撰文：Techub News 整理

导语

近日，Transformer 架构奠基性论文《Attention Is All You Need》的联合作者之一、AI 初创公司 Cohere 的联合创始人兼 CEO Aidan Gomez（艾丹·戈麦斯）做客知名科技媒体人 Eric Newcomer 的播客节目。在这场长达 20 多分钟的深度对话中，Gomez 不仅以技术先驱的视角回顾了 Transformer 的惊人生命力，更以企业 CEO 的身份，分享了关于 AGI 现状、企业 AI 采用、开源模型真实成本，以及 AI 时代地缘政治与“数字主权”的尖锐见解。在当前中美科技竞争加剧、全球 AI 监管与安全讨论白热化的背景下，这位身处行业核心的创业者兼学者的观点，为我们理解 AI 技术演进与产业格局的未来提供了关键线索。

摘要

Transformer 架构可能成为长期基础平台，如同数据库一样，未来创新将更多发生在该平台之上，而非彻底取代它。
企业 AI 采用仍处极早期，除编码外，金融、合规、内部协调等绝大多数企业流程尚未被 AI 触及，市场潜力巨大。
完全自托管开源模型的真实成本被低估，基础设施、软件栈维护和持续更新带来的负担使其对多数企业而言并不经济。
过度依赖单一国家（美国）的少数科技巨头是民主联盟的“单点故障”，构建多极化的民主 AI 能力联盟对保障数字主权和系统韧性至关重要。
中国 AI 模型能力被严重低估，其发展轨迹强劲，这更凸显了民主国家间建立多元 AI 供给体系的紧迫性。

Transformer 永生：从翻译工具到AI基石

作为 Transformer 架构的缔造者之一，Aidan Gomez（艾丹·戈麦斯）坦言，七年前论文发表时，团队无人预见到它会引发一场席卷全球的 AI 革命。“我们当时是为解决谷歌翻译这样一个非常具体、范围有限的问题而构建了它。后来的发展是一个巨大的震撼。”更让他感到“好笑”的是，近十年过去了，Transformer 不仅未被淘汰，反而展现出惊人的“生命力”和“抄袭”能力。

Gomez 以之前流行的状态空间模型（SSM）为例，当时许多人认为 SSM 因其超长上下文窗口等优势将取代 Transformer。“结果 Transformer 只是‘抄袭’了那些好点子，将其整合进自身架构，我们依然叫它 Transformer。”他比喻道，Transformer 就像一个伟大的艺术家，擅长从其他架构中汲取精华。这种持续的进化能力，使得它可能不再是那个需要被“超越”的对象，而是演变为一个长期的基础平台。

“我认为人们正在向技术栈的上层移动，并将创新精力投入那里。”Gomez 解释说，就像训练模型的基本算法在过去十多年里没有根本性改变一样，Transformer 可能成为 AI 的“平台”。未来的巨大进步，例如“推理”能力的提升，也将在这个平台内部发生。虽然他希望仍有突破性新架构出现的空间，但他承认，要彻底取代 Transformer，“需要一些相当重大的东西”。

AGI已来？企业AI的冰山与“令牌狂热”

当被问及“我们今天是否已实现通用人工智能（AGI）”时，Gomez 给出了一个耐人寻味的肯定：“从很多方面来说，是的。”他认为，当前的 AI 已经展现出通用性，无论人类指向什么问题，它基本上都能在该问题上超越人类能力。这种能力的泛化，正是 AGI 的核心特征之一。

然而，在商业落地层面，AI 的潜力远未释放。Gomez 指出，当前企业界对 AI 的采用存在一种“令牌狂热”（token maxing）现象，即公司初期为了激励员工使用 AI 而不设预算上限，导致开支激增，随后不得不进行回调。他认为这是一个典型的技术采纳周期：狂热采用、过度消费、然后修正。而修正的动力一方面来自企业自身控制成本，另一方面则来自模型公司通过创新实现的效率提升和成本压缩。

“成本将急剧下降，”Gomez 预测，“而随着成本下降，使用量的增长将解锁更多应用。”他坚信，企业 AI 的采用仍处于非常早期的阶段。编码（编程辅助）是当前最成熟的应用，可能正在接近饱和点，但企业内其他所有流程——从金融决策、跨部门沟通协调，到法规合规自动化——在他看来“基本上尚未被触及”。

“我们所做的事情（指当前已落地的 AI 应用）是如此简单，”他比喻道，“水面之下还有一座巨大的冰山。”他认为，仅在企业端，令牌消耗量就还有 10 倍甚至 100 倍的增长空间。对于 Cohere 这类公司而言，客户因控制成本而缩减开支并不会损害其长期收入，因为更低的成本将激活一个庞大得多的增量市场。

开源迷思与定制化价值：模型并非唯一瓶颈

面对“令牌狂热”，开源模型常被视为一种成本更优的解决方案。但 Gomez 对此提出了不同看法。他认为，如果企业选择完全自托管开源模型，需要自行构建和维护整个软件栈、服务框架，并确保最佳的运行效率，实际成本可能相当高昂。

“这很像数据库的情况。是的，你可以拿一个开源数据库来自行托管、维护和管理它。但几乎没人这么做。”Gomez 指出，绝大多数企业选择托管服务，因为运营这些系统是困难、痛苦且昂贵的。开源模型看起来便宜，往往是基于使用 DeepSeek 或阿里巴巴等公司提供的低价 API 的假设，但这意味着将数据发送给这些服务商。一旦涉及数据主权和安全性要求高的关键工作负载，自托管的复杂性和成本就会凸显。

这也解释了 Cohere 的核心战略：自己构建模型，并专注于为企业提供高度定制化的解决方案。Gomez 强调，Cohere 并不追求在“前沿模型”的烧钱竞赛中竞争，那是一场“必输的竞赛”。相反，他们观察到，模型本身往往已不是市场应用的瓶颈。

“前沿模型的能力已经远远领先于市场实际使用水平。即使你用的是一年前、18 个月前甚至两年前的模型，企业仍然在努力追赶这些能力。”因此，对于大多数企业任务，模型的能力已经“足够好”。真正的瓶颈在于市场如何消化和利用这些能力。而当企业确实需要更强大能力时，天价的前沿模型又让他们望而却步，转而寻求性价比更高的定制化模型。这种对成本、主权和定制化的综合需求，正是 Cohere 试图抓住的市场机会。

数字主权与民主联盟：对抗“单点故障”

访谈中最具战略高度的部分，集中在 AI 的地缘政治和“数字主权”议题上。Gomez 尖锐地指出，过去 30 年，以 G7 为代表的民主世界，其技术供给日益 consolidated（集中）于极少数（主要是美国）科技巨头。这构成了一个极其脆弱的系统。

“这是一个单点故障。作为一名计算机科学家或工程师，你学到的第一件事就是：不要构建单点故障。”Gomez 警告道。如果你关心民主事业，那么将 AI 能力扩散到其他 G7 国家或更广泛的民主联盟中，对于民主制度本身的韧性至关重要。“如果一个（供应源）倒下了，你需要确保有备份。”

他认为，此前 Anthropic 模型出口受限等事件，已经惊醒了那些对这类风险抱有天真想法的人。这凸显了“数字主权”的重要性——国家必须控制那些支撑其经济命脉（如电信、金融、医疗、电网、国防）的关键基础设施所依赖的 AI 能力。Cohere 与德国 AI 公司 Aleph Alpha 的合并，正是为了构建一个横跨加拿大和德国的“双总部”架构，旨在成为这种多极化民主 AI 能力联盟的一部分。

“我们有一个民主国家目前在 AI 领域领先，这很棒。但民主国家需要占据第一、第二、第三、第四……的位置，而现状并非如此。”Gomez 呼吁，中等强国需要联合起来，共同发展 AI 能力，这既是为了民主联盟的共同利益，也是为了在未来可能出现的“两个世界”的格局中，形成民主国家阵营的集体竞争力。

正视中国AI能力与未来的“同事”

在讨论外部竞争时，Gomez 特别提到了中国。他直言，那种将中国模型视为仅仅是西方模型“蒸馏”产物的看法是“自欺欺人”。“他们（中国模型）能力非常强，拥有政府提供的极其丰富的资源，而且只会获得更多资源。他们非常擅长构建这项技术。”他承认蒸馏技术可能起过作用，但中国 AI 的发展轨迹是独立且强劲的。这进一步强化了他关于民主国家需要建立多元、有韧性 AI 供应链的论点。

展望未来 12 到 18 个月的技术趋势，Gomez 认为变革将完全发生在企业工作方式内部。AI 智能体（Agent）将从目前软件开发者的“协作伙伴”角色，渗透到更多领域。人们将越来越多地与模型作为“同事”一起工作。

对于 AI 对就业的影响，他持谨慎乐观但密切关注的态度。他提到了“杰文斯悖论”——效率大幅提升的技术可能反而创造更多就业，因为需求会随之飙升。但他也承认，此次 AI 革命与以往不同，AI 在形态上更接近人类，因此其替代效应可能更强。“我希望能避免（大规模失业），但我们需要为此情景做好准备并制定应对工具”，如再培训计划、工作岗位保障等。

在这场坦诚的对话中，Aidan Gomez（艾丹·戈麦斯）不仅展现了一位技术先驱对行业本质的洞察，也勾勒出一位肩负地缘政治责任的科技企业家眼中的未来图景：一个技术持续演进但基础可能稳固、市场广阔但挑战重重、且必须在全球竞争与合作中谨慎寻求平衡的 AI 新时代。