人工智能是一项昂贵的独家技术，只有腰缠万贯的大公司才能使用，根据今年早些时候与几家公司负责人的讨论，许多高级管理人员都是这么认为的。

他们的假设是可以理解的。毕竟，全球科技巨头和各国政府正在向人工智能投入数十亿美元。微软最近宣布向南非的人工智能基础设施投资3亿美元，IBM设立了5亿美元的企业人工智能风险基金，而中国的荣耀则承诺在未来五年内投入100亿美元开发人工智能驱动的设备。

甚至各国政府也在积极投资，欧盟通过“地平线欧洲”等计划为人工智能研发拨款数十亿美元。鉴于如此高调的投入，人工智能被视为精英技术也就不足为奇了。但这种说法是否掩盖了现实？

有预算的人工智能

为了挑战这种看法，我没有依靠论据，而是依靠证据。我从自己的笔记本电脑开始，向与我合作的高管们展示了如何在几个小时内建立一个完全自主的人工智能模型和聊天机器人。

我使用的模型“只有”80亿个参数，只是GPT-4等最先进LLM（大型语言模型）的一小部分，但它的表现却非常出色。更重要的是，我可以立即开始对它进行定制，向它输入特定领域的知识，以开发出符合我的需求的人工智能代理，成本为零，而且不依赖云。我可以完全控制我的数据以及我用来训练它的见解和文件。

高管们都很惊讶。于是，我拿出我的树莓派（Raspberry Pi），这是一台价值100美元的小型单板“电脑”，配备了主板的所有关键组件，一个简单的2.4GHz四核64位ARM Cortex-A76 CPU和一个VideoCore VII GPU，并向他们展示了功能齐全的开源人工智能模型如何也能在上面运行。

这种设置并非侥幸。得益于DeepSeek等公司的创新，开源人工智能模型正变得越来越强大和易用。他们最近发布的DeepSeek-V3介绍和DeepSeek-V3 Release证明，只需相对较少的计算资源、大幅降低的能耗和适度的预算，就能开发出高质量的人工智能模型。这颠覆了只有行业巨头才有能力构建人工智能的假设。

开源人工智能的崛起

开源人工智能的快速发展正在使机器学习的获取途径平民化。近年来，许多生成式人工智能工具已经证明，在特定任务中，较小的、经过微调的模型可以胜过专有的替代模型。

开源人工智能模型正在推动从医疗到金融等行业的创新。例如，TensorFlow和PyTorch已广泛应用于医疗成像领域的肿瘤检测等任务，从而提高了诊断速度和准确性。OpenChem帮助研究人员开发了药物发现的预测模型。

在金融领域，包括QuantConnect和Tazama在内的开源人工智能模型已被用于算法交易、风险评估和欺诈检测。这些应用使金融机构能够高效处理海量数据，从而做出更明智的决策并改进安全措施。

与此同时，越来越多的企业意识到，他们不需要借助OpenAI或谷歌的资源来利用人工智能，只需花费很少的成本就能部署量身定制的高效模型。这种转变的影响是深远的。人工智能曾经是价值数十亿美元的研发实验室的领域，而现在初创企业、研究人员和个人都可以使用。接受这一现实的公司将获得竞争优势，不是通过超越对手，而是通过更智能、更快速地创新。

但有一点需要注意：人工智能模型的开发者和用户，无论是专有模型还是开源模型，都应意识到人工智能输出中可能存在的偏差，并确保其符合相关法规。为了维护消费者的信任，他们还应该在人工智能应用中维护数据隐私和透明度。

即使对于今天的“数字化转型”组织来说，适应技术颠覆也需要一定程度的“重构敏捷性”，这往往超出了他们的现有能力。但是，在波动性、不确定性、复杂性和模糊性较高的时期，关键是要能够迅速脱离暂时占主导地位但错误的叙述；寻找事实，坚持证据；并开始重新审视作为我们信念基础并影响我们态度的假设和框架，例如对技术创新的态度。

互联网在20世纪90年代中期是一次开创性的技术颠覆。今天，人工智能也在做同样的事情，只是速度更快，影响更深。

新的人工智能思维

演示结束后，我向高管们提出了一个不同的问题：如果人工智能如此容易获得和负担得起，那么你们今天能用它做什么？

话题发生了巨大的转变。高管们不再担心令人望而却步的准入门槛、开发深层知识的必要性、风险、依赖性或恐惧，而是集思广益，探讨实际应用，实现内部流程自动化、提升客户服务、改进风险评估和决策。

挑战不再是资金或技术，而是想象力和执行力。这就是我们需要接受的教训。人工智能不仅仅是硅谷巨头的专利。预算不多但拥有伟大想法的人们正在构建、完善和应用人工智能。

现在是我们选择建设的未来的结果。所以，读者们，你们的工具——人工智能由你们来探索。