AI & Enterprise

Databricks高管：企业AI选型更看重成本和时延，开源小模型更受青睐

Databricks高级副总裁David Meyer表示，前沿大模型虽然更擅长处理复杂任务，但在单据纠错等企业基础流程中，往往会直接改写错误内容，而不是识别并标记问题项。随着企业对高并发、低成本和低时延的需求上升，经过强化学习优化的开源小模型以及多模型协同方案正更受青睐，企业级AI竞争焦点也正从模型规模转向实际运行效率与单位成本。

AI & Enterprise

a16z合伙人：AI竞争重心转向资本，模型开发门槛下降

a16z合伙人Martin Casado表示，AI创新正越来越取决于数据、算力和资金等投入能力，模型开发也未必如外界想象般高不可攀。他认为，大规模预训练阶段已接近尾声，强化学习可能成为下一阶段的重要推动力。不过，AI公司的商业模式和经济性仍存在较大不确定性。