来源：Z Potentials

Z Highlights

Sonya Huang 是 Sequoia Capital 合伙人，长期关注 AI 基础模型、应用层与开发者工具。随着开放权重模型逼近前沿水平、后训练基础设施逐渐成熟，越来越多 AI 应用公司开始重新评估哪些智能能力应当自建、哪些能力适合继续向前沿实验室购买。

01 开放模型追上来之后，企业 AI 开始争夺控制权

要求企业 " 拥有自己的智能 " 的声音越来越响。Alex Karp 最近鼓励企业 " 掌握生产资料 "；不久后，Satya Nadella 表示，从前沿实验室购买智能相当于付费两次：第一次支付金钱，第二次交出让智能真正有用的专有知识。所有人都在问同一个问题：企业核心的智能究竟应该由谁拥有？

这里需要说明，企业并非一定要拥有自己的智能，也不等于建议企业离开前沿实验室。对于许多工作负载，使用前沿模型的 API 和 Agent 依然是合适的选择。Sequoia 在投资组合中观察到，越来越多公司开始为产品中的部分功能构建自有 AI 能力，通过纵向整合逐步拥有并塑造模型权重。

几周前，Sequoia 召集一批 AI 公司的创始人和开发者，围绕 " 拥有自己的 AI 栈 " 举办活动。Harvey 从客户需求出发分享实践，Mercor、LangChain、Trajectory 和 Fireworks 则介绍后训练技术栈的各个组成部分。这些分享共同勾勒出一套清晰的方法。

第一，开放权重模型追赶前沿水平的速度超出预期。Kimi K3 和 GLM 5.2 表现非常出色。过去，在开放模型上训练像在跑步机上奔跑：团队花数月微调，下一款前沿模型一发布，这些努力带来的优势就可能消失。如今，企业可以从非常接近前沿水平的基线开始。

第二，独立后训练栈已经成熟。Mercor 和 Fireworks 等公司让每家企业都能使用前沿研究实验室级别的技术栈，从训练、推理到真人或合成数据一应俱全。借助扎实的 evals、Harness 工程、后训练和在线学习，开放模型如今可以在特定领域超过前沿模型。

一年前，选择开放权重意味着愿意牺牲性能；今天，是否采用开放权重模型，正成为关乎企业生存的战略问题。最新战场是智能层，产品与权重都只是这场竞争的一部分。

Sequoia Capital

02 当 AI 成为核心成本，企业开始重新算账

不存在适用于所有公司的统一答案。除性能外，产品的一些环节可能因以下因素而受制于 " 租用智能 " 的方式。

速度。在代码补全或网络安全等领域，速度极为重要，经过蒸馏的小型定制模型可能优于大型通用模型。

专有数据。如果反馈、evals、客户互动或领域数据能够让系统进步，企业可能更希望这些数据留在内部。

掌控自己的命运。应用层与智能层开始融合。实验室向上进入产品，应用公司向下进入决定产品如何思考的训练循环。要掌控产品，就越来越需要掌控学习循环和智能本身。Harvey Research、RampLabs、Glean、Factory 等公司已经在探索这条路径。

03   从 0 到 1 路线图：评测、Harness、后训练与在线学习

当企业确定哪些智能能力要自建、哪些继续采购，接下来的问题是：如何从零走到一？

组建团队。不要把这项工作硬塞给平台团队。拥有智能需要一支主动探索的团队：构建 evals、打磨数据、试验开放模型、调优 Harness，并持续提升模型在特定领域的表现。小型新团队与少数生态伙伴合作，就能取得很大进展。Harvey 仅用七人团队就完成了数量惊人的研究。

让外界看见并理解你的工作。如今，每位买家都在挑选自己看好的 AI 公司；当候选公司的实力相近时，公开的研究成果、基准测试或技术文章越来越能左右最终选择。如果企业在内部完成了优秀研究，应与生态分享。

执行技术步骤。下面是一套总体框架。

1.Evals

Harvey 的 Gabe Pereyra 概括得很好：" 没有好的基准，就无法训练模型。"eval 是一组用来衡量系统能否把工作做好的任务。每项任务包含 Prompt、模型可使用的上下文，以及评分机制。许多 eval 最初都始于创始人查看模型输出、凭经验判断结果是否正确；目标是把这种判断转化为可重复的流程。

Harvey 把真实法律工作拆解成离散任务，建立 Legal Agent Benchmark。第一版涵盖 24 个法律实践领域的 1200 多项 Agent 任务，并使用专家编写的 75000 多条评分准则进行评估。

在决定拥有自己的智能之前，企业必须先有 eval。当每次前向传播都有评测结果可供参考时，选择模型就有了量化依据，无需再凭猜测做决定。

2.Harness 与上下文工程

一个 Agent 由三部分组成：模型、上下文和 Harness。Harness 管理模型周围的产品逻辑，包括路由、检索、工具、记忆、回退和 Trace。Harrison Chase 的简洁定义是："Harness 的主要职责，是在正确的时间把上下文交给模型。" 任务越偏离模型训练分布，开箱即用的 Harness 表现就越差。

优秀的 Harness 可以把任务路由到最合适的模型，在不同模型间复用同一组 evals，并决定 Agent 可获得哪些上下文和工具。它也让 Agent 的运行过程可供检查：团队能够追踪输入了什么上下文、调用了哪些工具，以及流程卡在何处。

3. 后训练

后训练涵盖多种技术，具体采用哪种技术，取决于团队希望改善什么。Lin Qiao 给出了一套清晰的判断方法：模型缺少事实时无需后训练，使用上下文或 RAG 即可；输出格式或行为不正确时，使用监督微调；需要调整产品的风格与偏好时，使用偏好调优；模型需要提升专项任务能力时，使用 RL；模型太慢或太贵时，对它进行蒸馏。

目标是选择能够改善   eval   结果、投入最少的方法，再通过同一套   Harness   提供模型服务，并在运行中测量质量、延迟和成本。

4. 在线学习

系统拥有 evals、Harness 和模型之后，最后一步是在生产环境中持续改进。Arjun Karanam 提出一个重要观察：模型不断变聪明，每次开启新 Session，却仍像第一天上班。把 Terence Tao 放进会计师事务所，他至少在第一天很可能还不是最好的会计师。系统缺少的是经验，而非智能；Agent 会在运行过程中创造这种经验。

Trajectory 是 Agent 执行任务所经过的路径，包括模型看到的上下文、调用的工具和 sub-agents、生成的答案，以及用户编辑、撤销或重试的内容。要建立在生产环境中持续改进的循环，就必须使用 LangChain 的 LangSmith 等工具捕获这些 Trajectory。失败的任务可以转化为 eval，缺失的信息可以补入上下文或记忆，工具响应中的错误则可以用来指导 Harness 修复。

04 更低的下限，更高的上限

买家需要警惕：拥有自己的智能会打开潘多拉魔盒。闭源模型栈很简单：调用前沿模型，使用 Claude Code 或 Codex 等开箱即用 Harness，加入 Prompt 和上下文，然后发布。它提供较高的能力下限，但上限也相对较低。

拥有技术栈意味着自行承担更多系统工作。生产栈由开源模型、定制 Harness、工具和上下文组成；开发栈由专有 evals、领域数据和在线学习循环组成。工作量确实更大，能力下限可能更低，但上限也会更高。

前沿实验室会继续构建巨型 " 大脑 "，所有人都应该使用它们。与此同时，最优秀的产品公司也在培养自己的 " 小天才 "：速度快、有自己的判断、专注于特定领域，并根据实际工作持续调优。当更多公司拥有自己的智能，生态会更加繁荣，各自的特色也将得到充分发挥。

这就是企业拥有自有智能后，有望实现的未来。我们很高兴看到 " 小公司 " 不断进步，这些创业公司正努力让这样的世界成为现实。

原文：Own Your Intelligence: A How-To Guide

https://sequoiacap.com/article/own-your-intelligence-a-how-to-guide

请注意，本文编译自文末说明的原始链接，不代表 Z Potentials 立场。如果您对本文有任何想法或见解，欢迎在评论区留言互动探讨。

Z Potentials 将继续提供更多关于人工智能、机器人、全球化等领域的优质内容。我们诚邀对未来充满憧憬的您加入我们的社群，与我们共同分享、学习、成长。

特别声明：以上内容仅代表作者本人的观点或立场，不代表新浪财经头条的观点或立场。如因作品内容、版权或其他问题需要与新浪财经头条联系的，请于上述内容发布后的 30 天内进行。