卡内基梅隆大学深度解析：AI产业链的权力博弈与瓶颈挑战

然而自从大语言模型问世，AI产品与服务便如井喷般涌现，推动了技术普及。

LLM让人们能用自然语言与AI互动，大大降低了使用门槛，让更多人得以接触，也推动了它走向主流，成为基础设施。

蓬勃发展的AI产业催生了所谓的「AI供应链」：一个由众多组织交织而成的复杂网络，共同参与AI系统的研发、部署与使用。

链中有云服务商、数据策展方、可观测性平台、模型开发者、企业用户等等，各环节紧密相连。

一般而言，向他方提供产品或服务者为上游，承接的一方为下游，形成分层结构。

依此看来，这条链最上游可追至人工标注员与反馈提供者，最下游则延伸到各类AI应用的终端用户，覆盖全生命周期。

AI产业走向成熟：专业化与拆分趋势

AI供应链本身的出现，意义重大，标志着行业从封闭走向开放。

过去，AI与机器学习系统多半在企业内部完成，或由少数机构独立承担：团队自行收集数据、自行训练模型、自行搭建基础设施。

随着部分环节开始外包（如数据集采集），Amazon Mechanical Turk、Scale AI等数据服务应运而生，促进分工细化。

如今，随着AI行业的迅猛扩张，专业化公司开始接管研发流程中的各个独立环节，提升效率与创新。

这种拆分带来更高的专业度与效率，既标志着行业走向成熟，也为创新与竞争打开了新的空间，推动生态繁荣。

如果我们看不清AI供应链，就只能在技术神话与商业宣传之间被牵着走；一旦把这条链条摊开——谁在制造瓶颈，谁在攫取超额收益，谁在把风险层层转嫁，就无处遁形。

未来的AI治理，不应只盯着某个「出事的模型」，而必须对整条供应链问责：谁提供了算力与数据，谁推动了落地与扩散，谁从中获利，谁承担后果。

只有当监管者、研究者和公众都学会沿着供应链追问，AI 才有可能从「少数巨头的权力机器」，变成「多数人共享的基础设施」，实现可持续发展。

参考资料： 

https://aisupplychains.org/project 

https://x.com/cen_sarah/status/1987956473570508893?s=20