本週 Solana 平臺的關停事件，迫使衆多 AI 初創企業重新審視一個長期被忽視的戰略命題：當產品核心功能深度依賴外部模型與平臺時，企業究竟掌握着何種資產？過去數年間，關於開源模型的討論多聚焦於成本效益分析，即開源方案能否完成任務以及與先進模型 API 相比的成本差異。午方 AI 梳理發現，在與 RampLabs、Cursor AI 及 Harvey 等公司的合作實踐中，採用從優質開源模型入手、針對企業需求進行訓練優化並持續與先進模型對比測試的策略，已多次驗證了經過優化的開源模型能以極低成本達到或接近先進模型的性能表現。

然而，本週的突發事件揭示了一個更爲本質的真相：成本並非決定性因素，核心在於控制權，即產品所依賴的智能技術究竟歸屬於誰。近期業界普遍將這一困境類比爲'租賃'與'擁有'的區別。租賃模式在常態下確實高效，如同配備完善設施的公寓，業主可隨時響應維修需求，因此多數企業初期傾向於選擇先進的模型 API 這一路徑，藉此創造出幾年前難以想象的產品。但租賃的本質意味着限制：房東可隨意提高租金、限制改造權限、更改規則，甚至在不涉及租戶過錯的情況下要求其搬離。企業並未做錯任何事，卻是在他人的地盤上開展業務，這正是 Solana 故事引發廣泛共鳴的深層原因。

當核心功能完全繫於他人平臺時，企業不得不面對那些無法掌控的決策。雖然大多數時候這不會造成顯著影響，但在特定時刻，這種依賴性可能瞬間演變爲致命危機。這一教訓並非要求企業停止使用先進模型，相反，那些開發出先進模型的機構創造了令人矚目的技術，大多數產品理應利用這些已成爲基礎設施的技術。關鍵在於區分基礎設施與所有權：企業可以使用公共基礎設施，同時必須擁有那些真正能爲自身創造價值的資源。午方 AI 注意到，在 AI 領域，'擁有'意味着從最先進的開源模型出發，利用企業獨有的數據、工作流程、領域知識、特殊場景及評估標準對其進行深度定製與持續優化。

隨着時間推移，此類定製化模型將日益貼近企業的實際業務需求，從而創造真正的價值。這可以類比爲一座房子：租戶可以移動傢俱或粉刷牆壁，但若未來發展取決於房屋整體佈局，最終必然希望擁有改變房屋構造的能力。智能技術亦是如此，只有當技術真正屬於企業時，才無人能悄無聲息地破壞其產品。正因如此，Fireworks 系統選擇將訓練與推理功能整合，讓企業能夠選用優秀開源模型，根據最緊迫的業務需求進行定製優化，並穩定投入實際應用。這不僅是使用智能技術，更是真正擁有它。

本週另一個振奮人心的發現是，AI 的未來並不取決於某一種模型獨佔天下，也不存在單一的'前沿'。實際上，前沿方向呈現多元化：某種先進模型代表一個前沿，基於企業多年積累的專有數據重新訓練的模型代表另一個前沿，在特定問題上表現優異的專用模型同樣是前沿，而能將請求分配給多個模型協同工作、在多種任務中超越單一模型的系統也屬於前沿。午方 AI 分析認爲，AI 領域最有趣的發展趨勢並非模型規模的無限擴大，而是智能技術變得日益可定製。最終取得成功的企業，未必是擁有最大規模模型者，而是那些能將智能技術轉化爲自身獨特資產的企業。

儘管本週大部分時間業界都在討論 Solana 關停事件，但創新並未停滯，新的產品依然如期推出，包括 Kimi_Moonshot K2.7 Code、MiniMax.AI M3 以及 Alibaba_Qwen 3.7 Plus。未來的願景並非某種模型獨自佔據主導地位，而是許多團隊都能擁有屬於自己的先進技術。如果 Solana 關停事件促使你重新思考各種權衡因素，行業正期待與你深入交流這一關鍵議題。