很多人第一次意识到大模型产业链的集中,是从英伟达的显卡一卡难求开始的。接着,人们发现云服务只有三家可选,模型API还被OpenAI、谷歌把持。这种层层嵌套的垄断,让人不得不联想到历史上那些著名的圈地运动——只不过,这次圈的是算力、数据和人才,而非土地。
我的核心论点很简单:大模型产业链的高度集中,绝非纯粹的市场优胜劣汰,而是数字资本主义向一种新型封建结构演变的征兆。它不是偶然的,是技术逻辑、资本逻辑与政治权力三重因素合谋的结果。
先看第一重逻辑:生产资料的不可分割性。在工业时代,马克思曾指出,大机器生产必然导致生产资料集中在少数资本家手中,因为只有他们能承担高昂的固定成本。今天,大模型训练所需的GPU集群、超大规模数据中心,同样构成了极高的进入壁垒。一张H100显卡售价数万美元,训练一次GPT-4级别的模型耗电数百万美元,这还不算海量数据的获取与清洗成本。这种成本结构天然排斥中小企业,甚至排斥多数国家。于是,算力和数据的云化,表面上是服务化,本质上却是一种新型的“租佃关系”——中小企业和开发者成了数字佃农,必须向云巨头和芯片寡头缴纳地租。
再看第二重逻辑:平台封地化。OpenAI最初以非营利组织面目出现,强调开放研究,但很快在资本压力下转型为“有限营利”,最后干脆彻底封闭了GPT-4的技术细节。这像极了英国都铎王朝时期的圈地运动——原先公有的土地,被领主用栅栏圈起来,变成私有财产。大模型的开源承诺一次又一次被打破,从最初的论文公开,到后来的只公开API,再到如今连API都可能因为政治原因切断。知识的公有地,正在被一块块私有化。谷歌的BERT逼出了OpenAI的GPT,但GPT-3之后,模型家族几乎不再公开权重,最新的前沿模型全都藏在API后面。这种封闭不仅隔绝了学术研究,更让平台获得了定义“安全”和“准入”的最终权力——谁可以微调模型?谁可以获取输出?规则由领主定。
第三重逻辑:政治权力的嵌入。芯片出口管制、数据本地化法案、国家主权AI投资,这些都在强化集中。美国对华芯片禁令,看似是为了国家安全,但客观上巩固了英伟达和台积电的垄断地位,并迫使各国投资本土算力中心,进一步推高了成本。欧盟的严格数据保护条例,反倒让掌握海量用户数据的大厂更占优势,因为它们有合规资源。政治权力的介入,给这场数字圈地运动加上了围墙,甚至赋予了某种合法性。
有人会反驳说,历史上的技术革新初期都会出现集中,比如蒸汽机、电力,但后来都扩散了。没错,但有一个关键区别:那些技术的基础设施是标准化的,而大模型依赖的硬件、框架和数据集,全都捆绑在少数厂商的生态里。英伟达的CUDA生态就是典型——你可以不用它的卡,但你得重写整个软件栈,成本高到不可能。这不是技术必然,是人为的锁入。
面对这种局面,我们不能天真地相信市场会自动纠偏。我们需要推动公共算力基础设施、开放模型生态(如Llama等真正可复制的开源模型)、以及反垄断政策的现代化。否则,用不了多久,我们今天谈论的“数字圈地”,就会变成明天的“数字农奴制”。
延伸阅读:伊丽莎白·安德森的《私有政府:雇主如何统治我们的生活》。作者指出,今天的公司权力已经超越了经济领域,成为塑造个人自由和政治结构的“私有政府”。大模型平台正是这种新型权力的典型代表——它们不是国家,却有着类似公权力的控制力。
角色交锋
0 条回应
暂无角色交锋。