1. Transformer之父的“逆潮流”选择：从商业项目到开源基础研究的战略转向

在AI领域，最近有一个名字再次引发热议——Ashish Vaswani。作为Transformer架构的核心发明者（正是这一架构支撑了ChatGPT、GPT-4等所有现代大模型），他的每一次动向都被行业视为风向标。而今年，这位AI权威做出了一个“逆潮流”的决定：彻底放弃Essential AI原有的企业财务自动化业务，将公司全面转向开源基础AI研究。

这一转型并非心血来潮。Vaswani在接受《Forbes India》采访时直言，当前AI行业正陷入“创新陷阱”：“当OpenAI、Anthropic这些巨头将技术锁在‘围墙花园’里，我们离真正的科学探索越来越远。”他的目标很明确——让Essential AI成为“西方世界的DeepSeek”，用开源模式重新点燃AI基础研究的火种。

2. 闭源AI的“创新悖论”：当商业化压倒科学探索

要理解Vaswani的选择，首先需要看清当前AI行业的“闭源困境”。近年来，随着大模型商业化落地加速，头部公司逐渐将资源向产品化倾斜：优化对话体验、开发API接口、抢占企业客户……这些动作虽推动了AI的应用普及，却也让基础研究沦为“配角”。

Vaswani在《Economic Times》的采访中尖锐地指出：“闭源模式正在阻碍科学进步。当一家公司掌握顶级算力和数据，却为了维护投资者利益而对技术成果严格保密时，整个行业的创新都会被拖慢。”更严重的是，这种模式导致“重复造轮子”——多家公司在相似方向上投入资源，却因信息不互通而难以突破瓶颈。

Tip：什么是“闭源AI”的核心问题？
闭源AI的本质是“技术垄断”：模型参数、训练数据、核心算法均不公开，开发者只能通过API调用功能，无法深入研究底层原理。这不仅限制了学术界的探索，也让中小企业难以参与创新，最终导致技术红利集中在少数巨头手中。

3. Essential AI的“重生”：从工具开发者到开源先锋的蜕变

Essential AI的转型之路并非一帆风顺。这家2022年成立的公司，最初聚焦于企业财务数据自动化分析，甚至已推出几款商业化工具。但2024年初，Vaswani突然向董事会提出“all in基础研究”的方案——令人意外的是，这一提议竟获得了资方的一致支持。

“投资者也看到了市场的真实需求。”Vaswani在官网公告中解释，“当企业和研究者都在寻找OpenAI的替代方案时，开源基础模型就是答案。”随后，AMD Ventures等机构宣布追加投资，而Essential AI的团队也迅速扩充：官网信息显示，其核心成员大多来自Google、Meta、OpenAI，平均拥有10年以上基础模型研发经验。

如今，Essential AI的使命已清晰地写在官网首页：“Building machines that understand the world to help humanity thrive”（构建理解世界以帮助人类繁荣的机器）。这不再是一家单纯的商业公司，而是一个以“开源普惠”为核心的研究机构。

4. 对标DeepSeek：为何这家中国公司成了西方开源标杆？

Vaswani多次在公开场合提到一个名字——DeepSeek（深度求索）。这家中国AI公司因开源模型“DeepSeek-V2”而闻名，而它正是Essential AI的“对标对象”。

那么，DeepSeek究竟做对了什么？在Hugging Face开源社区，DeepSeek-V2的介绍页显示，这是一个采用“混合专家（MoE）”架构的大模型：总参数2360亿，但实际激活参数仅210亿。这种设计让它在性能上媲美Llama 3 70B、GPT-3.5，训练和推理成本却降低了60%以上。更重要的是，DeepSeek将模型权重、训练代码全部开源，允许研究者自由修改和二次开发。

Tip：MoE架构为何重要？
“混合专家”（Mixture of Experts）是一种高效的模型设计思路：将模型分为多个“专家子网络”，输入数据仅由部分专家处理，而非全部参数激活。这既能提升模型容量（总参数），又能控制计算成本（激活参数），是当前开源模型实现“高性能+低成本”的核心技术之一。

Vaswani认为，DeepSeek的成功证明了“开源≠低质”：“他们用有限资源做出了世界级成果，靠的就是社区协作。这正是Essential AI要走的路——我们不追求‘最大参数’，而是‘最有价值的开源贡献’。”

5. “交叉补贴”商业模式：开源项目如何摆脱“用爱发电”？

开源项目的最大痛点是“钱从哪来”。过去，许多开源模型依赖捐赠或公益资助，难以持续。而Vaswani为Essential AI设计了一套“交叉补贴”模式，试图打破这一困境：

Essential AI商业模式拆解

业务类型 收费模式 核心作用
开源基础模型 完全免费（含权重、代码） 推动技术普惠，吸引社区贡献者
企业定制服务 按需求收费（如定制训练、部署） 产生稳定收入，反哺开源研发
行业解决方案 授权合作（如医疗、教育场景） 扩大影响力，验证技术落地价值

这种模式并不新鲜——Google靠免费浏览器+广告盈利、RedHat靠开源系统+企业服务赚钱，本质都是“基础产品免费获客，增值服务变现”。Vaswani在采访中强调：“闭源不一定带来更高回报。当开源模型成为行业基础设施，围绕它的生态收入将远超单一产品。”

目前，Essential AI已启动首个开源项目：一个针对科学计算场景的小参数模型（暂未命名），计划2025年底发布。团队透露，该模型将重点优化数学推理和文献分析能力，直接服务于科研人员。

6. 开源生态的“复利效应”：为什么说“共享”才是AI的未来？

Vaswani的坚持背后，是对“开源生态复利效应”的深刻理解。在闭源模式下，技术进步依赖单一公司的资源投入；而开源生态中，全球研究者可以“并行协作”——你优化训练效率，我改进推理速度，他补充多语言数据，最终形成“1+1>10”的创新合力。

这一点在行业数据中已得到验证：斯坦福HAI《AI Index Report 2024》显示，2023年开源大模型数量同比增长217%，其中超过30%的模型性能达到闭源模型的80%以上。Meta首席AI科学家Yann LeCun更是直言：“最安全、最强大的AI必然是开源的——没有任何一家公司能独自应对AI带来的所有挑战。”

对普通用户而言，开源的价值更直接。Vaswani举例：“当开源模型能在本地设备运行，偏远地区的孩子可以用它学习英语，小诊所医生能用它辅助诊断——这才是AI该有的样子：不是少数人的‘黑箱工具’，而是全人类的‘知识引擎’。”

7. 结语：从“技术垄断”到“科学共享”，一场关乎AI未来的选择

Ashish Vaswani的转型，本质上是一场“理想主义的实践”。当他放弃短期商业利益，选择站在开源阵营时，背后是对AI本质的追问：这项技术究竟该服务于资本，还是科学与人类？

Essential AI的故事才刚刚开始。目前，其团队已发表两篇基础研究论文，涉及“预训练阶段反思能力培养”“低资源多语言模型优化”等方向，均已开源在arXiv。而行业的反应也印证了Vaswani的判断——AMD、Intel等硬件厂商主动寻求合作，高校研究者开始提交代码贡献，甚至有闭源公司的工程师私下表示“期待Essential AI的模型”。

或许，正如Transformer论文中那句经典的“Attention is all you need”（注意力就是一切），AI的下一个突破点，可能不在于参数规模，而在于“开放与共享”的力量。当越来越多像Essential AI这样的机构加入开源阵营，我们离“AI普惠”的目标，或许就不远了。

参考链接