第一部分 建立共同语言02
AI 行业的四层结构与获取渠道
入门20 分钟第 2 / 19 章
算力、模型、平台、应用，四层各卖什么、谁向谁付钱。再看主流厂商差异和四种拿到模型的渠道，选型从此是匹配题而不是排名题。
学完本章你能做到
- 画出 AI 产业链的四层结构，说出每层卖什么、向谁收钱
- 用五个维度评估模型厂商，而不是背诵排名
- 说出四种获取模型的渠道，以及各自的控制权和责任边界
学习与练习
从课程目录定位知识点，按章节完成练习，随时接着上次继续。
先理解
四层结构：钱向上游付，价值向下游交付
自下而上四层：
算力层：芯片与数据中心（英伟达、各大云机房）。卖的是训练和推理所需的计算资源，所有上游成本最终都落到这里。
模型层：训练大模型的厂商。卖的是模型本身——按调用量收费（API），或者授权私有化部署。
平台层：云厂商与开发平台。卖的是工程能力：模型托管、微调、检索、鉴权、监控。让应用方不必从裸模型开始搭。
应用层：你每天接触的产品——聊天助手、AI 办公套件、AI 编程工具。它们把下层能力包装成解决具体场景的东西。
看懂这四层，很多新闻就能读懂：芯片禁运打的是算力层，价格战发生在模型层，生态绑定争夺的是平台层。
对照看
主流厂商差异：五个维度的选型法
不要背厂商排名，排名既记不住也不稳定。真正的选型是五个维度的匹配：
能力：这家在文本、代码、多模态、中文理解上各自的长短板，最好用你自己的任务样例试出来。
成本：同样质量下单价与批量折扣，输入输出分开算。
生态：工具链、插件、周边教程的丰富程度，决定了团队上手的速度。
部署：只有云端 API，还是支持私有化？数据能不能不出门？
合规：数据驻留、行业资质、审计要求。toB 选型里这一条的权重经常超过能力。
按你的场景给五个维度各定权重，再给候选者打分——这才是「真正的选型」。
看个例子
从哪里拿到模型：四种渠道的责任边界
同样是「用一个模型」，四种渠道的控制权和责任完全不同：
官方 API：能力最新最全，文档最及时。数据按厂商政策处理，出了问题只能等厂商修。
云平台托管：模型跑在云厂商机房，方便和企业现有的采购、账单、内网打通。稳定性看云厂商的服务承诺。
模型社区下载开源权重：模型文件拿回来自已部署，数据彻底不出门，但机器、运维、效果调优全部自己负责。
聚合网关服务：一个入口调多家模型，切换方便，但多了一层转发，就多一层延迟、限流和数据路径要评估。
个人学习和创业原型，从官方 API 开始最省事；数据敏感的企业场景，才值得考虑后两种。
给三个场景选渠道
不看答案，先自己判断，再对照本章的四渠道框架检查理由。
- 1场景 A：个人开发者做一个摘要小工具，日调用量一百次——选哪种渠道？为什么？
- 2场景 B：医院想在内部知识库上接模型，病历数据不允许出院——四种渠道各有什么问题？
- 3场景 C：电商公司大促期间客服量暴增十倍，现有 API 开始限流——除了换渠道还有什么办法？
验收清单
- 能说出每个选择背后的控制权与责任权衡
- 能指出「数据敏感」这个条件如何改变选型结论
- 明白渠道之间可以组合，不是单选题
小贴士向别人介绍 AI 行业时，先画四层图再说结论。听众有了坐标系，你说的话就不会被当成站队。
常见问题
开源模型既然权重公开，是不是用起来就免费？
模型文件免费，运行不免费。你要为 GPU 服务器、电费、运维人力买单。调用量小的时候，API 几乎总是更便宜；调用量大到一定规模、或者数据必须留在本地，自部署才开始划算。
我该 early 押注某一家厂商吗？
个人学习阶段无所谓，哪家顺手用哪家。做产品则建议保持可替换性：用主流接口格式接入，把「换模型」当成改配置而不是重构。第九章之后你会看到这在技术上有多容易。
怎么快速判断一条新闻说的是哪一层？
三步判断法：先看主语是芯片/GPU 就是算力层；是模型名字/参数量/评测就是模型层；是平台/API/开发者就是平台层；是具体产品名/功能就是应用层。比如「DeepSeek 发布 V3」是模型层新闻，「钉钉接入通义千问」是应用层新闻。
学完后记得保存进度
完成標記保存在目前瀏覽器；登入後，會記住上次閱讀的章節與位置。