“AI创新不再取决于天才，而取决于能汇聚多少数据和算力。”

硅谷风投机构Andreessen Horowitz（a16z）合伙人Martin Casado近日在接受《金融时报》（FT）采访时表示，AI领域的竞争重心正从技术能力转向资本投入。

在他看来，过去AI能否解决某个问题，更多取决于技术本身；如今则越来越取决于是否具备足够的资金、数据和算力投入能力。Casado指出，癌症治疗、气候变化、新药研发等复杂问题，过去并不是单靠资金投入就能解决，但在AI推动下，这些领域的进入门槛正在下降。

这种变化同样体现在模型开发上。Casado表示，AI模型开发未必像外界想象得那么困难。之所以这一领域过去常被视为少数“天才”的专属地带，很大程度上是因为早期参与者本来就不多。如今，他已经看到一些并非博士出身、也没有斯坦福背景的团队，依靠资金投入同样能够做出高质量模型。

不过，他也强调，行业仍然需要像Mira Murati、Ilya Sutskever、Fei-Fei Li这样真正理解AI运行机制的人才。在Casado看来，这些人的优势更多来自信息获取渠道和人脉网络，而不只是“天赋”本身。随着时间推移，这类资源会逐步向更多人开放，AI竞争最终会越来越呈现出资本驱动的特征。

谈及模型演进路径时，Casado认为，依靠大规模资金投入训练基础模型的预训练阶段，事实上已接近尾声；下一阶段的进展，可能将更多由强化学习（RL）推动。

他表示，行业正进入针对“可验证结果”的具体问题展开攻关的阶段。接下来的关键不再是AI能否胜任某个领域——多数情况下答案是肯定的——而是这件事是否具备经济性。

对于主要AI模型公司的商业模式，Casado认为目前仍存在不确定性。

他指出，与上一轮模型训练相比，经济性看起来有所改善，但就当前正在进行的训练项目而言，情况仍然“很糟糕”。模型生命周期往往只有3至6个月，之后就需要重新训练。对于这类快速贬值的资产，最终如何与高速增长的企业模式实现匹配，至今仍没有明确答案。

Casado进一步表示，核心问题在于，AI研究机构究竟能够以多低的成本、在多长时间内持续获得资本支持。他举例称，即便Anthropic融资达到300亿美元，围绕模型生态展开服务的相关领域，整体上也未必容易获得同等规模的融资。

他预计，未来可能在2年后，也可能在6年后，大型模型研究公司会建立起较强的品牌壁垒，并在企业市场形成显著影响力，成为稳固的市场主导者。但从那一刻起，这些公司的增长速度也将明显放缓，价值将更多转向具体行业场景、应用层以及小模型，相关机会也会更多流向聚焦这些方向的参与者。