现在，每一份企业董事会报告似乎都包含了一项 AI 指令。公司正以三年前看来还显得鲁莽的速度，将客户记录、内部战略文档和专有分析数据喂给大语言模型。这些流量大多流向了闭源系统。它们方便、强大，且由他人托管。Mistral AI 的创始人 Arthur Mensch 认为，这种便利性背后隐藏着一种税收，其代价可能远超任何订阅费用。
Mensch 一直在公开谈论一种特定的危险：当你通过专有模型运行业务时，你不仅仅是在租用算力。你是在向构建该模型的实验室递交一份详细的业务运营地图。这些供应商存储海量的客户交互数据以优化其系统。随着时间的推移，这些数据会揭示出模式。他们能看到你如何定价、如何进行受众细分、如何识别风险以及如何发现机遇。Mensch 警告说，一些实验室已经表现出利用这些情报来针对其自身客户的意图，一旦他们准确掌握了利润所在，就会进入这些市场。
他的建议很直白：“如果它不在你的掌控之中，它就不会成为你的增长。”他提出的补救措施是主权：将数据转移到开放系统中，执行严格的访问规则，并投资于专有的训练流水线。这并非偏执的幻想，而是应用于认知领域的供应链安全。你不会把工厂蓝图交给供应商，Mensch 认为，你也不应该把相当于企业“作战手册”的东西交给你的 AI 供应商。
为什么模型权重是你的企业记忆
这一观点得到了科技行业一个意想不到领域的支持。Palantir 的 CEO Alex Karp 用一句话概括了这个问题，这句话已经在国防和金融界流传开来：“掌控你的权重，就是掌控你的命运。”
要理解为什么这很重要，首先要思考模型权重究竟代表了什么。在机器学习中，权重是数以十亿计的经过调整的参数，它们将原始数据转化为有用的预测。当你利用自己的数据（如客户流失历史、诊断图像、物流优化案例）来训练或微调模型时，这些知识会被压缩进权重中。它们成为了一种企业记忆，编码了需要多年积累的决策和专业知识。
如果你租用一个前沿模型，并仅仅通过提示词输入你的秘密，你永远无法拥有这些提炼后的知识。更糟糕的是，你的供应商会吸收每一个信号。每一次查询都会让他们的系统对你的垂直领域了解更多一点。他们的下一次模型更新可能会将让你成功的竞争优势内化。Karp 将此称为你的“alpha”，即让你脱颖而出的独特性能优势。外包你的权重意味着外包你的 alpha。到那时，AI 将不再是一个工具，而变成了将你的专业知识转移给竞争对手的渠道。
微调优势
Bridgewater 的实验表明还有另一种途径。这家对冲基金与 Thinking Machines Lab 合作，对开源的 Qwen3-235B 模型进行了微调。他们没有将专有的投资者评估报告发送到黑盒 API 中，而是将数据保留在内部，并使模型适应其特定需求。结果非常显著。在金融文档分析方面，他们微调后的模型准确率达到了 84.7%。而表现最好的闭源前沿模型仅达到了 78.2%。
在金融领域，这种差距至关重要，因为 a