上图作于整整两年前，在ChatGPT刚火之时。23年上半年线下交流时，都会先拿出这张图。
两年过去了，AI行业早已发生了天翻地覆的变化，可如果再回来看的话，似乎要我改变的结论并不多：
1、我一直认为开源社区不会被闭源模型差距越拉越大，相反，开源达到闭源同等能力是迟早的事。DS横空出世似乎验证了，虽然在严肃场景下，我不会选择幻觉率偏高的DS，但是在基本能力上接近最好的模型也已经成为共识；
2、硬件上，内存带宽而不是芯片算力本身是最重要的约束条件。这是大厂不断推进in-house的基础；
3、市场上，最终不会缺模型，而是缺场景，而是要不断降本：有强生态的云或许才会是笑到最后的；
4、在各种原因的共同作用下，国内格局的变化远大于海外，我看好的某巨头终于“急速坠落”了，或许还会有一些翻身机会，但这是我当初最错误的判断；
5、多模态才有更大的未来；
6、独家模型、生态、规模效应、低成本、灵活性，这些至少要占一两条吧，夹在中间其实很不舒服；
7、其实模型在具体产业里的落地进度是比预期要低很多的，看起来具体应用里数据积累和流程再造，不是短时间可以完成的；
站在当前时点，很像一个熟悉的周期再来一次：
1、基础模型又成为最重要的竞争点了；如果把DS看作语言模型突破赶上的话，下一个该是多模态了吧；
2、影响应用落地的三要素，模型能力、低成本、生态场景（数据准备），看起来指针转到了低成本和生态场景上；
3、与两年前很大的区别是，那时候模型收费的前景很广阔，如今，一方面是开源，另一方面，其实真正达到DS-R1能力部署的推理成本并不低，而收费天花板已经被压制了；
纯通过买服务器，卖推理API的云服务，估计成本都难以覆盖。只有两种方式降低成本：足够多的自研芯片（例如Google TPU的体量和成熟度），足够强大的生态场景支撑。
云，越大越好。