前沿AI公司再也无法触及能力前沿

近年来，AI行业普遍认为未来属于更大规模的模型，由少数玩家控制。然而，本文作者指出这一观点大错特错。数据显示，由多个较小AI模型组成的网络，在速度、准确性和成本上已经全面超越所有前沿AI系统（包括Fable/Mythos）。这类似于20世纪60年代大型机被联网PC所取代的历史转折。

经济层面的终结

从能力来看，神经网络集成现在比任何单一前沿模型都更快、更便宜、更强大。作者6个月前就亲自验证了这一点，如今网络上屡见不鲜。例如，一个集成模型在准确率上超越了最佳模型，而成本仅为其一半。关键在于，不同模型会犯不同的错误，集成之后错误相互抵消，整体准确率提升。这就是为什么没有哪个单一前沿AI系统能再次独占能力前沿。

速度方面，开源模型由于服务商专注于快速廉价的结果交付，往往更快。OpenRouter的独立评级证实了这一点。成本方面，开源模型仅收取推理费用，培训成本免费。更重要的是，现在获得Fable级别性能的最廉价方式，不再是Fable本身，而是GPT与Opus等模型的组合。这种集成可以不断递归：用更便宜的模型与前沿模型组合，再与其他开源模型组合，准确率和成本优势越来越大。

集中式AI无法应对这种“九头蛇效应”——每一次它推出一款更强的模型，网络就会将其吸纳，从而变得更强。就像20世纪后期，互联网将大型机连接起来，使网络总是强于任何单体机器。

基础原理：准确率、成本与速度

准确率优势基于机器学习基本原则：不同模型错误不同，加权集成通常能提高准确率，这一方法甚至曾被研究会议禁止。成本优势源于效率提升。当前的AI模型像是不分章节通读整座图书馆的图书管理员，而更高效的方式是建立索引：分区域、书架、书籍、章节、段落。网络中的每个模型都是“神经网络缓存”，路由器则充当索引。这将是成本最低的方案。速度方面，虽然集成模型在首次响应时间（TTFT）上略有延迟，但总体token吞吐量不变，因为模型并行处理然后流式输出。

地缘政治层面的终结

2010-2026年是公司级AI：能力取决于最大公司汇聚的数据、算力和人才。2026年后似乎进入国家级AI，因为中国和美国都在推动国家控制。但目前，世界级AI已经跃然而出。例如，美国政府刚禁止Fable，24小时内OpenRouter就提供了超越Fable质量的网络集成。这就像ARPANET连接大型主机一样，网络的力量远胜单一节点。最终，AI的竞争将不再是公司或国家之间，而是全球化的神经网络网络。