Strategi AI open weight Tiongkok sedang unggul

• Model AI tidak memiliki banyak pertahanan selain loyalitas merek dan biaya peralihan yang dangkal, sehingga strategi open weight Tiongkok membentuk ekosistem distribusi yang lebih luas daripada model tertutup Amerika Serikat
• Pertahanan nyata AI perusahaan lebih banyak berasal dari layanan pendukung seperti kontrak, integrasi dengan sistem internal, dan fitur kenyamanan, bukan dari model; pengguna API dapat dengan mudah mengganti model dan penyedia sambil mempertahankan prompt
• Kontrol ekspor GPU Amerika Serikat dan regulasi pemindahan data ke server Tiongkok membatasi perusahaan Tiongkok dalam menyediakan layanan global terpusat, tetapi melalui publikasi model, Tiongkok mengubah ketertinggalan komputasi menjadi keunggulan distribusi
• Moonshot dan Alibaba merilis model yang menurut mereka dapat menandingi model terbaik OpenAI dan Anthropic dengan biaya jauh lebih rendah; Martin Casado dari a16z menilai probabilitas sebuah startup acak menggunakan model Tiongkok sebesar 80%
• Strategi tertutup Amerika Serikat dan insentif yang berfokus pada pendapatan jangka pendek menghambat perluasan ekosistem; untuk mengurangi risiko ekonomi AS yang sangat bergantung pada belanja AI, perlu mendukung public AI, layanan federatif, dan riset terbuka

---

Pertahanan yang tersisa ada pada layanan pendukung, bukan model

• Sebagai produk mandiri, model AI tidak memiliki pertahanan berkelanjutan yang besar
  • Pengguna dapat beralih dari ChatGPT ke Claude tanpa dampak besar pada alur kerja
  • Di lingkungan engineering, pergantian bahkan lebih mudah karena cukup mengganti API sambil mempertahankan prompt yang sama
  • Kontrak dapat mengikat pelanggan, tetapi dalam jangka panjang hampir tidak ada insentif teknis untuk terus memilih satu penyedia
• Pertahanan AI perusahaan terbentuk dari transaksi dan kontrak, integrasi dengan sistem perusahaan, serta fitur kenyamanan di lingkungan kerja
  • Pengguna dapat memilih model yang paling sesuai dengan kebutuhan, lalu mengganti model dan penyedia ketika model yang lebih baik muncul

Strategi distribusi yang membalik ketertinggalan komputasi

• Karena kontrol ekspor GPU pemerintah AS, meskipun perusahaan Tiongkok memperoleh sumber daya komputasi untuk melatih model, mereka sulit menyediakan layanan terpusat berskala global seperti OpenAI dan Anthropic dengan cara yang sama
  • Regulasi yang mencegah berbagi jenis data tertentu dengan server Tiongkok juga membatasi ekspansi layanan
• Teknologi terbuka menguntungkan adopsi infrastruktur karena dapat digunakan tanpa izin, di-host di lokasi yang diinginkan, serta dieksperimen dan dimodifikasi
  • Model open weight bukan open source, tetapi portabel dan dapat digunakan tanpa izin
• Publikasi model oleh Tiongkok mengubah ketertinggalan komputasi yang diciptakan AS menjadi keunggulan distribusi, menjadikan lapisan model tempat perusahaan AS menghasilkan uang sebagai komoditas umum, dan membangun ekosistem global yang lebih efektif daripada layanan terpusat yang tertutup
  • Berbagai industri Tiongkok, dari manufaktur hingga riset sains, dapat langsung memanfaatkan model tersebut

Kesenjangan performa yang menyempit

• Garis pertahanan perusahaan AS adalah bahwa model frontier lebih unggul daripada model publik, tetapi kesenjangan itu menyempit dengan rilis model Moonshot dan Alibaba
  • Kedua perusahaan menyatakan model mereka dapat menandingi model terbaik OpenAI dan Anthropic dengan biaya yang jauh lebih rendah
  • Rilis beruntun yang cepat mengancam posisi terdepan AS pada saat AI menjadi pusat keamanan nasional, kekuatan ekonomi, dan pengaruh geopolitik
• Bahkan sebelum peningkatan performa baru, strategi Tiongkok sudah menunjukkan hasil
  • Partner a16z Martin Casado menilai probabilitas sebuah startup acak menggunakan model Tiongkok adalah 80%
  • Kemungkinan model Tiongkok naik ke posisi terdepan juga semakin besar

Risiko yang diciptakan strategi tertutup Amerika Serikat

• Ada paradoks bahwa, berbeda dari tertutupnya masyarakat Tiongkok, pihak yang mengontrol teknologi AI secara ketat justru perusahaan-perusahaan AS
  • Ada kekhawatiran serius bahwa model Tiongkok dapat mencerminkan sudut pandang pemerintah, dan hal ini terlihat pada pertanyaan terkait Lapangan Tiananmen
  • Strategi tertutup perusahaan AS sangat kontras dengan cara pemerintah AS dulu mendukung internet terbuka
• Untuk teknologi dengan pertahanan nyata yang lemah dan potensi ekosistem yang besar, lebih menguntungkan memilih cara publikasi yang permisif dan kolaboratif daripada menutupnya
  • Perusahaan AS ditekan untuk mengejar pendapatan langsung jangka pendek dibandingkan manfaat ekosistem
  • Pemerintah juga ikut campur di pasar melalui kontrol ekspor yang kuat, sehingga diperlukan perubahan yang lebih menyelaraskan insentif ekosistem dan perusahaan
• Saat ini sebagian besar ekonomi AS dipengaruhi oleh dampak belanja AI, sehingga jika dinamika ini membuat basis belanja runtuh, konsekuensinya bisa serius
• Untuk teknologi terbuka yang dapat dioperasikan selaras dengan kepentingan publik dan nilai masyarakat, public AI, layanan federatif, dan riset terbuka mulai mendapat dukungan, tetapi masih membutuhkan dukungan tambahan
  • Untuk mewujudkannya di AS, dibutuhkan strategi dan dukungan yang lebih canggih daripada saat ini

[GN⁺]

Komentar Hacker News

• Selama 50 tahun terakhir, di pasar komputer dan perangkat lunak, pada akhirnya produk gratis dan murah yang menang. PC meruntuhkan minicomputer, Windows murah dan Linux gratis menggerogoti pasar UNIX, dan porsi mainframe juga menyusut tajam.
  Biaya pelatihan dan kebutuhan sumber daya model mutakhir tidak berkelanjutan, sementara insentif ekonomi untuk mengembangkan model berkualitas tinggi yang lebih murah sangat besar. LLM lokal di perangkat keras konsumen mirip dengan ekosistem penghobi PC pada 1970–80-an, dan dalam 10–15 tahun ke depan, PC serta smartphone diperkirakan akan mampu melakukan sebagian besar pekerjaan pada level model mutakhir saat ini.
  Model berbobot terbuka dari Tiongkok akan memungkinkan layanan penyewaan AI yang jauh lebih murah daripada Anthropic dan OpenAI, sehingga mempercepat tren ini.

  • Di pasar konsumen, alat LLM serbaguna yang berdiri sendiri tampaknya tidak akan bertahan lama. Ketika keekonomiannya membaik, produk akan menangani interaksi model yang diperlukan secara transparan di belakang layar.
    Pengguna tidak menginginkan antarmuka yang terlalu menjilat hingga mengaburkan penilaian, atau keras kepala dan lambat memahami sehingga harus dijelaskan satu per satu. Industri teknologi cenderung terlalu terpikat pada unsur kebaruan ketika membayangkan kebutuhan pengguna nonteknis.
    Alat pemutar musik tidak perlu punya kemampuan menulis fanfic tentang film tempat lagu itu muncul; meski mengesankan, itu tidak berguna.
  • Mainframe bukan menghilang, melainkan bisa dibilang berganti nama menjadi cloud. Bedanya hanya kini memakai browser alih-alih terminal; sekarang lebih banyak orang berinteraksi dengan komputer ini daripada dengan perangkat apa pun.
  • Saat ini, model berbobot terbuka hanya bisa dipertahankan jika perusahaan raksasa, dengan dukungan negara dan insentif mereka sendiri, menghabiskan miliaran dolar untuk pelatihan dan pengembangan sambil pada dasarnya melepaskan jalur monetisasi.
    Open source seperti kernel Linux memungkinkan individu memperbaiki sistem kompleks secara mandiri dan mengakumulasi hasilnya, tetapi pada model tidak ada pelatihan terdistribusi atau jalur peningkatan paralel.
    Ini mungkin strategi jangka pendek untuk menguras pendanaan perusahaan Barat lewat perang harga, tetapi insentif dan kebijakan bisa berubah kapan saja. Jika peningkatan model tidak benar-benar dapat didesentralisasi, keterbukaan bisa dihentikan kapan saja.
  • Tidak jelas apa yang dimaksud dengan “perangkat lunak produktivitas kantor PC”. Pada akhirnya pemenangnya adalah Microsoft Office, dan patut dipertanyakan apakah itu bisa disebut bukan produk profesional.
  • Kunci lain yang menyebarkan penggunaan dan pendidikan perangkat lunak ke seluruh dunia adalah pembajakan. Saat tumbuh di negara berkembang, Windows, Office, Visual Basic, Flash, Dreamweaver, dan lainnya bisa didapat dengan harga kurang dari 1 dolar, sehingga orang bisa belajar sendiri tanpa lisensi mahal.
    Kemungkinan banyak pengembang generasi yang sama yang tumbuh di negara berkembang mengalami hal serupa.

• Kini sulit untuk diputar balik. Bobot terbuka bukan open source, melainkan pada dasarnya model gratis, dan pengguna hanya menanggung biaya hosting.
  Ratusan penyedia meng-host dan menjualnya, dan ribuan perusahaan—dari Microsoft, Databricks, Palantir hingga startup kecil—dapat menjalankan serta melakukan fine-tuning untuk memiliki hak kekayaan intelektualnya.
  Sebaliknya, OpenAI dan Anthropic harus mengambil margin lebih dari 90% dari inferensi karena sunk cost dan gaji sangat tinggi untuk mempertahankan talenta. Meta yang membayar miliaran dolar kepada engineer senior juga sangat mendistorsi pasar.
  Jika lab AS tutup, lab Tiongkok juga akan langsung mulai mengenakan biaya, tetapi harga per token masih akan seperlima atau sepersepuluhnya dan dengan lebih sedikit pembatasan. Lab AS harus memangkas biaya dan gaji lalu bersaing, sementara AI dan robotika adalah harapan terakhir AS untuk melakukan reindustrialisasi dan mempertahankan statusnya sebagai adidaya.

  • Bahkan setelah Tiongkok meruntuhkan industri tenaga surya negara lain, harga per watt panel surya buatan Tiongkok terus turun.
    Permintaan domestik Tiongkok cukup besar dan ada strategi negara jangka panjang untuk energi terbarukan, sehingga dunia bisa melihat hasil yang tampak seperti dukungan yang sangat murah hati. AI Tiongkok mungkin menempuh jalur serupa.

• Kutipan bahwa “80% startup memakai model Tiongkok” patut diragukan. Beberapa startup yang baru-baru ini saya wawancarai semuanya memakai model AS, dan meski sebagian memakai model Tiongkok, inti bisnis mereka adalah langganan Claude dan Codex.

  • Kutipan lengkapnya adalah pernyataan Martin Casado bahwa startup para pendiri yang datang ke kantor a16z memiliki kemungkinan 80% memakai model open source buatan Tiongkok. Ini cukup berbeda dari yang digambarkan dalam tulisan.
    Startup prainvestasi mungkin memakai model Tiongkok di suatu bagian alur kerja, tetapi tidak diketahui berapa persentase yang terus memakainya di antara yang berhasil mendapat investasi atau pendapatan dan bertahan lebih dari setahun. Presentasinya bisa saja berbunyi, “Dengan model open source Tiongkok saja kami bisa sejauh ini, jadi jika mendapat investasi dan memakai model mutakhir, kami bisa lebih baik.”
    Tampaknya penulis mencari kutipan yang cocok dengan narasi yang sudah ditentukan, atau membaca kutipan itu secara ceroboh.
  • Ini statistik licik, seperti mengatakan 100% startup tempat seseorang bekerja menggunakan Windows hanya karena setidaknya satu orang memakai laptop Windows. Perangkat engineer sebenarnya bisa saja 80% Mac dan 20% Linux.
    Saya sering memakai model berbobot terbuka Tiongkok, tetapi tidak menjadikannya pilihan pertama untuk pekerjaan coding penting.
  • Kami mengadopsi DeepSeek dengan rencana beralih ke model yang lebih baik jika penggunaan fitur AI oleh pelanggan meningkat, tetapi untuk pekerjaan saat ini hasilnya sangat bagus dan jauh lebih murah, sehingga kemungkinan kami tidak akan beralih.
    Di library AI yang kami gunakan, model bisa diganti hanya dengan mengubah satu pengaturan.
  • Perlu dibedakan apakah model dipakai dalam produk atau untuk pengembangan. Di beberapa aplikasi, model berbobot terbuka dipakai di perangkat atau lewat API saat tersambung internet, tetapi untuk pengembangan digunakan Claude, Codex, Cursor, Grok, dan sebagainya.
  • Tim sekitar 6 orang masih memakai Claude Code karena masih paket bulanan per seat. Jika berubah menjadi penagihan per token, kami pasti akan meninjaunya kembali.

• Jika perangkat keras yang bisa menjalankannya makin murah, model berbobot terbuka akan menang dalam arti menjadi dominan. GPU bisa disewa langsung untuk menghemat biaya, tetapi saya dengar tagihan perusahaan yang mengoperasikan inferensi sendiri pun ternyata sangat tinggi
  Namun sulit memahami apa yang didapat pihak yang melatih lalu merilis model. Tidak jelas apakah ini strategi untuk menekan penyedia AS yang dianggap ancaman agar menurunkan harga, atau apa model bisnisnya

  • Bagi NVIDIA, model berbobot terbuka adalah strategi klasik mengomitisasi komplementer. Semakin murah modelnya, semakin banyak GPU yang dibeli untuk menjalankannya
    Motif Tiongkok sulit diketahui. Tulisan terkait
  • Berkat bobot terbuka, perusahaan kecil yang hanya punya modal untuk berinvestasi di server pun bisa menjadi penyedia dan merebut pasar ceruk
    Tiongkok memandang komoditisasi teknologi agar banyak perusahaan dapat mendukung berbagai sektor di seluruh ekonomi sebagai keuntungan bagi ekonomi secara keseluruhan, sehingga membenarkan investasi publik
    Strategi AS memusatkan modal swasta pada segelintir perusahaan sehingga satu atau dua pihak mendominasi pasar dan mengenakan “pajak” yang makin berat pada semua sektor; sulit menyebutnya kemenangan bagi ekonomi nasional secara keseluruhan
  • Karena Tiongkok adalah pabrik dunia, mereka tidak perlu menang lewat perangkat lunak; mereka lebih memilih membuat perangkat lunak gratis lalu menang lewat perangkat keras
    Jika inferensi AI gratis, chip buatan Tiongkok bisa dioptimalkan per penggunaan dan dimasukkan ke banyak produk seperti mainan, mobil, dan perkakas untuk dijual. Mengingat perangkat x86 murah dan produk Linux/BSD sudah membanjiri pasar dari Tiongkok, GPU pun tidak akan berbeda
  • Sebab di Tiongkok, kegiatan riset menerima subsidi pemerintah yang sangat besar. Strukturnya sederhana: dana publik dialokasikan untuk menyuruh pihak tertentu melakukan sesuatu, maka hal itu dilakukan
  • Pasar LLM di Tiongkok sangat kompetitif, sehingga jika satu perusahaan terdepan membuka bobotnya, perusahaan lain juga mendapat tekanan untuk mengikuti. Jika Anthropic atau OpenAI membuka bobotnya, di AS pun bisa terjadi rangkaian rilis terbuka agar tidak kehilangan pengenalan merek dan pangsa pasar
    Meski dibuka sekarang, pengguna yang menjalankan secara lokal masih sedikit, dan model saat ini kemungkinan besar kelak semuanya menjadi usang. Kekurangan bahwa pesaing bisa dengan mudah melakukan distilasi pun pada dasarnya sulit dicegah

• Sulit membayangkan masa depan tanpa model open-source. Model AI terbaru dan terbaik, sebagai teknologi untuk seluruh dunia, tidak boleh dikurung di perusahaan seperti Anthropic atau OpenAI yang kapan saja bisa memutus akses

• Tulisan ini terasa aneh mengingat Llama, yang bisa dibilang pelopor semua model berbobot terbuka, tidak membawa kesuksesan bagi Meta
  Perusahaan lebih mementingkan tidak disimpannya data dan hubungan dengan pemasok yang sudah ada daripada apakah modelnya terbuka. Tulisan ini terlihat hampir mengulang pernyataan Alex Karp di CNBC, yang sebagai CEO Palantir jelas tidak netral
  Model terbuka patut disambut dan saya juga menjalankannya sendiri, tetapi bukti bahwa AS sedang kalah dalam persaingan AI atau tertinggal karena laboratorium AS tidak membuka bobotnya masih belum cukup
  https://www.cnbc.com/2026/07/01/palantir-karp-open-ai-anthropic-tokens.html

  • Ini bukan soal konsep bobot terbuka, melainkan kelemahan model Meta itu sendiri. Keluarga Llama bisa menghasilkan kalimat yang terdengar mengesankan, tetapi kemampuan memanggil tool sangat buruk sehingga dalam praktiknya tidak banyak yang bisa dilakukan
    1 2 3
  • Dua sampai tiga tahun lalu Meta AI Research tumbuh cepat dengan Llama 1, 2, dan 3, sementara citra Zuckerberg serta kinerja Meta juga membaik. Sulit dipercaya semuanya goyah secepat ini setelah Alexandr Wang bergabung
  • Perusahaan mementingkan kendali. Banyak pelanggan korporat selama 2–3 tahun harus terus menyesuaikan ulang diri mengikuti perubahan model OpenAI dan Google di bawah jadwal eksternal yang tidak pasti dan mendesak, sehingga mereka sangat lelah
    Kini mereka ingin meng-host model berbobot terbuka di penyedia inferensi yang sama, tetapi tetap punya opsi untuk beralih ke operasi internal jika diperlukan
  • Jika ini persaingan untuk merebut pasar bernilai triliunan dolar, wajar jika ada perang propaganda sampai tingkat tertentu
  • Llama hampir merupakan satu-satunya keberhasilan Meta di bidang AI. Dengan menghentikannya, Meta juga kehilangan kehadirannya sebagai perusahaan AI yang menarik
    Mereka sebenarnya punya peluang nyata untuk menjadi “lapisan dasar” yang dibahas itu; sulit memahami mengapa peluang tersebut dilepaskan

• Saya tidak bisa memahami logika yang secara terang-terangan melanggar hak kekayaan intelektual dalam sejarah umat manusia dan memperlakukan warisan manusia seolah milik sendiri, lalu mencoba memprivatisasi kembali teknologi dan data yang semula berada di ranah publik
  Jika setelah kekacauan ini bahkan bailout sampai dibicarakan, itu akan menjadi bukti bahwa sistem ini bangkrut secara etis, finansial, dan intelektual

  • Tiongkok konsisten dalam arti tidak memedulikan hak kekayaan intelektual dan hak cipta, tetapi pengetahuan yang didistilasi dengan cara itu juga dibuka secara gratis
    Sebagai non-Amerika, saya tidak ingin kartel perusahaan AI AS memiliki kekuasaan besar atas teknologi ini. Saya juga tidak setuju dengan kerangka “Tiongkok itu buruk dan komunis, jadi tidak boleh”; dalam perkara ini, tindakan Tiongkok merupakan keuntungan bersih bagi dunia, terlepas dari ideologinya
  • Ini sindiran: abaikan konsumsi sumber daya, jangan jadi penganut perlambatan, dan percayalah pada kemajuan dunia baru. Sebentar lagi AGI akan menyelesaikan semua kekhawatiran, semua orang menerima pendapatan dasar, Gemini akan tahu jumlah huruf r dalam “strawberry”, dan manusia akan membuat seni generasi berikutnya untuk diberikan kepada mesin
    Kira-kira narasinya, pada saat itu reaktor garam cair nuklir juga sudah beroperasi sehingga konsumsi listrik pusat data tidak lagi menjadi masalah
  • Saya kira tidak akan ada bailout untuk perusahaan AI karena kedua partai sama-sama tidak punya kemauan politik. Alternatif yang lebih mengerikan mungkin adalah gerakan DeFlock yang memenggal leher orang alih-alih tiang
  • Ini adalah sejarah pemagaran tanah bersama yang berlangsung sejak awal kapitalisme

• Menurut tulisan Ben Thompson tentang model Tiongkok (https://stratechery.com/2026/whos-afraid-of-chinese-models/), Xi Jinping dalam pidato terbarunya (http://english.scio.gov.cn/topnews/2026-07/18/content_118605932.html) mengatakan bahwa kita harus “menangkap peluang historis untuk mendorong open source, keterbukaan, kerja sama, dan berbagi,” termasuk dukungan untuk model open-source

• Pada akhirnya tulisan ini berisi argumen bahwa “karena saya menyukai open source, maka open source akan menang.” Sebagian besar perusahaan yang merilis model dengan bobot terbuka menerima pendanaan ventura dalam jumlah sangat besar, dan saya mempertanyakan apa strategi pengembalian investasi mereka serta bagaimana mereka bisa terus melakukannya tanpa batas sambil menghasilkan laba

  • Pemerintah Tiongkok tidak peduli pada penilaian moral penulis dan mengejar hasil yang diinginkannya. AS juga sama
  • Pemerintah Tiongkok punya insentif agar AS tidak memonopoli model paling mutakhir. Jika posisi negaranya menguat, ada cukup alasan untuk terus menjalankan strategi terbuka
  • Ini adalah strategi investasi ventura klasik: menurunkan harga dengan modal untuk menyingkirkan pesaing dan meraih pangsa pasar, lalu perlahan menaikkan harga untuk menghasilkan laba
    Menghabiskan puluhan juta dolar untuk melatih model paling mutakhir lalu membukanya gratis agar orang lain meng-host di GPU mereka sendiri tidak masuk akal dalam jangka panjang. Naif jika percaya bobot terbuka akan tetap dipertahankan ketika modal mengering dan investor menuntut imbal hasil
    Laboratorium Tiongkok yang sebagian menerima dukungan negara kemungkinan akan beralih ke bentuk hosting model Tiongkok di infrastruktur buatan Tiongkok
  • Seperti platform open source lain, sangat mungkin juga muncul model yang memerlukan langganan untuk mendapatkan hak penggunaan atau binary terbaru yang berfungsi dengan baik
    Karena saya sudah membayar Claude, GPT, Gemini, dan lainnya, saya bersedia membayar biaya langganan bulanan kecil untuk lisensi eksekusi lokal

• Pelatihan model AI menelan biaya puluhan juta dolar, sehingga sulit membenarkan biaya awalnya jika diberikan gratis. Cara Tiongkok melatih dan merilis model hanya bisa dipahami dalam kerangka strategi untuk menurunkan tingkat pengembalian laboratorium riset terdepan AS

  • Penurunan tingkat pengembalian laboratorium AS mungkin merupakan efek samping yang disambut baik oleh pimpinan Tiongkok, tetapi motif utamanya adalah menyebarkan AI dengan cepat ke ekonomi domestik yang sangat besar demi meningkatkan produktivitas untuk menghadapi penuaan populasi
  • Startup yang didanai modal ventura juga menanggung kerugian demi tujuan strategis. Bedanya, jika startup bangkrut teknologinya biasanya ikut hilang, sedangkan bobot model Tiongkok yang telah dirilis tetap ada meskipun laboratoriumnya gagal
  • Ada dua alasan perusahaan AS merilis model secara gratis. Pertama, jika mereka menjual sumber daya komputasi—seperti chip NVIDIA, pusat data AWS·Microsoft·Google·SpaceX, atau perangkat akhir seperti Apple—maka sesuai paradoks Jevons, model murah dapat meningkatkan permintaan
    Kedua, meski AI itu sendiri bukan produknya, mereka bisa menjalankan strategi komoditisasi pelengkap, yakni bergantung pada AI murah atau mencegah pesaing memonopoli nilainya(https://gwern.net/complement)
    Tidak banyak alasan untuk menginvestasikan uang besar pada model yang akan usang dalam beberapa bulan, tetapi jika kemajuan mulai mandek, saya memperkirakan makin banyak perusahaan akan melatih model gratis
  • Tidak perlu menafsirkan strategi Tiongkok hanya sebagai tekanan terhadap tingkat pengembalian laboratorium AS. Perusahaan seperti Google atau Tencent yang nyaris memonopoli pasar penyediaan video punya alasan kuat untuk melatih model video dengan data mereka sendiri dan merilisnya gratis
    Alat kreasi gratis akan menambah konten, dan karena konten yang dihasilkan pada akhirnya kemungkinan besar ditonton di platform mereka sendiri, biaya pelatihan dapat dipulihkan lewat peningkatan waktu tonton. Bahkan jika model yang lebih baik muncul berdasarkan riset terbuka, itu tetap menguntungkan karena kontennya kembali ke platform mereka
    Dalam lingkungan dengan keterbatasan GPU, setelah model diunggah biayanya selesai dan pengguna menjalankannya sendiri, sehingga tidak perlu menyediakan layanan inferensi. Jika model diberikan sebagai alat gratis alih-alih dijual kembali lewat langganan atau per token, para pemilik asli data pelatihan juga akan merasa tidak terlalu tersisih
    Ada juga efek menekan perusahaan AS, tetapi perusahaan Tiongkok sudah melayani basis pelanggan yang sangat besar di pasar domestik yang besar dan kompleks, sehingga geopolitik saja tidak cukup untuk menjelaskan keseluruhan gambaran
  • Ini adalah persaingan strategis tempat pemerintah mengerahkan sumber daya, dan proteksionisme tidak bisa membantu AS, jadi harus bersaing secara langsung. Karena ada konsensus bahwa orang tidak ingin menjadi subordinat perusahaan raksasa, AI open source harus menang; jika menentangnya, akan sulit mendapatkan dukungan