利用企业自身的专有数据和专业知识来微调低成本AI模型的趋势正在兴起，这正成为抗衡OpenAI和Anthropic先进AI模型的新力量。
过去，法律、医疗或教育领域的专用AI模型只能赶上旧世代的AI，但最近的许多测试表明，这一差距正在显著缩小。
Harvey AI针对法律领域微调了Kimi 2.6模型，使性能提升了近40%，达到了与先进AI模型相当的水平，而成本仅为后者的1/11左右。
然而，当Anthropic发布了在同一测试中性能更高的新版Opus时，这一优势迅速被缩小。
桥水基金（Bridgewater Associates）与Thinking Machines Lab合作，利用其投资团队的内部数据、流程和经验微调了Qwen3-235B模型。
微调后的模型在财务分析任务中的准确率达到约85%，与先进AI模型相比减少了近30%的错误，而成本仅为后者的1/14左右。
这一成功得益于该模型不仅学会了正确答案，还学会了桥水基金的专家在日常工作中究竟是如何做出决策的。
文章预测，未来将会出现专门为各个组织构建和维护专属AI模型的企业，而不是仅仅出售基础模型的访问权限。
微软也警告企业不要依赖少数几个封闭的AI模型，因为这存在失去对数据和知识资产价值控制的风险。
文章同时提出一个问题：如果这可能会削弱员工自身的作用，员工是否愿意转让积累多年的知识来为企业训练AI。
📌 结论： AI的竞争正在从构建最强大的模型转向挖掘每个企业的专属知识。像Harvey AI或桥水基金的尝试证明，低成本模型在经过内部数据和经验微调后，能够以仅为1/11至1/14左右的成本，达到或超越先进AI模型的性能。如果这一趋势继续发展，优势可能会从AI模型供应商转移到拥有专有数据、流程和专业知识资产的企业手中。
