（来源：第一财经资讯）

　　大模型的领先优势3到6个月就会发生变化，OpenAI、Anthropic、DeepSeek、腾讯等AI公司，靠什么真正留住用户？

　　在2026未来科学大奖的一场对话中，中国工程院外籍院士张亚勤向腾讯首席AI科学家姚顺雨抛出了一个尖锐的商业问题，模型公司的护城河究竟是什么？

　　姚顺雨的回答是，AI护城河更多存在于产品层，而不是模型层。真正难以替代的，不一定是最聪明的模型，而是能够理解用户背景、利用专有数据和上下文，并获得用户信任的AI产品。

　　听完这一回答，张亚勤顺势开起了玩笑。他调侃道，按照姚顺雨的逻辑，Anthropic未来或许不值一万亿甚至两万亿美元，因为模型终有一天可能走向商品化。随后，他又笑着提醒现场的学生，千万不要听他的建议去买股票。

　　除了AI公司的商业护城河，现场的交流还涉及Agent的技术路线、模型开源与闭源的选择，以及AI如何真正参与科学发现。其中，一个颇有意思的提问是：如果腾讯混元有一天成为全球最领先的模型，还会坚持开源吗？

　　大模型的护城河在哪儿？

　　张亚勤将前沿大模型类比为AI时代的操作系统。他认为，操作系统的核心价值不仅在于技术能力，还在于围绕它建立的生态系统，以及生态所形成的用户黏性。

　　但与传统操作系统相比，当前大模型企业面临一个问题：开发者和企业用户仍然能够比较容易地更换模型供应商、或者使用不同Agent的组合。这意味着尽管大模型企业取得了惊人的技术进步，但目前模型本身形成的用户依赖仍然有限。

　　这种黏性究竟应该来自哪里？是编程Agent、生物科学Agent，还是某种尚未出现的应用？张亚勤点名DeepSeek、腾讯、Anthropic和OpenAI等企业，追问未来能够依靠什么形成持久的用户依赖。

　　 姚顺雨认为，竞争壁垒更多存在于产品层，而非模型层。他首先提到数据与上下文的重要性。如果一家企业掌握其他公司没有的数据，或者能够持续理解用户的使用场景，就可能形成竞争优势。

　　他以微信为例，如果用户可以直接在微信中使用AI，这个AI未必需要拥有最强大的模型能力，但它了解用户的日程安排、朋友关系和各种活动信息。

　　这些信息能够帮助AI更好地理解用户需要什么，也使其他模型难以直接替代它。即使竞争对手推出了一个更聪明的模型，也不意味着它能够提供同样的服务，因为后者未必知道用户是谁。

　　除了数据与上下文，姚顺雨认为另一个关键因素是信任。

　　当AI从回答问题转向代表用户执行任务时，用户是否愿意向它开放个人信息，是否信任它能够安全地处理数据、理解个人需求并采取行动，将直接影响产品的长期竞争力。这背后涉及安全、隐私、成本以及开放性等多个问题。

　　随着Agent从回答问题走向代替用户执行任务，信任将不再只是品牌概念，而会直接决定产品的使用深度。姚顺雨认为，未来各家模型都可能具备很强的能力，届时上述因素将成为更加关键的问题。

　　这一判断也引出了关于Anthropic估值的讨论。如果模型能力逐渐商品化，单纯依赖基础模型领先所形成的价值可能受到挑战；而能够占据用户入口、积累专有上下文并建立可信执行机制的产品，可能获得更持久的竞争优势。

　　尤其是，随着模型能力持续进步，AI公司的竞争正在逐渐从单纯比拼模型性能，转向争夺用户入口、数据和应用生态。

　　对于拥有微信等产品的腾讯而言，这一讨论具有现实意义。相比纯粹依靠模型能力吸引用户的企业，腾讯拥有社交关系、支付、内容和服务等多种应用场景。但拥有庞大的用户生态，并不必然意味着能够将其转化为AI竞争优势。数据如何在隐私和安全要求下被AI调用，以及用户是否愿意授权AI执行任务，仍然是需要解决的问题。

　　开闭源需要划定安全边界

　　除了商业竞争，开源与闭源也是现场讨论的焦点。

　　一些观点认为，中国大模型公司选择开源，是因为需要追赶领先者。现场有提问者向姚顺雨提出一个假设：如果未来腾讯混元成为全球排名第一的模型，还会坚持开放吗？

　　姚顺雨没有直接给出肯定或否定的回答，而是分析了模型开源背后的不同动机。

　　他认为，首先存在实用主义的考量。对于尚未处于最领先位置的模型而言，开放可以吸引更多开发者使用，扩大影响力。其次，开放也有推动技术社区发展的价值，通过共享知识促进技术进步。

　　如今还有第三个因素正变得越来越重要：安全。

　　姚顺雨提到，在模型发布前，团队需要进行大量网络安全测试，确保模型能够安全开放。他认为，未来模型的网络攻击能力和生物领域相关能力可能达到足以造成实际危害的水平。

　　他举例说，在网络安全领域，一种理想的模型应该具备较强的网络防御能力，能够发现系统漏洞、帮助机构提高安全水平，但同时限制其利用漏洞发动攻击的能力。

　　不过，攻防能力并不能被彻底分离。即使训练数据中没有明确加入攻击内容，模型也可能因通用推理和代码能力的提升而获得相应能力。姚顺雨因此提出，负责任的治理应贯穿训练、发布和开放的全过程：训练阶段需要审慎选择数据并强化防御能力；发布前需要进行严肃的自动化与人工安全评估；上线后则要持续监测调用行为，识别模型是否被用于有害目的。

　　他也提到，在生物安全等领域，防御能力与攻击能力之间的界限可能更加复杂，所有模型公司必须严肃对待安全问题。对于未来的模型开放路线，他认为未来更合理的方向可能仍然是开源与闭源并存。

　　张亚勤则表达了对开源生态的支持。他认为，开放模型能够加速技术进步，中国也曾从互联网和移动互联网时代的开放生态中受益。展望未来，他预计约80%的模型可能采取开放路线，20%保持封闭，形成类似移动互联网的生态格局。

　　现场观众还将问题延伸到了人工智能驱动科学研究、AI能否直接参与现实世界的科学实验等。

　　姚顺雨以数学领域为例，传统基准正在被快速逼近甚至饱和，研究者因而开始收集开放问题，用更接近真实研究的任务评估模型。其他科学领域未来也可能经历类似变化。

　　他还表示，随着自主实验室和机器人技术不断成熟，AI能够承担的工作将不再局限于文献研究、编程和实验分析，还可以进一步延伸到物理世界中的实际操作。这一过程可能需要一定时间，但目前没有看到根本性的技术瓶颈。