4000万美元订单背后的信号
汤森路透，全球最大的财经资讯巨头之一，掏出约 4000 万美元，基于阿里的 Qwen3.5-397B-A17B 自建大模型“Thomson”。这不是一个孤立事件，而是企业 AI 范式切换的注脚：头部客户开始从“调用 ChatGPT API”转向“把 AI 变成自家资产”。
路透选 Qwen，本质上是看中了三件事：
- 稀疏 MoE 架构：总参数 397B，每次前向计算只激活约 17B，推理成本相对可控，性能不掉队
- 开放权重：可以私有部署、微调、蒸馏、换底座，不用担心被供应商“卡脖子”
- 多模态与长上下文：法律、财经场景里大量 PDF、扫描件、表格、跨文档引用，原生支持才跑得通
把“开放”当入场券，把“私有化”当终局，这是路透的算盘，也是未来五年所有大客户的算盘。
企业为什么必须有自己的模型
企业私有化部署大模型，不是赶时髦。四股力量同时在推：
- 成本压力：高频调用的 API 账单是个无底洞，三年累计下来够买半个机房
- 可控性焦虑：模型升级、限流、价格变动、数据出域，任何一个变量都可能让业务停摆
- 合规红线：客户合同、案件材料、内部代码，在公有云里跑总让人睡不踏实
- 资产沉淀：行业 know-how、专家判断不能每次都重新训练一遍，要固化成可复用的模型权重
对应一个四层控制模型：数据 → 应用 → 服务 → 权重。前三层 RAG 和工程化能解决，但权重层的控制只有开放权重的底座才能给你。Qwen3.5-397B-A17B 恰好处在这个交叉点上。
397B 不是用来“硬上”的
外界容易把“开放权重 397B”理解成“赶紧拉来部署”。但路透级的客户画像其实非常窄。
适合的场景：大量重复知识型任务 + 私有数据敏感 + 数据出域严格 + 调用量稳定 + 有评测体系 + 有 AI 工程团队 + 能扛分布式推理成本。
不适合的场景：只想做个内部聊天机器人、调用量小、无评测集、无专职团队，硬上 397B 只会换来一个昂贵的废铁。
真正能跑通私有化部署的企业，回答的是这道算术题：
自有 AI 价值 = 节省的 API 费用 + 节省的人工时间 + 数据控制收益 − 算力/研发/运维/治理/错误成本
左边三项要足够大，这个等式才值得做。
落地顺序比模型选型重要 100 倍
文章里被反复强调、也是我认为最值钱的一段，是这个落地路径：
- 先选任务，不选模型：挑那些高频、重复、格式明确、错误成本可控的场景
- 循序迭代：提示词+工具 → RAG → LoRA 微调 → 后训练/强化学习
- 先建评测集：正确/错误/边界/高风险案例 + 专家评分，没有评测就不要碰训练
- 按评测结果倒推部署形态：托管 API → 私有化部署 → 蒸馏小模型 → 持续预训练
四条经验尤其反直觉：
- 格式问题用结构化输出解，不要微调
- 动态制度放知识库，不要进权重（制度会变，权重改一次成本巨大）
- 风险阈值用显式规则，不要寄希望模型自己学会
- 微调只能模仿风格，永远代替不了决策
四条加在一起，本质上是一句话：别把 AI 想得太神，先把工程做扎实。
基础设施层的隐喻：英伟达 H100 为什么是“事实标准”
聊企业私有化部署绕不开算力底座。H100 稳坐 AI 基础设施的王座，不是因为某个单项参数无敌，而是四个维度同时拉满：
- 算力：FP8 下 1979 TFLOPS，比上代快数倍
- 显存：80GB HBM3 + 3.35 TB/s 带宽，能装下更大的模型
- 互联：NVLink 4.0 双向 900 GB/s，多卡协同几乎无损耗
- 生态：CUDA 十几年积累，PyTorch/TensorFlow 深度适配，这才是真正的壁垒。硬件可以追，生态难追。
企业私有化部署 397B，本质上是在买 H100/H200 级别的算力集群加上英伟达的软件栈。路透的 4000 万美元里，估计有一半流向了英伟达和云厂商。
回到那个核心判断
Qwen3.5-397B-A17B 的角色，不是让每家企业都去部署一个 397B 模型。它的真正意义是：
提供一个足够强的开放权重起点，让“私有化部署”从 PPT 变成可执行的工程方案。
企业真正要做的，是把四样东西先建好：
- 数据：清洗过的、可被模型消费的行业语料
- 专家标准：把人的判断转成模型可学的规则和评分
- 评测集：能持续衡量“好/坏/边界/高风险”的指标体系
- 业务闭环：让模型输出真正接入工作流、影响决策
这四样建好之后，再决定是托管、私有、还是蒸馏小模型，是 LoRA 微调还是持续预训练。
结语：从“租用服务”到“自有资产”
路透的 4000 万美元，本质上买的是可控性和长期资产沉淀。当一家百年老牌媒体愿意为私有大模型买单，它传递的信号是：AI 不再是“用不用”的问题，而是“能不能拥有”的问题。
对企业而言，2026 年之后的分水岭不再是有没有用上 AI，而是：你的 AI，是租来的，还是自己的。
答案取决于你愿不愿意先把数据、评测、专家标准、业务闭环这四件笨功夫做扎实。捷径在权重之外。