- โมเดล AI มีความสามารถในการป้องกันทางธุรกิจไม่มากนัก นอกจากความภักดีต่อแบรนด์และต้นทุนการเปลี่ยนที่ผิวเผิน ทำให้ กลยุทธ์แบบเปิดน้ำหนัก ของจีนกำลังก่อรูปเป็นระบบนิเวศการกระจายใช้งานที่กว้างกว่าระบบโมเดลปิดของสหรัฐฯ
- ความสามารถในการป้องกันที่แท้จริงของ AI สำหรับองค์กรไม่ได้อยู่ที่ตัวโมเดล แต่อยู่ที่ บริการรอบข้าง เช่น สัญญา การเชื่อมต่อกับระบบภายใน และฟีเจอร์อำนวยความสะดวก โดยผู้ใช้ API สามารถคงพรอมป์ตเดิมไว้แล้วเปลี่ยนโมเดลและผู้ให้บริการได้ง่าย
- มาตรการควบคุมการส่งออก GPU ของสหรัฐฯ และกฎระเบียบด้านการย้ายข้อมูลไปยังเซิร์ฟเวอร์ในจีน จำกัดการให้บริการแบบรวมศูนย์ระดับโลกของบริษัทจีน แต่จีนใช้การเปิดเผยโมเดลเพื่อ เปลี่ยนความเสียเปรียบด้านคอมพิวต์ให้เป็นความได้เปรียบด้านการกระจายใช้งาน
- Moonshot และ Alibaba เปิดเผยโมเดลที่ระบุว่าสามารถสู้กับโมเดลชั้นนำของ OpenAI และ Anthropic ได้ในต้นทุนที่ต่ำกว่ามาก ขณะที่ Martin Casado จาก a16z ประเมินว่า โอกาสที่สตาร์ตอัปใดๆ จะใช้โมเดลจีนอยู่ที่ 80%
- กลยุทธ์แบบปิดของสหรัฐฯ และแรงจูงใจที่มุ่งรายได้ระยะสั้นกำลังขัดขวางการขยายระบบนิเวศ และเพื่อลดความเสี่ยงของเศรษฐกิจสหรัฐฯ ที่พึ่งพาการใช้จ่ายด้าน AI สูง จึงควรสนับสนุน public AI·บริการแบบสหพันธ์·งานวิจัยแบบเปิด
ความสามารถในการป้องกันที่เหลืออยู่กับบริการรอบข้างมากกว่าตัวโมเดล
- โมเดล AI ในฐานะผลิตภัณฑ์แบบแยกเดี่ยวมี ความสามารถในการป้องกันระยะยาว ไม่มาก
- ผู้ใช้สามารถเปลี่ยนจาก ChatGPT ไปเป็น Claude ได้โดยแทบไม่กระทบต่อเวิร์กโฟลว์
- ในสภาพแวดล้อมงานวิศวกรรม การเปลี่ยนทำได้ง่ายยิ่งขึ้นเพราะคงพรอมป์ตเดิมไว้แล้วเปลี่ยนเพียง API
- แม้จะผูกลูกค้าด้วยสัญญาได้ แต่ในระยะยาวแทบไม่มีแรงจูงใจทางเทคนิคให้ต้องเลือกผู้ให้บริการรายเดิมต่อไป
- ความสามารถในการป้องกันของ AI สำหรับองค์กรเกิดจากดีลและสัญญา การเชื่อมต่อกับระบบองค์กร และ ฟีเจอร์อำนวยความสะดวก ในสภาพแวดล้อมการทำงาน
- ผู้ใช้สามารถเลือกโมเดลที่เหมาะกับความต้องการที่สุด และเมื่อมีโมเดลที่ดีกว่าเกิดขึ้นก็สามารถเปลี่ยนทั้งโมเดลและผู้ให้บริการได้
กลยุทธ์การกระจายใช้งานที่พลิกความเสียเปรียบด้านคอมพิวต์
- เนื่องจาก มาตรการควบคุมการส่งออก GPU ของรัฐบาลสหรัฐฯ แม้บริษัทจีนจะจัดหาทรัพยากรคอมพิวต์สำหรับฝึกโมเดลได้ ก็ยังยากที่จะให้บริการแบบรวมศูนย์ระดับโลกในลักษณะเดียวกับ OpenAI หรือ Anthropic
- กฎระเบียบที่ห้ามแชร์ข้อมูลบางประเภทกับเซิร์ฟเวอร์ในจีนก็ยิ่งจำกัดการขยายบริการ
- เทคโนโลยีแบบเปิดเอื้อต่อการยอมรับในโครงสร้างพื้นฐาน เพราะสามารถใช้งานได้โดยไม่ต้องขออนุญาต โฮสต์ได้ในสถานที่ที่ต้องการ และทดลองหรือดัดแปลงได้
- โมเดลแบบเปิดน้ำหนักไม่ใช่โอเพนซอร์ส แต่ พกพาได้และใช้งานได้โดยไม่ต้องขออนุญาต
- การเปิดเผยโมเดลของจีนเปลี่ยนความเสียเปรียบด้านคอมพิวต์ที่สหรัฐฯ สร้างขึ้นให้กลายเป็นความได้เปรียบด้านการกระจายใช้งาน ทำให้ชั้นโมเดลที่บริษัทสหรัฐฯ สร้างรายได้กลายเป็นสินค้าสาธารณะ และสร้างระบบนิเวศระดับโลกที่มีประสิทธิภาพกว่าบริการแบบรวมศูนย์ที่ปิดกั้น
- อุตสาหกรรมต่างๆ ของจีนตั้งแต่การผลิตไปจนถึงงานวิจัยวิทยาศาสตร์สามารถนำโมเดลเหล่านี้ไปใช้ได้ทันที
ช่องว่างด้านประสิทธิภาพที่แคบลง
- แนวป้องกันของบริษัทสหรัฐฯ คือโมเดลแนวหน้ามีประสิทธิภาพเหนือกว่าโมเดลเปิดเผยต่อสาธารณะ แต่การ เปิดเผยโมเดลของ Moonshot และ Alibaba กำลังทำให้ช่องว่างนั้นแคบลง
- ทั้งสองบริษัทระบุว่าโมเดลของตนสามารถสู้กับโมเดลชั้นนำของ OpenAI และ Anthropic ได้ด้วยต้นทุนที่ต่ำกว่ามาก
- การเปิดเผยต่อเนื่องอย่างรวดเร็วกำลังคุกคามสถานะผู้นำของสหรัฐฯ ในช่วงเวลาที่ AI กลายเป็นศูนย์กลางของความมั่นคงแห่งชาติ พลังเศรษฐกิจ และอิทธิพลทางภูมิรัฐศาสตร์
- แม้ก่อนการพัฒนาประสิทธิภาพรอบใหม่ กลยุทธ์ของจีนก็เริ่มเห็นผลแล้ว
- Martin Casado พาร์ตเนอร์ของ a16z ประเมินว่า โอกาสที่สตาร์ตอัปใดๆ จะใช้โมเดลจีนอยู่ที่ 80%
- ความเป็นไปได้ที่โมเดลจีนจะขึ้นเป็นผู้นำ ก็เพิ่มสูงขึ้นเช่นกัน
ความเสี่ยงที่เกิดจากกลยุทธ์แบบปิดของสหรัฐฯ
- ตรงกันข้ามกับความปิดกั้นของสังคมจีน มีความย้อนแย้งว่าฝ่ายที่ควบคุมเทคโนโลยี AI อย่างเข้มงวดกลับเป็นบริษัทสหรัฐฯ
- มีความกังวลอย่างจริงจังว่าโมเดลจีนอาจสะท้อนมุมมองของรัฐบาล ซึ่งเห็นได้จาก คำถามเกี่ยวกับจัตุรัสเทียนอันเหมิน
- กลยุทธ์แบบปิดของบริษัทสหรัฐฯ ตัดกันอย่างชัดเจนกับแนวทางที่รัฐบาลสหรัฐฯ เคยสนับสนุนอินเทอร์เน็ตแบบเปิดในอดีต
- แทนที่จะปิดเทคโนโลยีที่มีความสามารถในการป้องกันจริงต่ำแต่มีศักยภาพด้านระบบนิเวศสูง การเลือกแนวทางเปิดเผยที่ ผ่อนปรนและร่วมมือกัน จะเป็นประโยชน์กว่า
- บริษัทสหรัฐฯ กำลังถูกกดดันให้ไล่ตามรายได้ระยะสั้นโดยตรงมากกว่าผลประโยชน์ของระบบนิเวศ
- ภาครัฐเองก็แทรกแซงตลาดผ่านมาตรการควบคุมการส่งออกที่เข้มงวด จึงจำเป็นต้องมีการเปลี่ยนแปลงเพื่อจัดแนวแรงจูงใจของระบบนิเวศและบริษัทให้ดีขึ้น
- ขณะนี้เศรษฐกิจสหรัฐฯ ส่วนสำคัญได้รับอิทธิพลจากการใช้จ่ายด้าน AI ดังนั้นหากฐานการใช้จ่ายพังทลายลงจากพลวัตเหล่านี้ ผลกระทบก็อาจรุนแรงมาก
- สำหรับเทคโนโลยีแบบเปิดที่สามารถดำเนินการให้สอดคล้องกับประโยชน์สาธารณะและคุณค่าของสังคม public AI, บริการแบบสหพันธ์, และงานวิจัยแบบเปิด กำลังได้รับการสนับสนุน แต่ยังต้องการแรงหนุนเพิ่มเติม
- หากต้องการทำให้สิ่งนี้เกิดขึ้นในสหรัฐฯ ก็จำเป็นต้องมีกลยุทธ์และการสนับสนุนที่ละเอียดรอบคอบกว่าปัจจุบัน
1 ความคิดเห็น
ความเห็นจาก Hacker News
ตลอด 50 ปีที่ผ่านมา ในตลาดคอมพิวเตอร์และซอฟต์แวร์ สุดท้ายแล้ว ผลิตภัณฑ์ฟรีหรือราคาถูก เป็นฝ่ายชนะเสมอ PC โค่นมินิคอมพิวเตอร์, Windows ราคาถูกและ Linux ฟรีกัดกินตลาด UNIX และสัดส่วนของเมนเฟรมก็ลดลงอย่างมาก
ต้นทุนการฝึกและความต้องการทรัพยากรของโมเดลล้ำหน้าที่สุดนั้นยั่งยืนได้ยาก และแรงจูงใจทางเศรษฐกิจในการพัฒนาโมเดลคุณภาพสูงที่ถูกกว่ายังมหาศาล Local LLM บนฮาร์ดแวร์ผู้บริโภคมีลักษณะคล้ายระบบนิเวศของผู้ใช้ PC งานอดิเรกในยุค 1970~80 และมองว่าในอีก 10~15 ปีข้างหน้า PC และสมาร์ตโฟนจะสามารถทำงานส่วนใหญ่ได้ในระดับเดียวกับโมเดลล้ำหน้าปัจจุบัน
โมเดลแบบเปิดเผยน้ำหนักจากจีนจะเร่งกระแสนี้ เพราะทำให้เกิดบริการเช่า AI ที่ถูกกว่า Anthropic และ OpenAI มาก
ผู้ใช้ไม่ได้ต้องการอินเทอร์เฟซที่ประจบจนทำให้วิจารณญาณพร่าเลือน หรือดื้อรั้นและเข้าใจช้าจนต้องอธิบายทีละอย่าง วงการเทคมักมีแนวโน้มหลงใหลความแปลกใหม่มากเกินไปเวลาเดาความต้องการของผู้ใช้ที่ไม่ใช่สายเทคนิค
เครื่องมือเล่นเพลงไม่จำเป็นต้องมีความสามารถเขียนแฟนฟิกของหนังที่เพลงนั้นเคยปรากฏอยู่ด้วย ถึงจะน่าทึ่งแต่ก็ไม่ได้มีประโยชน์
โอเพนซอร์สอย่าง Linux kernel เปิดทางให้คนจำนวนมากปรับปรุงระบบซับซ้อนอย่างอิสระและสะสมผลงานต่อยอดได้ แต่โมเดลไม่มี เส้นทางการฝึกแบบกระจายหรือการปรับปรุงแบบขนาน
นี่อาจเป็นกลยุทธ์ระยะสั้นเพื่อทำสงครามราคาให้บริษัทตะวันตกเงินหมด แต่แรงจูงใจและนโยบายเปลี่ยนได้เสมอ หากยังไม่สามารถกระจายศูนย์การพัฒนาโมเดลได้อย่างแท้จริง การเปิดให้ใช้ก็อาจถูกหยุดได้ทุกเมื่อ
คิดว่านักพัฒนาจำนวนมากในรุ่นเดียวกันที่เติบโตในประเทศกำลังพัฒนาก็คงมีประสบการณ์คล้ายกัน
ตอนนี้ยากจะย้อนกลับแล้ว น้ำหนักแบบเปิดไม่ใช่โอเพนซอร์ส แต่แทบจะเป็น โมเดลฟรี โดยผู้ใช้จ่ายแค่ค่าฮอสติ้ง
มีผู้ให้บริการหลายร้อยรายที่โฮสต์และขายสิ่งนี้ และบริษัทหลายพันแห่งตั้งแต่ Microsoft·Databricks·Palantir ไปจนถึงสตาร์ตอัปเล็กๆ สามารถรันและ fine-tune แล้วถือครองทรัพย์สินทางปัญญาได้
ตรงกันข้าม OpenAI และ Anthropic ต้องรักษามาร์จินจากการอนุมานเกิน 90% เพราะมีต้นทุนจมและเงินเดือนมหาศาลเพื่อรักษาบุคลากร การที่ Meta จ่ายเงินหลายพันล้านดอลลาร์ให้วิศวกรระดับหัวหน้าก็บิดเบือนตลาดอย่างมาก
ถ้าแล็บในสหรัฐปิดตัว แล็บในจีนก็คงเริ่มคิดเงินทันที แต่ราคาต่อโทเคนก็น่าจะยังอยู่ที่ 1 ใน 5 หรือ 1 ใน 10 และมีข้อจำกัดต่างๆ น้อยกว่า แล็บในสหรัฐต้องลดต้นทุนและเงินเดือนแล้วแข่งขันให้ได้ และ AI กับหุ่นยนต์ คือความหวังสุดท้ายที่สหรัฐจะกลับมาสร้างอุตสาหกรรมและรักษาสถานะมหาอำนาจไว้
เพราะอุปสงค์ภายในจีนใหญ่พอและมีแผนยุทธศาสตร์รัฐระยะยาวต่อพลังงานหมุนเวียน ผลลัพธ์จึงอาจดูเหมือนการอุดหนุนอย่างเอื้อเฟื้อสำหรับคนทั้งโลก AI ของจีนก็อาจเดินตามเส้นทางคล้ายกัน
คำอ้างว่า “สตาร์ตอัป 80% ใช้โมเดลจีน” น่าสงสัย สตาร์ตอัปหลายแห่งที่เพิ่งสัมภาษณ์ไปต่างก็ใช้โมเดลสหรัฐทั้งหมด และถึงจะใช้โมเดลจีนบางส่วน แกนหลักของธุรกิจก็ยังเป็น การสมัครใช้ Claude และ Codex
ก่อนรับเงินลงทุน สตาร์ตอัปอาจใช้โมเดลจีนในบางจุดของเวิร์กโฟลว์ก็ได้ แต่ในบรรดาบริษัทที่ได้เงินลงทุนหรือมีรายได้และอยู่รอดเกิน 1 ปีแล้ว ยังไม่รู้ว่าสัดส่วนที่ใช้ต่อเนื่องมีเท่าไร มันอาจเป็นการพรีเซนต์แนวว่า “เราทำได้ถึงขนาดนี้ด้วยโมเดลโอเพนซอร์สจากจีน ถ้าได้ลงทุนไปใช้โมเดลล้ำหน้ากว่านี้ก็น่าจะทำได้ดีกว่า”
ดูเหมือนผู้เขียนจะหาคำอ้างที่เข้ากับเรื่องเล่าที่ตั้งไว้ล่วงหน้า หรือไม่ก็อ่านคำอ้างอย่างไม่ระมัดระวัง
แม้จะใช้โมเดลแบบเปิดเผยน้ำหนักจากจีนบ่อย แต่ก็ไม่ได้เลือกมันเป็นอันดับแรกสำหรับงานเขียนโค้ดที่สำคัญ
ในไลบรารี AI ที่ใช้อยู่ แค่เปลี่ยนการตั้งค่าเพียงจุดเดียวก็สลับโมเดลได้
เมื่อฮาร์ดแวร์ที่ใช้งานได้มีราคาถูกลง ก็มีแนวโน้มว่า โมเดลแบบเปิดเผยค่าน้ำหนัก จะเป็นฝ่ายชนะในความหมายที่ว่ากลายเป็นรูปแบบหลัก คุณอาจเช่า GPU เองเพื่อประหยัดค่าใช้จ่ายได้ แต่ก็ได้ยินมาว่าบริษัทที่รัน inference เองก็มีบิลที่สูงจนน่าตกใจเช่นกัน
อย่างไรก็ตาม ยังเข้าใจได้ยากว่าฝ่ายที่ฝึกโมเดลแล้วเปิดเผยนั้นได้อะไรตอบแทน มันเป็นกลยุทธ์เพื่อลดราคาโดยมองผู้ให้บริการสหรัฐเป็นภัยคุกคามหรือไม่ และโมเดลธุรกิจก็ยังไม่ชัดเจน
แรงจูงใจของจีนเข้าใจได้ยาก บทความที่เกี่ยวข้อง
จีนมองว่าการทำให้เทคโนโลยีกลายเป็นของใช้ทั่วไปเพื่อให้หลายบริษัทเข้าไปสนับสนุนหลายภาคส่วนของเศรษฐกิจ เป็น ผลประโยชน์ของเศรษฐกิจโดยรวม และใช้สิ่งนี้เป็นเหตุผลรองรับการลงทุนภาครัฐ
กลยุทธ์ของสหรัฐคือการรวมทุนเอกชนไว้กับบริษัทไม่กี่แห่งเพื่อให้หนึ่งหรือสองรายครองตลาด แล้วค่อยๆ เรียกเก็บ “ภาษี” ที่หนักขึ้นจากทุกภาคส่วน จึงยากจะมองว่าเป็นชัยชนะของเศรษฐกิจชาติทั้งระบบ
ถ้า AI inference ฟรี จีนก็สามารถปรับแต่งชิปที่ผลิตในจีนให้เหมาะกับงานเฉพาะ แล้วใส่ลงในสินค้าอีกนับไม่ถ้วน เช่น ของเล่น รถยนต์ เครื่องมือ แล้วขายได้อยู่ดี ในเมื่ออุปกรณ์ x86 ราคาถูกและผลิตภัณฑ์ Linux/BSD ก็ทะลักออกมาจากจีนอยู่แล้ว GPU ก็คงไม่ต่างกัน
ต่อให้เปิดตอนนี้ ผู้ใช้ที่รันในเครื่องก็ยังมีน้อย และโมเดลปัจจุบันก็น่าจะล้าสมัยหมดในอนาคตอันใกล้ ข้อเสียที่คู่แข่งจะ distill ได้ง่ายก็คงกันได้ยากอยู่แล้ว
ยากจะจินตนาการถึง อนาคตที่ไม่มีโมเดลโอเพนซอร์ส AI เป็นเทคโนโลยีสำหรับทั้งโลก จึงไม่ควรเอาโมเดลล่าสุดและดีที่สุดไปขังไว้กับบริษัทอย่าง Anthropic หรือ OpenAI ที่สามารถตัดการเข้าถึงได้ทุกเมื่อ
บทความนี้ดูแปลกตรงที่ Llama ซึ่งถือเป็นเหมือนบรรพบุรุษของโมเดลแบบเปิดเผยค่าน้ำหนักทั้งหมด ก็ไม่ได้ทำให้ Meta ประสบความสำเร็จ
บริษัทต่างๆ ให้ความสำคัญกับการไม่เก็บข้อมูลและความสัมพันธ์กับผู้ขายเดิม มากกว่าจะสนใจว่าโมเดลเปิดเผยหรือไม่ บทความนี้ดูแทบจะพูดซ้ำคำให้สัมภาษณ์ของ Alex Karp ทาง CNBC ซึ่งในฐานะ CEO ของ Palantir ก็ไม่ใช่มุมมองที่เป็นกลาง
โมเดลแบบเปิดเป็นสิ่งที่น่ายินดีและฉันก็รันเองด้วย แต่ยังมีหลักฐานไม่พอที่จะสรุปว่าสหรัฐกำลังแพ้ในการแข่งขัน AI หรือห้องแล็บสหรัฐเสียเปรียบเพราะไม่เปิดเผยค่าน้ำหนัก
https://www.cnbc.com/2026/07/01/palantir-karp-open-ai-anthropic-tokens.html
1 2 3
ตอนนี้พวกเขาจึงต้องการตัวเลือกในการโฮสต์โมเดลแบบเปิดเผยค่าน้ำหนักกับผู้ให้บริการ inference รายเดิม แต่หากจำเป็นก็สามารถย้ายไปดำเนินการภายในได้
เคยมีโอกาสจริงที่จะเป็น “ชั้นฐาน” ที่ถูกพูดถึง แต่กลับเลิกไป ทำให้เข้าใจได้ยากว่าทำไมถึงยอมทิ้ง
เป็นเรื่องที่เข้าใจไม่ได้ที่จะละเมิดทรัพย์สินทางปัญญาตลอดประวัติศาสตร์มนุษย์อย่างโจ่งแจ้ง ปฏิบัติต่อมรดกของมนุษยชาติราวกับเป็นอาณาเขตของตัวเอง แล้วพยายาม แปรรูปกลับเป็นกรรมสิทธิ์เอกชน เทคโนโลยีและข้อมูลที่เดิมอยู่ในสาธารณสมบัติ
ถ้าพอเรื่องคลี่คลายแล้วยังมีการพูดถึงการอุ้มชูทางการเงิน นั่นก็จะเป็นหลักฐานว่าระบบนี้ล้มละลายทั้งในเชิงจริยธรรม การเงิน และปัญญา
ในฐานะคนที่ไม่ใช่ชาวอเมริกัน ฉันไม่ต้องการให้กลุ่มบริษัทร่วมผูกขาด AI ของสหรัฐมีอำนาจมหาศาลเหนือเทคโนโลยีนี้ และก็ไม่เห็นด้วยกับกรอบคิดแบบ “จีนเลวเพราะเป็นคอมมิวนิสต์” ด้วย ในประเด็นนี้ การกระทำของจีนให้ผลบวกสุทธิต่อโลกไม่ว่าจะเกี่ยวกับอุดมการณ์หรือไม่ก็ตาม
ถึงตอนนั้นเตาปฏิกรณ์เกลือหลอมเหลวแบบนิวเคลียร์ก็คงเดินเครื่องแล้ว จน การใช้ไฟฟ้าของดาต้าเซ็นเตอร์ ไม่เป็นปัญหาอีกต่อไป อารมณ์ประมาณนั้น
ตามบทความของ Ben Thompson เกี่ยวกับโมเดลจีน(https://stratechery.com/2026/whos-afraid-of-chinese-models/) Xi Jinping กล่าวในสุนทรพจน์ล่าสุด(http://english.scio.gov.cn/topnews/2026-07/18/content_118605932.html) ว่าควร สนับสนุนโมเดลโอเพนซอร์ส รวมถึง “คว้าโอกาสทางประวัติศาสตร์ในการส่งเสริมโอเพนซอร์ส ความเปิดกว้าง ความร่วมมือ และการแบ่งปัน”
โดยสรุปแล้วบทความนี้คือ “ฉันชอบโอเพนซอร์ส ดังนั้นโอเพนซอร์สจะชนะ” บริษัทที่ปล่อยโมเดลแบบเปิดเผย weights ส่วนใหญ่ได้รับเงินทุนจากเวนเจอร์จำนวนมหาศาล จึงน่าสงสัยว่า กลยุทธ์การถอนทุนของนักลงทุน และวิธีทำกำไรพร้อมทำสิ่งนี้ต่อไปได้ไม่มีกำหนดคืออะไร
การใช้เงินหลายสิบล้านดอลลาร์ฝึกโมเดลล้ำสมัย แล้วเปิดให้ใช้ฟรีโดยให้คนอื่นโฮสต์บน GPU ของตัวเองนั้นไม่สมเหตุสมผลในระยะยาว การเชื่อว่าจะยังคงรักษา open weights ไว้แม้เงินทุนเหือดแห้งและนักลงทุนเรียกร้องผลตอบแทนนั้นเป็นความคิดที่ไร้เดียงสา
สถาบันวิจัยจีนที่ได้รับการสนับสนุนจากรัฐบางส่วนอาจเปลี่ยนไปสู่รูปแบบที่โฮสต์โมเดลจีนบนโครงสร้างพื้นฐานที่ผลิตในจีน
ในเมื่อทุกวันนี้ก็จ่ายเงินให้ Claude, GPT, Gemini ฯลฯ อยู่แล้ว ก็ยินดีจ่ายค่าสมัครรายเดือนเล็กน้อยสำหรับไลเซนส์รันแบบโลคัล
การฝึก AI model มีค่าใช้จ่ายหลายสิบล้านดอลลาร์ จึงยากที่จะทำให้ต้นทุนล่วงหน้าดูสมเหตุสมผลด้วยการให้ฟรี วิธีฝึกและเปิดเผยของจีนจะเข้าใจได้ก็ต่อเมื่อมองว่าเป็น กลยุทธ์เพื่อลดอัตราผลตอบแทนของสถาบันวิจัยแนวหน้าของสหรัฐฯ
อย่างที่สอง แม้ AI เองจะไม่ใช่สินค้า ก็สามารถใช้กลยุทธ์ ทำให้สินค้าส่วนเติมเต็มเป็นของสามัญ เพื่อพึ่งพา AI ราคาถูกหรือไม่ให้คู่แข่งผูกขาดมูลค่านั้นได้(https://gwern.net/complement)
อาจมีเหตุผลน้อยที่จะลงทุนเงินก้อนใหญ่กับโมเดลที่จะล้าสมัยในไม่กี่เดือน แต่เมื่อความก้าวหน้าเริ่มชะงักลง ก็น่าจะมีบริษัทที่ฝึกโมเดลฟรีมากขึ้น
เครื่องมือสร้างสรรค์ที่ใช้ฟรีจะเพิ่มปริมาณคอนเทนต์ และคอนเทนต์ที่สร้างขึ้นก็มีแนวโน้มสูงที่จะถูกดูบนแพลตฟอร์มของตนในที่สุด จึงสามารถคืนทุนค่าฝึกได้ด้วย เวลาในการรับชมที่เพิ่มขึ้น แม้จะมีโมเดลที่ดีกว่าเกิดขึ้นจากงานวิจัยแบบเปิด ก็ยังเป็นประโยชน์เพราะคอนเทนต์นั้นจะย้อนกลับมาที่แพลตฟอร์ม
ในสภาพแวดล้อมที่ GPU ขาดแคลน ต้นทุนจะจบแค่ตอนปล่อยโมเดล และผู้ใช้เป็นผู้รันเอง จึงไม่จำเป็นต้องให้บริการอนุมานด้วยซ้ำ หากไม่ขายต่อโมเดลแบบสมัครสมาชิกหรือคิดตามโทเค็น แต่ให้เป็นเครื่องมือฟรี ก็อาจทำให้เจ้าของผลงานต้นฉบับที่ใช้เป็นข้อมูลฝึกไม่รู้สึกถูกกันออกไปมากนัก
แม้จะมีผลในการกดดันบริษัทอเมริกันด้วย แต่บริษัทจีนเองก็ต้องรับมือกับลูกค้าจำนวนมหาศาลในตลาดภายในประเทศที่ใหญ่และซับซ้อนอยู่แล้ว ดังนั้นภูมิรัฐศาสตร์เพียงอย่างเดียวอธิบายภาพรวมทั้งหมดไม่ได้