文章原載于《財富》中文網、財富 FORTUNE 微信公眾號，轉載已獲授權。

本文作者是 IBM 董事長兼首席執行官 Arvind Krishna。他認為，社會各界不應止步于應用人工智能，更要成為人工智能的共建者。

近日，DeepSeek 公司顛覆了人工智能領域的傳統認知。長久以來，業界普遍認為訓練尖端模型需要超過 10億美元資金投入和數千顆最先進的芯片，認定人工智能必須閉源開發，并相信只有少數公司擁有構建人工智能模型的能力——因此嚴守技術機密至關重要。

但這家中國公司給出了不同答案。媒體報道顯示，他們僅用 2,000顆英偉達(Nvidia)芯片，以約 600萬美元的超預期成本就完成了最新模型的訓練。這印證了我們始終堅持的觀點：更精簡高效的模型無需龐大封閉系統也能取得實質突破。

然而中國團隊的創新引出了一個更深刻的命題：誰將主導人工智能的未來?真正的解決之道不在于限制進步，而在于構建由高校、企業、科研機構和公民社會組織共同參與的開發生態。

另外一種選擇是什么?就是讓那些價值觀和優先事項不同的人掌握人工智能的領導權。這意味著我們要主動放棄對這項關鍵技術的掌控。因為唯有實現人工智能民主化，才能催生真正的創新與進步。

如今，炒作的時代已經結束。我堅信 2025年必須成為打破人工智能技術壟斷的破局之年。到 2026年，社會各界不應止步于應用人工智能，更要成為人工智能共建者。

DeepSeek 對人工智能領域的啟示

構建這樣一個未來的關鍵在于小型開源模型。DeepSeek 給我們帶來的啟示是，最佳的工程設計應該從性能和成本兩個方面進行優化。一直以來，人工智能被視為規模化的游戲——模型規模越大，效果越好。但 DeepSeek 真正的突破除了規模，還關乎效率方面。在 IBM 的研究中，我們發現針對特定用途優化的模型已經將人工智能推理成本降低了 30倍，極大提高了人工智能模型訓練的效率和可及性。

我不認為通用人工智能(AGI)即將到來，或者人工智能的未來取決于建造規模如曼哈頓般龐大、依靠核能供電的數據中心。這些觀點制造了虛假的二元對立。沒有任何物理法則規定人工智能必須是昂貴的。訓練和推理成本并不是固定的——這是一個亟待解決的工程挑戰。無論老牌企業還是初創公司都有能力降低這些成本，使人工智能變得更實用和更加普及。

這種情況早有先例。在計算機發展初期，存儲和處理能力成本高昂，令人望而卻步。然而，通過技術進步和規模經濟效應，這些成本大幅下降，由此開啟了一波又一波的創新和應用浪潮。

人工智能也將遵循同樣的軌跡。這對于世界各地的企業而言是好消息。一項技術只有變得經濟可行且容易獲取時，才能真正發揮變革性的作用。通過采用開放、高效的人工智能模型，企業可以獲得契合自身需求的高性價比解決方案，使人工智能在各行各業釋放出最大潛力。

關于 IBM

IBM 是全球領先的混合云、人工智能及企業服務提供商，幫助超過 175個國家和地區的客戶，從其擁有的數據中獲取商業洞察，簡化業務流程，降低成本，并獲得行業競爭優勢。金融服務、電信和醫療健康等關鍵基礎設施領域的超過 4000家政府和企業實體依靠 IBM 混合云平臺和紅帽 OpenShift 快速、高效、安全地實現數字化轉型。IBM 在人工智能、量子計算、行業云解決方案和企業服務方面的突破性創新為我們的客戶提供了開放和靈活的選擇。對企業誠信、透明治理、社會責任、包容文化和服務精神的長期承諾是 IBM 業務發展的基石。