收益：
- 能够区分提供者、模型系列和模型版本的概念。
- 以公正的方式了解八家主要提供商以及他们的优势所在
- 将模型选择视为工作匹配问题，而不是名册竞争
人工智能供应商生态系统：地图、概念和“没有最佳模式”
今天，当一家企业说“我们将使用人工智能”时，它实际上并不是在谈论单一产品，而是在谈论一个由数十种相互竞争的模型以及开发这些模型的竞争对手公司组成的广阔市场。几年前，这个市场只有两三个参与者；现在，这个市场只有两三个参与者。如今，选择已大大增加，选择正确的型号本身已成为一种能力。本单元的目的是勾勒出这个市场的地图，并阐明“提供商”、“型号系列”、“型号版本”等基本概念。一旦单元完成，您将能够谈论谁生产什么而不会感到困惑，并解释为什么没有单一的“最佳模型”。
本模块的目标受众不是技术软件团队；而是软件团队。专业人士必须做出决定。换句话说，计划在公司中使用人工智能的经理、想要阅读合同的律师、处理发票的会计师、对客户评论进行分类的电子商务专家、创建通话摘要的客户服务官员。这些人的一个共同问题是：“模式有几十种，我的业务应该选择哪一种，依据是什么？”找到答案的方法是首先学习正确的单词。
三个基本概念：提供者、模型系列、模型版本
很多混乱都是由于将这三个词混合在一起而产生的。让我们澄清一下：
- 提供商：开发和提供模型的公司。例如，Anthropic、OpenAI、Google。该提供商类似于汽车上的品牌。
- 模型族：由同一品牌的提供商收集的一组模型。就像Anthropic的“Claude”家族、OpenAI的“GPT”家族、Google的“Gemini”家族。家族与汽车中的系列类似。
- 型号版本：家族中的特定型号。就像“Claude Opus 4.8”或“GPT-4o”。每个版本都在速度、成本和功能之间提供了不同的平衡。该版本与车上的装备包类似。
提示：仅仅说“我有一辆车”是不够的；品牌（提供商）、系列（系列）和硬件封装（版本）很重要。即使城市汽车和赛车来自同一品牌，它们适合的工作也截然不同。人工智能模型中的情况也完全相同。
让我们来看一个例子。假设您是一家律师事务所，您说：“我们将尝试 Claude Opus 4.8。”这里，Anthropic 是提供者，Claude 是模型系列，Opus 是系列中的强大层，4.8 是版本号。同一个系列中还有更快、更便宜的等级（例如俳句）。因此，“我们正在使用 Anthropic”这句话是不完整的，除非它说明了您正在使用哪个层和版本。
生态系统的八个主要参与者
现在让我们客观地了解市场。在下表中，您将找到每个提供商的利基、型号系列和原产国。你不需要记住这张表；其目标是永久树立“人工智能的世界不是一家公司的世界”的理念。我们将在以下单元中详细介绍每个内容。
提供者
模范家庭
脱颖而出的地方
重量类型
产地
人择
克劳德（作品/十四行诗/俳句）
长上下文、代码、安全的企业使用
关闭
美国
开放人工智能
GPT（GPT-4o、o 系列）
广泛的生态系统，多功能性
关闭
美国
谷歌
双子座（专业版/闪存）
多模态、工作空间集成
关闭
美国
商品
美洲驼
开放权重，在自己的服务器上运行
打开
美国
米斯塔拉尔
米斯特拉尔/混合
欧洲原产地，开放重量选择
混合的
法国
人工智能
格罗克
实时数据、X (Twitter) 集成
关闭
美国
深度搜索
深度搜索
低成本/性能平衡
打开
中国
连贯
命令
企业搜索和文件查询（RAG）
混合的
加拿大
表格中突出了三个维度：突出的领域（擅长什么）、权重类型（封闭还是开放——下一个单元的主题）以及起源（在数据主权和法律监管方面很重要）。这三个维度将构成以下部分中模型选择决策树的支柱。
让我们立即解释一下这里使用的一些术语。 RAG（检索增强生成）是一种模型在生成答案之前查找并读取文档的相关部分的方法；它是企业搜索系统的基础。多模态是指模型不仅可以处理文本，还可以处理图像和音频的能力。我们将在以后的单元中单独回顾这些概念。
为什么有这么多提供商？
市场如此拥挤并非巧合，这将指导您做出选择。主要原因有四个：
- 不同的业务需求：律师事务所需要一个可以完整读取 200 页合同的模型，而电子商务网站则需要一个快速且廉价的模型，每秒可以生成数百个产品描述。同一模型不可能最适合这两项工作。
- 成本压力和竞争：供应商之间的竞争不断压低价格。几年前价格昂贵的技能如今价格只有十分之一。这对于企业来说是一个直接的优势。
- 数据主权：欧洲公司可以要求在欧盟境内处理客户数据。这种需求使得 Mistral 等区域性参与者或在您自己的服务器上运行的开放权重模型变得有价值。
- 选择开放或封闭的方法：一些机构希望在自己的服务器上完全在自己的控制下运行模型；有些人更喜欢现成的云服务。仅此偏好就可以决定您与哪个提供商合作。
注意：“每个人使用的模型也适合我们”的假设通常是错误的。您的竞争对手使用的模型是根据他们的工作流程、数据类型和预算选择的。您的正确选择取决于您业务的具体需求。本模块的目的不是向您强加现成的答案，而是教您如何提出正确的问题。
弱提示/强提示：询问提供商比较时
当您想要进行模型比较时，您提问的方式决定了您得到的答案的质量。让我们并排举两个例子。
弱提示：
哪种人工智能模型最好？
这个问题与上下文无关；该模型要么给你一个回避的“视情况而定”的答案，要么给你一个对你没有用的一般列表。
强力提示：
您的角色：企业人工智能顾问。背景：我们是一家拥有 15 名员工的律师事务所。我们希望每月总结约 300 份合同，大约 40 页土耳其语版本，并标记风险项目。该数据包含个人数据，我们必须遵守 KVKK。任务：比较该工作的 3 个不同提供商的模型。为每个项目填写以下标题：上下文窗口适用性、估计每月成本范围、数据存储/隐私状态、优点和缺点。格式： 4 列表格 + 最后 2 句话建议。
区别很明显：强大的提示角色有背景、可衡量的任务和清晰的格式。该模型现在可以产生适合您业务的可比输出。
可复制模板
您可以根据自己的业务调整以下四个模板来使用它们。
1. 提供商映射：
我在[行业]工作。我想做的主要 AI 任务是：[TASK].列出 5 个适合此任务的提供商；为每一项填写“为什么合适”和“可能的缺点”。不要给出具体的价格，给出一个范围。
2.概念澄清：
在以下句子中单独标记提供程序、模型系列和模型版本：“[PASTED SENTENCE]”
3、需求分析：
我的工作：[描述]。每月吞吐量：[NUMBER]。数据类型：[文本/图像/音频]。隐私要求：[是/否]。预算敏感度：[低/中/高]。我应该根据此配置文件开始使用封闭式还是开放式权重模型？证明合法。
4.中性对比骨架：
比较这 3 个模型 [模型 A]、[模型 B]、[模型 C] 来完成我的任务。标准：质量、速度、成本、背景、隐私。每个标准给 1-5 分，并用一句话写出得分的原因。不要使用广告语言，如果不清楚就写“必须测试”。
这个平台使用什么型号？
为了透明起见，我们声明一下：您正在阅读的平台的AI教练现在使用的是Anthropic的Claude家族的claude-opus-4-8版本。做出这一选择是因为其长上下文容量和安全方法在企业使用中脱颖而出。但这并不意味着“这对每个人来说都是最好的模式”；其他提供商可能更适合您的业务。我们在本模块中的目标是为您提供诚实且比较的视角。
常见错误
- 混淆提供商与版本：说“我们使用 OpenAI”并没有说明哪个模型和层。始终还指定版本。
- 寻找单一的“赢家”：将市场视为足球联赛，并问“谁先来？”去问。正确的问题是“哪一个适合我的业务？”应该是。
- 将流行度误认为质量：最受关注的模型可能并不适合您的特定任务。
- 忽略来源国：如果您正在处理个人数据，则提供商位于何处是法律义务问题，而不是技术问题。
- 将价格作为唯一标准：最便宜的模型实际上可能会增加人工校正时间并输出质量较差，从而导致成本更高。
综上所述
- 人工智能市场不是由单一产品组成，而是由竞争提供商的许多模型系列和版本组成；这三个概念是不同的。
- 八个主要参与者（Anthropic、OpenAI、Google、Meta、Mistral、xAI、DeepSeek、Cohere）在不同领域都很强大。
- 市场拥挤的原因是不同的业务需求、成本竞争、数据主权和开/关偏好。
- 没有单一的“最佳模型”答案；正确的选择取决于您的业务需求。
- 良好的模型比较需要包含角色、上下文、可衡量的任务和清晰的格式的提示。
应用任务
考虑您自己的企业或虚构的企业。在一张纸上写下以下内容：(1) 您的主要人工智能任务是什么，(2) 您估计的每月吞吐量，(3) 您的数据是否包含个人数据，(4) 您的预算敏感度是低还是高？然后使用上面的模板 3（需求分析）将此配置文件提供给 AI 模型，并询问为什么它建议您从封闭或开放权重模型开始。我们将在下一个单元中测试最终的答案。
清单
- [ ] 我可以用一个例子来解释提供商、模型系列和模型版本之间的区别。
- [ ] 我至少记得八家主要提供商中的五家以及他们脱颖而出的领域。
- [ ] 我可以解释为什么搜索“最佳模型”会产生误导。
- [ ] 我可以写一个强有力的模型比较提示。
- [ ] 我可以通过四个问题为我自己的企业创建需求分析。