Hugging Faces policychef om öppen källkod i AI-branschen
Öppna AI-modeller (modeller vars kod är fritt tillgänglig) vinner allt mer mark hos företag och regeringar som lockas av lägre kostnader och mer kontroll. Hugging Faces policychef diskuterar i ett poddavsnitt hur bolag faktiskt tjänar pengar på öppen källkod – och om amerikanska aktörer kan hålla jämna steg med kinesiska konkurrenter som DeepSeek.
Djupdykning
Hugging Face är plattformen där hundratusentals öppna AI-modeller lever – tänk GitHub fast för AI – och deras policy-chef sitter nu i en av de knepigaste stolarna i techvärlden. Öppen källkod inom AI innebär att vem som helst kan ladda ner, modifiera och bygga vidare på modellerna utan att betala licensavgifter, vilket låter bra tills du inser att affärsmodellen för bolagen som tränar dem blir genuint svår att räkna hem. Det som de flesta missar i debatten om öppen vs. sluten AI är att "öppen" är ett spektrum – Meta släpper sina Llama-modeller med vikterna tillgängliga men inte träningsdata, vilket är ungefär som att ge bort receptet men hålla kvar på ingredienslistan. Kinesiska modeller som DeepSeeks R1 har satt press på amerikanska aktörer just för att de kombinerar imponerande prestanda med öppenhet, vilket tvingar hela branschen att omvärdera vad konkurrensfördelar faktiskt består av när modellen inte längre är hemlig. Frågan om vem som fångar värdet i ett ekosystem byggt på gratismodeller – är det plattformarna, molnleverantörerna, eller de som bygger applikationer ovanpå – är egentligen samma fråga Linux-världen brottades med på 90-talet, och svaret då var att pengarna hamnade hos Red Hat, inte hos de som wrote the kernel.