文章反映了随着AI竞赛向企业界转移，大学中AI研究所经历的深刻变化。
在过去四年中，AI研究高度集中于大语言模型，使得领导地位从学术界转移到了OpenAI和Anthropic等公司。
许多大学没有足够的资金购买GPU来训练先进模型，同时也无法获取Claude或ChatGPT的技术细节。
尼卡·哈格塔拉布（Nika Haghtalab）教授将目前的状况比作如果只有企业被允许使用CRISPR基因编辑技术的生物学领域。
施密特科学基金会（Schmidt Sciences）的AI2050计划资助购买GPU，但对于研究人员而言，使用来自OpenAI、Anthropic和Google的API成本仍然非常高昂。
许多科学家转而研究企业因难以盈利而较少关注的问题。
安贾莉·菲尔德（Anjalie Field）教授发现，语言模型对女性常用的表达方式给出的回答不够成熟，这表明了独立研究的重要作用。
许多AI研究人员并不开发大语言模型，而是为气候、科学和物理系统模拟构建专门的AI。
专家担心公众将AI等同于消耗大量能源的大语言模型，从而减弱了对其他AI方向的关注。
越来越多的教授暂时离开大学加入AI实验室，或者同时为企业工作。
一些数学家感到担忧，因为AI已经解决了许多真实的科研数学问题，这影响了学术界的心态。
尽管如此，许多专家相信AI将有助于提高研究生产力，资源限制可能会推动高校实验室利用更小、更高效的模型创造新的突破。
📌 由于在数据、GPU和资金方面的优势，AI研究正强劲转向私营部门。然而，学术界在独立研究、评估模型偏见以及开发服务于科学的专用AI方面依然发挥着关键作用。作者认为，正是在资源方面的限制，可能会成为大学创造出更新、更高效且具有产生下一次突破能力的AI架构的动力。
