周城雄（中国科学院科技战略咨询研究院）
近日，全球头部法律AI独角兽Harvey正式发布法律专用模型Tenet。这家估值110亿美元、服务全球数十万名律师的明星企业，没有继续深度绑定OpenAI、Anthropic等传统闭源大模型厂商，而是选择以中国开源模型Kimi K3作为基座，通过行业后训练打造自有垂直模型。这一事件并非一次简单的技术选型，而是全球AI产业走到新阶段的标志性信号：垂直AI应用正在告别“闭源API依赖”时代，开源基座开始成为垂直行业的重要技术底座，底层大模型与上层应用之间的产业分工逻辑，正在发生深刻改变。
回溯生成式AI发展早期，行业曾形成一套清晰的分工范式：基础大模型厂商投入巨额算力、资金，完成通用大模型的研发训练；垂直领域创业公司不需要触碰底层模型研发，专注打磨行业场景、产品交互、行业数据，直接调用闭源厂商API完成产品交付，按词元（Token）消耗付费，快速实现商业化落地。但这套曾经被全行业奉为圭臬的分工模式，在业务规模化之后，内在矛盾集中爆发，也直接催生了Tenet项目的诞生。
第一个现实痛点是指数级上涨的调用成本陷阱。如法律场景不同于普通聊天对话，处理并购尽调、合同审查、判例检索，往往需要一次性读取几十万字法律文档，多轮推理、工具调用，词元消耗规模巨大。业务规模越大，向模型厂商支付的接口费用就越高，API采购成本逐步变成挤压企业利润的沉重成本中心。第二个更加致命的矛盾，是供应商与竞争者身份重叠的产业风险。当垂直赛道商业价值显现，手握底层模型的闭源厂商开始向下渗透行业应用。对于Harvey这类垂直独角兽，把业务命脉完全建立在竞争对手的API接口之上，存在极大的业务安全隐患：接口限流、价格调整、功能迭代优先级，全部由上游厂商掌控，一旦大厂下场做同类产品，应用企业几乎没有防御手段。除此之外，数据合规、业务可控性的诉求，也推动垂直企业谋求掌握模型权重。法律行业充斥大量涉密合同、企业商业材料，通过公有闭源接口传输敏感行业数据，天然存在合规隐患。使用开源基座完成后训练，企业可以实现本地化部署，自主掌控模型迭代节奏，不需要被动等待通用模型厂商更新功能，能够针对法律场景快速迭代优化能力，这是单纯调用API无法实现的优势。
Harvey的选择，正在为全球垂直AI产业打开新的范式，也将从垂直应用、大模型竞争格局两个维度，重塑整个AI产业生态。对于垂直领域AI应用而言，“基座+后训练”将成为头部垂直企业的主流选择。在此之前，垂直AI公司的技术壁垒大多集中在产品体验、行业数据、客户资源；未来，掌握基于开源基座的模型二次开发能力，将成为头部垂直企业的核心护城河。当然，这不意味着所有垂直企业都要去做模型微调。大量中小AI应用公司，依旧会继续使用API快速试错、完成产品落地；但达到一定业务规模、拥有高质量行业数据、对业务可控性要求高的行业龙头，会逐步走向“开源基座+自有行业模型”的路线，降低对闭源API的依赖，把技术自主权握在自己手中。
从全球大模型竞争格局来看，这一现象标志着大模型竞争进入下半场，竞争焦点从“通用能力跑分”转向“底座生态话语权”。早期大模型比拼参数、榜单能力；现在，能否被全球垂直企业选为二次开发底座，成为衡量模型产业价值的关键标尺。闭源模式依靠API收取服务费的商业模式会受到明显冲击。闭源厂商依旧拥有开箱即用、运维成熟的优势，适合初创企业与轻量化场景；但对于大规模商业化的垂直客户，开源底座提供了另一种更自主的方案，迫使闭源厂商需要重新思考自身定位，不能单纯依靠API租赁收割行业客户，需要在行业解决方案、生态合作上寻找新的平衡点。
同时，中国开源大模型正式登上全球产业舞台。Harvey作为美国本土明星独角兽，选择中国模型作为底座，说明国产大模型的综合实力已经获得海外商业客户的认可。过去全球AI基座市场几乎被海外闭源模型垄断，如今以Kimi K3为代表的国产开源模型，有机会作为底层底座出海，服务全球垂直企业。但也要客观看到，一次商业案例不等于全面胜利，后续还需要面对海外合规、算力适配、生态工具链建设等多重挑战。开源出海不是简单输出模型权重，而是完整的技术生态、许可协议、技术支持体系的综合比拼。
总之，这场发生在法律AI领域的变革，只是整个产业变革的序幕。未来，会有更多垂直行业重新思考自己和底层大模型之间的关系，而开源基座的兴起，也将为全球AI产业带来更多元的技术选择，推动人工智能真正扎根千行百业，释放产业价值。
51配资提示：文章来自网络，不代表本站观点。
