挑战中国 AI 模型的美国初创公司

我们的下一位嘉宾正在打造一家企业，目标是让美国在这场竞赛中站稳脚跟。这家初创公司最近发布了首个模型 Beam，并称它的表现超过其他西方开放模型，同时运行成本更低、速度更快。随着中美竞争加剧，这家公司被越来越多地视为美国 AI 建设中的战略性参与者，投资人也开始关注。红杉、花旗和英伟达等机构参与投资，公司在六月完成一轮融资，投前估值达到 250 亿美元。

这个新模型能否让美国 AI 在对华竞争中占得先机？美国要赢得开源 AI 竞赛又需要什么？下面是我与 Reflection 联合创始人兼 CEO Misha Laskin 的对话。Misha，谢谢你来参加。

但我真正喜欢物理，是因为它是一门基础科学，建立在简单原理之上，却能解释我们观察到的大多数现象，也是日常技术的根基。所以我把物理看作二十世纪的基础科学。最早的计算机程序由物理学家开发，是高等研究院的 ENIAC 项目。当时正值二战，计算机刚开始被用来计算弹道导弹的坐标。后来，晶体管也是贝尔实验室的理论物理学家发明的。GPS 这样的系统也只有考虑狭义相对论才行；必须把光速因素算进去，定位才能准确。

所以在我看来，所有触手可及的技术背后都有物理学这门基础科学。后来我转向 AI，是因为我发现 AI 领域也发生着类似的变化。这个领域曾经很多元，但一直没有一种真正简单的方法来扩展智能，直到深度神经网络被发现并逐渐扩展，尤其是从 2012 年 ImageNet 的突破开始。

我看到 AlphaGo 时，觉得这件事特别了不起。围棋和国际象棋一样是传统棋类，但通常被认为最复杂，因为它的“分支因子”最高——也就是说，在每一种棋盘局面下，可选的落子方式非常多。围棋对人来说极难，也很考验智力；而一个神经网络被训练到了超越人类的水平。事实上，这个系统没有停止学习：只要继续给它投入算力，它就还能变得更强。

我看到的是，一门在我看来和物理一样基础的科学，正在我们眼前被发现，并将推动二十一世纪大多数技术进步。AI 正出现一些重大突破，让它成为我们这个时代的物理学，成为二十一世纪的基础科学。大约在 2010 年代中期，这就是我投身 AI 的原因。

但那时候模型的智能基本只适合聊天。编程、智能体、推理这些能力还不存在，也用不起来。模型就是聊天机器人，不擅长自主完成任何认知工作。

我们当时的判断有两部分。我们看到开源生态刚刚起步，一些不错的开放模型开始出现，比如 Meta 等公司的模型。我们认为这些模型可以成为很好的基础，让我们在上面继续开发，而不必投入巨额研发资金从头预训练大模型。

公司最初另一个重要判断，是强化学习这一范式可以扩展到语言模型上。正是强化学习创造了 AlphaGo，我的联合创始人曾是 AlphaGo 项目的核心贡献者之一。让 AI 系统通过试错来学习的同一套方法，可以在语言模型上扩展，打造的不只是会聊天的系统，还能胜任认知型智能体工作。

我们选择编程作为切入口：模型不仅能写软件，也能在电脑上执行其他智能体任务，比如法律、金融等工作。我们认为，基于开放模型继续开发，再扩大强化学习的规模，就能释放这类系统的能力。

公司成立后的第一年，我们很快就在小模型上小规模验证了强化学习的可行性。但与此同时，整个行业也找到了扩大强化学习规模的方法。OpenAI 的首批 O 系列模型开始推出，把推理能力带入公众视野。强化学习这个难题解决得比我们预想的快得多。我们以为需要几年，结果不到一年就有外部实验室做到了，我们自己的实验也取得进展。

接着我们又看到另一个变化：西方开放模型开始明显落后于中国。中国出现了非常强的开放模型，大家大概都记得 DeepSeek V3 问世的那一刻，它和推理模型的推出大致发生在同一时期。此后，中国的一整套模型生态都变得很强。

大约一年前、稍多一点的时候，我们决定公司最有影响力的行动，是投身“开放智能”使命。我们预见到几件事会发生，本以为要更久，结果它们发展得快得多。其中一件事就是地缘政治紧张局势。开放模型之所以如此重要，是因为它们不能成为……

买房则是拥有房产，但也得承担房屋带来的各种问题。出于财务、控制权等原因，人们还是会选择买房。软件和 AI 的开源也可以这么理解：你要么向别人租用软件或 AI，要么自己拥有它。在 AI 里说开放模型，核心就是这一点：你是在租用模型，还是可以把它拿到手里——比如我把模型放进闪存盘交给你，你就能拥有它，并在自己的基础设施和电脑上运行。这是根本区别。

顺带一提，Linux 也不只是“开放”而已，它有许可证：你对它做某些修改，修改后的内容也必须开放。围绕开源软件和开放模型，其实有一整套许可证体系。因此“开放”不一定意味着免费。如今大多数开放模型的许可证确实免费，我们发布的 Beam 也采用 Apache 2.0 许可证，所以可以免费使用。

但模型免费，不等于周边的一切都免费。企业客户想运行开放模型，得从某处获得算力，因此要为算力付费；还要有管理算力、部署和提供模型服务的软件。模型服务技术复杂又难做，这些都要付费。通常还会把模型嵌进智能体工作流或定制工作流里，这往往需要和服务商合作并付费。所以可以把开放模型想成发动机，但发动机……

有些开源纯粹派会认为，如果没有公开数据和训练方法，就不能叫开源。我们的立场是，公司使命是打造开放智能，让它广泛可用。我们的目标是尽可能开放，让模型易于使用、能被更多人接触。发布 Beam 时，我们和 40 个合作伙伴一起发布，还把它集成进多个开源微调框架。我们也开源了自己的智能体框架 MIR，并即将发布一份技术报告，详细说明这些系统是怎么做出来的，这等于把科学过程也公开了。

我们认为，研究者组成的生态需要弄清楚系统是怎么构建的，这也是科学的基本原则：希望其他科学家能在你的工作上继续推进，前提是他们得理解你做了什么。

但这不意味着所有东西都必须开源。比如，要做出好模型，可能得购买大量专有数据，而合同规定不能把数据公开，因为出售数据本身就是一些人的生意。开源不等于把一切都公开，不过我们会尽可能开放，让科学界、研究界和开发者社群都能用好这些模型。

至于企业或公共部门采用模型，公司会对模型周边、让模型真正有用的系统收费。这些系统会为企业提供推理服务，打包企业需要的智能体，也提供微调服务等等。

开发者、费用管理工具和 AI 智能体都能接入 Engine 的 API。随着 AI 普及，Engine 的价值还会进一步提升。任何想预订差旅的 AI 智能体，都需要真实的供应、价格和支付能力。如今有 4 万家企业依赖 Engine，业务还在快速增长。它通过与 Non 和坦帕湾海盗队等合作伙伴携手，为大众提供差旅服务。

稳固的酒店合作、自有供应、实时比价和支付通道，这些基础需要多年才能建成；Engine 花了八年，而且买不来。商务差旅的未来由 Engine 驱动。访问 engine.com/propg。

所以我关心“免费”这一点：可能不是整套服务都免费，而是其中一个环节免费，结果就大幅降低了价格。最后再问一个关于开源与闭源的问题：开放源代码、开放权重，是否意味着任何人都能了解模型底层架构并自行修改？而 Anthropic、OpenAI 这样的模型，你看不到背后的架构，也不知道怎么在它上面继续开发。这个区分对吗？

开放模型则不同：你能看到架构，可以用自己喜欢的开源微调框架，把模型载入自己的 GPU，再按需求定制。你可以拆开研究、理解它。

从根本上说，这会改变研究者的规模。封闭实验室里可能总共只有 5,000 名研究人员了解这些系统并参与研发，其中只有少数人做安全研究。比如 5,000 人里也许只有 500 人研究模型安全，这个社群非常小。但这项基础技术威力巨大，一个这么小的研究群体不可能把模型的方方面面都弄明白，也很难独自搞清楚如何保障安全、让模型与人类目标对齐。

开放模型生态能邀请更多研究人员、工程师和开发者加入。任何感兴趣的人都可以查看并贡献力量。这才是科学的基本做法：科学不是炼金术，它本来就应该开放。网络安全也是如此，渗透测试的基础就是能够访问、检查并理解软件。世界上最坚固、最安全的一些软件，往往正是开源软件……

我也想知道你们这样的公司，以及 DeepSeek、Qwen 和其他中国开放模型，究竟怎样维持商业模式？据我了解，构建和训练模型是整个过程中最昂贵的环节，可开放模型实际上把这一部分免费送了出去。长期来看，这门生意怎么做？

操作系统就是这样：最初是封闭系统，后来有了 Linux。微软的 MS-DOS 和 Windows 等封闭操作系统曾经成就了很大的生意，但之后 Linux 出现了。我记得如今全球超过 90%、甚至可能超过 95% 的服务器都运行某种开源操作系统，大多数是 Linux。手机也一样，苹果最早推出真正意义上的移动操作系统，之后出现了开源的 Android，现在全球大多数手机都运行 Android。互联网本身也是开放协议，最早主要由政府和大学建立。

所以眼下发生的事情，是很自然的延续。我觉得我们得换个角度看 AI：模型就像电或水，是一种大宗基础商品。我们不会琢磨能源公司怎么维持九成利润率；我们把能源和水看作商品，运营公司的利润率也许不高，但它提供的服务规模巨大，是整个国家乃至全世界的基础设施。

所以模型侧的利润率压缩是健康的。智能应该像电和水一样，被视为基础商品。即使开放模型，推理服务的利润率目前也相当高，原因是算力稀缺。算力包括 GPU，也包括 CPU。之所以稀缺，是因为……

我认为在可预见的未来，算力建设会跟不上智能发展；至于这种情况会持续多久，我也不确定，因为算力设施要在物理世界里建设。但每瓦能获得的智能会持续增加。因此，我们应该尽可能压低智能成本，让大家能更多地使用它。这有点像经典的杰文斯悖论。

总之，智能不该被看成苹果 iPhone 那样的高端产品，而更像电和水，应当成为一种基础商品。智能周边的整套系统很昂贵，运营方仍会有一定利润，但目前无论开放模型还是闭源模型，推理服务的利润都相当可观。

我不确定 AI 最终会更像电力，还是更像互联网。不过，不管其中哪一种是否获得政府补贴，它们都属于大规模的商品化服务，其上已经建立了许多非常成功、利润率很高的公司。互联网接入本身相当便宜，但依托互联网发展的公司仍能获得很高利润。

我觉得中国这些公司的商业模式，和西方实验室及分销商有很大区别。从外部看，中国市场某种程度上像一个封闭市场。中国有开放模型，但我没看到多少独立分销商来提供这些模型，通常是模型开发公司自己提供 API：DeepSeek 有自己的 API，Kimi 有自己的 API，智谱也有自己的 API。在我看来，它们在中国国内的商业模式，和西方闭源模型并没有太大不同。

我确实认为，这种做法有地缘政治上的优势，也可以看成一种经济激励：把海外竞争对手的利润率压低。这里面有些值得关注的现象。西方的情况则……

第一，你在开发模型的过程中，也打造了最先进的技术栈，包括模型服务、构建智能体、微调等。等模型正式发布时，支撑它的技术早已提前建好，因此你的技术开发会领先竞争对手大约六个月。

另一项优势是，作为对国家和西方具有战略意义的公司，你更容易获得企业、公共部门和主权实体的信任。而开放模型最大的消费市场，正是大型银行等企业、公共部门和主权实体。

向初创公司销售可能主要是技术销售：告诉对方来选产品、试用就行。但向这些机构销售，除了要在技术上胜出、展示明显的技术差异，还要证明自己是能帮助它们用开放模型改造组织的战略伙伴。开放模型开发者从这个角度更容易获得信任，被视为合适的转型伙伴。

开发者、费用管理工具和 AI 智能体都能接入 Engine 的 API。随着 AI 普及，Engine 的价值还会进一步提升。任何想预订差旅的 AI 智能体，都需要真实的供应、价格和支付能力。如今有 4 万家企业依赖 Engine，业务还在快速增长。它通过与 Navan 和坦帕湾海盗队等合作伙伴携手，为大众提供差旅服务。

稳固的酒店合作、自有供应、实时比价和支付通道，这些基础需要多年才能建成；Engine 花了八年，而且买不来。商务差旅的未来由 Engine 驱动。访问 engine.com/propg。

Reflection 被看作美国对此的回应。你们得到了全球一些重要公司的大笔投资，包括英伟达；黄仁勋也明确支持开放模型。他认为这很重要。你们还把模型卖给了政府基础设施部门，我相信五角大楼也在使用 Reflection 的模型。因此有人认为 Reflection 将成为美国对中国的回应。假如一切顺利，你们会怎样改变市场、让美国重新领先？Reflection 的战略意义在哪里？

我们该怎么看待这件事？一些最好的美国初创公司原本开始被封闭实验室挤压。这并不是封闭实验室做错了什么，它们只是要经营自己的业务。编程如果很赚钱，它们当然会围绕它做垂直产品，企业本来就要发展。但我们也需要有竞争力的生态，让开发编程智能体的初创公司也能做生意。这些初创公司做了什么？它们转向中国开放模型，在模型上继续开发、针对自己的工作负载做定制，并靠自己站稳脚跟。所以中国实际上给了美国初创公司一份礼物。

如果因为地缘政治担忧而把开放模型全部拿掉，反而会伤害美国创新生态。从开发者、建设者的角度看，这些模型是礼物，很值得高兴。我们本来也可能生活在一个没有优秀开放模型的世界，那会令人担忧得多，也暗淡得多。另一点是，AI 并不是一种固定的……

企业现在确实很在意成本，但这并不是说它们不愿花钱。如果投资能带来数倍回报，企业完全愿意向 AI 投入数十亿美元，只是回报需要时间才能显现。截至目前，AI 的确相当昂贵。因此，优秀开放模型的存在总体上是件好事。

从地缘政治和战略角度看，美国必须成为开放模型建设的领先者，并让生态遍布世界。美国国内和海外的《财富》500 强企业，出于风险认知、监管等原因，不愿采用中国模型。

目前我们最大型的企业和公共部门机构，相比中国公司，也相比我们自己生态中愿意承担风险的公司，都处于竞争劣势。因此，提供能与中国模型竞争的产品来支持本国企业和机构至关重要。

在海外，盟友基于美国技术建设也很重要。地缘政治因素在于，世界会采用最好的技术栈。Linux 和 Android 来自美国而非中国，是有原因的：美国向来擅长打造世界上最好的开源技术。这是第一次，有如此重要的技术不是源自美国，所以海外世界正在基于中国技术建设。

开放模型也可以看作它们所带来基础设施的“特洛伊木马”。模型只是发动机，周围还需要整辆车，而这辆车包括芯片。中国公司把开放模型卖到中东、亚洲其他国家、巴西等地时，也会开始销售芯片和数据中心。其他政府和盟国可能因此被锁定在中国基础设施里，这才是美国面临的国家安全风险。

所以无论国内还是国际层面，为了国家安全，我们都必须拥有最好的技术栈：最好的开放模型、最好的芯片，让世界出于实力选择基于美国技术建设。情况其实很微妙：中国模型很优秀，它们的存在是送给世界的一份礼物；但出于国家安全考虑，我们也必须有强大的产品供盟友采用。

美国成功的一个关键，是能够在全国范围内形成多元竞争和创新；开放能让这种局面成为可能。因此，我认为 DeepSeek V3 发布时出现的市场恐慌，是一种非理性反应。股票后来反弹，表现也不错，因为算力等需求上升了。有了开放模型，就会出现更多算力买家：模型归自己所有，自然会放到自己的算力上运行。

优秀的开放模型会带来多元化的算力需求。初创公司以及从事科学探索的机构，可以尝试比任何单一公司都广泛得多的想法。这就是创新经济运作的方式，我们必须保护这种机制。

简单地说“中国不好，所以中国的开放模型也不好”，听起来容易，但现实更复杂。中国的开放模型其实很有价值，对生态有好处；与此同时，我们也必须拥有自己的优秀开放模型。这是世界上两大超级大国各自应有的能力，而美国又是占主导地位的超级大国。建设基础技术时，若电力只存在于一个地方、别处没有，落后的地方就必须追上。我们要保持竞争力，确保世界愿意基于我们的技术建设，以维护国家安全。表面看这些事情互相矛盾，但两者可以同时成立：中国开放模型很好，同时……

OpenAI 过去发布过开源模型。我觉得如果某件事不是公司的核心策略，公司往往不会在它上面投入太多，会开放一个能力较弱的版本，而不是自己真正变现的产品。Google 通过 Gemma 为开源社群做了很多，但它和 Gemini 属于很不一样的模型类别。OpenAI 发布的 GPT-OSS 也与他们内部使用的模型类别很不一样。

我不认为它们的策略必然会改变，因为它们光是拓展现有业务就还有巨大机会。我不知道它们会不会发布更开放的模型，但我认为它们会发展得很好。

中国开放模型之所以强大，是因为那里不是只有一家公司，而是有好几家公司，形成了完整生态。它们互相超越，因此整个生态总能推出优秀模型。我们希望 Reflection 成为这个生态中的独立领军者，同时也希望西方出现完整的同类企业生态。

对于媒体猜测，我们通常不予置评。公司的计划就是继续打造优秀模型，并把它们提供给企业、公共部门和主权实体等客户。

创业应该源于你真正感兴趣的事情，因为你会投入大量时间，也需要在困难的时候坚持到底。对我来说，走到创办这家公司这一步之前，我先花了很多年学习物理、培养对科学的兴趣，后来在 2010 年代中期，随着深度神经网络开始奏效，我发现自己对 AI 产生了兴趣。之后我进入这个领域的前沿工作，真正理解前沿问题，找到想解决的问题，再找到我完全信任、也很想一起做事的商业伙伴。我们此前已经在项目上密切合作过。

所以，如果有人考虑创业，我的建议是不要为了创业而匆忙开公司。它应该来自深厚的兴趣和投入；当时机合适，人会感觉得到。我们每个人都有辨别真假的能力。也许费曼说过，最容易骗的人就是自己。不要骗自己去创业；只有当你对这个领域和想法确实有深厚兴趣时，才去做。