一般来说，企业客户部署应用一项新技术，需要外部技术专家的支持。如果把技术能力完全 “内化” 也不符合市场经济的规律。

附图来自 Morgan Stanley 的调研，针对北美和欧洲企业应用 AI 的供应商选择倾向。

Hyper-scaler 公有云服务商（AWS、Azure 和 Google Cloud）是企业客户最感兴趣的供应商，其次是软件应用服务商（Salesforce 等）、AI 应用商（Palantir 等）、数据管理商（Databricks 等）。

战略咨询公司或管理咨询公司（Accenture、Deloitte）排名第五。有 8% 的企业反馈其会在 AI 应用落地中引入咨询公司。

ICONIQ Capital 调研显示，大多数 Gen AI 应用公司都依赖于第三方大模型 API。

对比绩效普通的公司，高增长公司有更高的比例在微调现有的基础模型，甚至从头开始开发自己的专有模型。

Eric Raymond 在讨论开源社区的激励时，提及了不同的做法（附图）。我认为看似矛盾其实也并不矛盾。

类似公司管理中，宽松的环境对于自律性很强的人，更有利于发挥能力，会体现惊人的创新和效率。

但对于不够自律，相对普通的业者，则意味着产出平庸；时间混久后，员工自己再就业市场的竞争力也会下滑。

从人数总量看，前者可能是后者的 1/100～1/1000。

开源项目和工业模式的比例可能也是如此，对于少数 Top 开源项目，比如 Linux 必然是超级成功。

但如果随机抽出同等数量的曾经开源的项目和商业开发项目，前者可能成功率很低，后者会远高于前者。毕竟后者都是有合同契约推动的。