开源还是闭源，AI创始人的模型选型新思路

对今天的AI创业公司而言，选择模型已经不再是创业初期一次性的架构决定。开放模型的能力在持续提升，前沿API也在不断迭代，模型还可以针对特定工作负载进行定制，而不少公司干脆在同一款产品里调用多个模型，而不是把未来押注在单一方案上。这种变化给了创始人更多构建方式，也带来了更多需要权衡的问题：钱应该花在哪里，哪些能力必须自己拥有，以及当技术快速变化时要保留多少灵活性。

在TechCrunch Disrupt 2026上，四场对话从AI技术栈的不同位置切入这些决策，覆盖多模型应用、定制化模型、基础设施，以及最底层的芯片。也就是说，模型选型这件事，已经从单纯的算法问题，延伸成了一条贯穿产品层与硬件层的完整链路。

其中一场名为“真正的Token最大化：顶尖AI公司如何驾驭多模型世界”的讨论，把焦点放在一个前提的转变上：在开源与闭源之间做选择，本身就预设了公司必须先选定一个模型。而现实是，AI产品越来越倾向于为不同的任务调用不同的模型。这场讨论邀请了CapitalG合伙人Mo Jomaa、Together AI联合创始人兼CEO Vipul Ved Prakash，以及Pathway联合创始人兼CEO Zuzanna Stamirowska，他们将在大会的构建者舞台展开交流。

讨论将深入几个具体问题：为什么公司会同时使用多个模型，如何在成本、性能与灵活性之间取得平衡，以及在什么情况下开放模型能够跑赢专有方案。对创始人来说，这种灵活性的影响远不止模型性能本身，它还会牵动运营成本、产品决策，以及公司能以多快的速度用上刚出现的新模型。当一款更强的模型发布时，架构上留有余地的团队可以迅速切换，而深度绑定单一供应商的团队则可能要付出更高的迁移代价。

模型选择还会引出一个更大的问题：你的公司到底需要自己拥有什么。Oumi联合创始人兼CEO Manos Koukoumidis将在真实世界AI舞台带来一场题为“贵公司究竟该部署哪种AI：租用、定制还是自建”的分享。他将正面回应几个创业者最关心的判断：创业公司是否应该构建自己的模型，定制化在什么条件下能够转化为竞争优势，以及在开源与专有AI之间该如何取舍。

这场分享的形式也值得一提。Koukoumidis会通过现场观众投票、创业场景推演以及一套实用框架，帮助参与者评估前沿API、经过定制的开放权重，以及完全自建AI这三条路径。与会者最终可以带走三条决策原则，用于下一次关于架构的讨论。相比抽象的路线之争，这种从具体场景出发的推演，更容易让团队看清自己的资源禀赋适合哪一条路。

创始人的选择会同时塑造产品与产品背后的生意。自建更多的AI技术栈，意味着更强的控制力和更明显的差异化，但也意味着比直接调用现成模型投入更多的时间、人才与资源。反过来，依赖成熟模型可以大幅加快产品上线速度，却也可能让公司在成本结构和能力边界上受制于人。真正的难点不在于哪条路更先进，而在于哪条路与团队当前的阶段、资金和人才储备相匹配。

从多模型调度到定制化微调，再到基础设施与芯片层面的自主可控，Disrupt 2026的这几场对话实际上勾勒出一条完整的决策光谱。对于正在搭建AI产品的创始人来说，值得带走的或许不是某个标准答案，而是一套判断方法：明确每个任务真正需要什么能力，衡量自建与租用的长期成本，并为技术迭代预留足够的切换空间。

当模型能力本身越来越像一种可替换的组件，创业公司的竞争力就会更多地落在如何组合、如何定制，以及如何把AI能力真正嵌入业务流程上。开源与闭源不再是二选一的立场问题，而是一道需要随业务阶段不断重算的动态算术题。