

1. 长程任务上，特别是给一个goal，然后写代码。我目前感觉这方面体验还是不太好，经常在早期模型假设了一些东西，然后没询问我，到后期，模型说已经完成了，结果前面有东西有问题，白白浪费token. (所以目前我是先grill me skill+然后写docs+然后让模型执行）


2. 记忆和上下文问题，跨会话的记忆和上下文压缩


3. 图片生成能力，不同模型还是有所区别

当然有的呀。你不要只看到kimi和glm追上来了，还要看到掉队的例如小米百度。

有资金，有显卡，有技术，才有护城河。

那除非是国内理科人才的智力和智力储备和外国人有代差，这显然不可能的。在学术资料、工程大方向普遍透明的条件下，尖子生可以领跑，但工程实践上的经验差距，可以靠时间追平的。

我觉得模型的能力在未来应该趋同…抓住用户入口更有想象空间

Data：如何收集和洗出来大量的高质量的数据

Comput：如何搞定万卡，甚至十万卡的集群，已知美团用了5w华为卡，现在2.x T 可能需要10w+ H200等价的卡

Expert：需要有足够够经验的大佬，一次pretrain失误可能就会延后几个月。虽然DL是个实验学科，idea其实并不难想，但是大佬和普通人的区别，把握细用最快速度可以把idea做work

佬最好是在开玩笑。Kimi k3 的能力没可能是靠蒸馏提升的。

这种问题你想得到一个比较客观、比较权威的答案，我估计你至少得问那些超高学历，并且正身处于 AI 行业比较顶端的那些人。(还得是人家愿意告诉你实话的情况下)

模型不是我们训练的，AI算法不是我们设计的，其实我们根本不懂，只能是依据网上看到的那些所谓的科普，来总结一些所谓的"答案"吧。