生成式 AI 发展大趋势下，各种大语言模型（LLM）如雨后春笋般出现。除了 OpenAI 的 GPT 和 Google 的大模外，还有各种开源模型。在 Hugging Face 上宣称有 30 万种模型可供选择。
对于应用开发商而言，一种主流的手段就是像使用云计算算力一样，通过互联网 API 去调用大模型服务商的模型能力，然后按照使用次数去付费。
由于不同大模型的计算质量以及品牌有差别，此类 AI 算力服务的价格也差别很大。例如，GPT-4 会比 GPT-3.5-Turbo 贵 30x 倍；GPT-4 比其他某些模型服务商贵甚至 100x 倍。
这就给应用商带来一个问题，对于 “普通的计算请求” 是否也需要用 “很贵的 GPT-4” ？可否用便宜一些的其他模型服务来代替 GPT-4。
创业公司 Martian 就在走类似事情，其提供了 “Model Router 模型路由” 服务，帮助应用上来做自动路由选择，力求把普通的计算请求应用于便宜一些的大模型服务上去。
附图数据来自 Martian 的模拟，其认为通过模型路由，节省最高 98% 的大模型能力调用成本。
风险投资机构 a16z 描绘了生成式 AI（AGI）的技术栈层次。最底下两层是计算机硬件（服务器、GPU 等）和云平台（AWS、Google 云、Azure 等）；
底下两层可认为提供了算力网络的基础设施服务。深蓝色是模型层，包括闭源的模型（例如：OpenAI 的 GPT-3) 和开源模型。开源模型既包括模型算法本身，也包括托管和运行这些模型的平台。
最上层即应用。应用既可以是 Jasper 这种比较 “薄” 的应用，也包括 Midjourney 这种后台模型也自己做的应用。
从价值创造和风险投资角度，Jasper 类面临的质疑就是护城河问题，有风险投资机构认为其大量能力依赖 OpenAI。而 OpenAI 会把大部分价值拿走等。
但其实即便是比较 “薄” 的上层应用中，Github...
Microsoft 信息披露现实，其在 2023 年的碳排放量对比其指定的基准年份（2020年）提升了 29.1%。
AI 带来的能耗提升被认为是碳排放量增加的主要原因。
遇到过若干次类似情况了，论述资本主义和劳资关系时。
同一家公司，前后座位共事的同事财富巨大差别的情形，通常出现在高速成长的巨头身上。一切取决于加入的时间：
⑴ 有钱的 Facebook 人和没钱的 Facebook 人；
⑵（曾经）华为人的工号文化，异性征友有时都会标注，期望多少号之前；
⑶ 不同时期加入阿里的 P8…
