世界各地的企业、政府、学术机构和 HPC 中心很快必须回答的最大问题之一（如果他们还没有做出决定的话）是他们是否要训练自己的 AI 模型和使其有用的推理软件堆栈，或者只是从第三方购买它们并开始更快地将 AI 与其应用程序集成。

　　虽然 OpenAI、Anthropic、xAI、Google、阿里巴巴和 DeepSeek 等大型模型制造商正在花费大量资金来训练具有不断增长的数据令牌数量和参数的 AI 模型，以使其模型更加智能，但大多数组织都有非常具体的需求，并且与自身运营相关的专业数据数量相当有限，这意味着我们可以预期在通用模型以及专业领域特定模型上的支出。

　　这当然是我们几十年来在其他类型的企业软件中看到的一种模式，大型机时代的一般后台会计演变成行业特定套件上的复杂堆栈，这些套件封装了制造商、分销商、零售商等的业务逻辑，涵盖构成现代经济的无数行业领域。

　　这是 Gartner 的预测者预计生成式 AI 模型会发生的事情，尽管不可否认，创建和采用差异化模型需要时间。

　　根据 Gartner 刚刚发布的数据，其分析师预计，到 2025 年，最终用户在 GenAI 模型上的支出将达到 142 亿美元，比去年在商业 GenAI 模型上的支出高出近 2.5 倍，后者的支出总计为 57 亿美元。

　　我们已将 GenAI 模型支出添加到我们之前对 1 月份对整体 IT 支出的分析中，以及根据今年 4 月所做的 Gartner 数据进行的 GenAI 支出分析中。看一看：

　　如您所见，2023 年在第三方 GenAI 模型上的支出相当少，只有 14 亿美元，但在 2024 年增长了 4.2 倍。很难说它在未来几年会如何增长，但我们认为任何人在做出预测时都必须使用一些相当宽的误差线。这在很大程度上取决于 GenAI 模型的未来是如何构建的，以及是否像许多人预测的那样，其他方法会席卷市场。

　　如果专家模型与多模态功能的混合被证明比巨大的一次性模糊模型更准确，就像直到最近才成为常态一样，并且可以在相对较小的集群上进行训练并在类似的铁上进行推断，前提是它们的创建者以合理的价格许可它们，并提供其基础模型的行业特定（如果不是组织特定的）版本， 那么第三方 GenAI 模型的市场应该会起飞。

　　但是，如果训练成本大大降低，并且模型可以在更小的集群上运行，那么组织可能只需训练自己的模型并建立自己的推理场。

　　如果训练模型需要如此多的基础设施，以至于大多数公司都负担不起，甚至无法获得 GPU 或 XPU 来训练，那么公司将在第三方 AI 模型上花费大量资金，而模型制作者将致富，并至少收回他们在过去五年中投入用于创建模型的巨额资金中的一些。

　　Gartner 明确表示，到 2027 年，企业使用的模型中有一半将是特定领域的，高于 2024 年的 1%（我们假设以收入衡量）。

　　从上表中我们还可以看出，GenAI 模型本身在 GenAI 软件支出中所占的份额随着时间的推移而增长，从 2023 年的 25.2% 上升到 2025 年的预期 38.2%。

　　当然，Gartner 的所有这些资金计算都忽略了模型制作者今天花了多少钱来创建他们的模型，以及其他组织如果开始构建他们的模型，他们将花费多少钱。几十年来，企业软件的很大一部分是在内部创建的，而不是由第三方创建的，而这项巨大的投资从未被全世界的 Gartners 和 IDC 所计算。然而，它就在那里。

　　原文链接：https://www.nextplatform.com/2025/07/10/will-companies-build-or-buy-their-genai-models/