工业和信息化部2026年7月公布过两个数字，我国人工智能开源大模型的全球累计下载量突破100亿次，国家级人工智能开源社区汇聚用户1100余万。两个数字放在一起，说明能用的模型早就成了公共品。
同一时间，很多企业的 AI 预算表第一页写的还是训练行业大模型。
过去半年我们看过的预算表里，训练模型这一项常常占到七成以上，驻场的人和流程改造加起来不到三成。问一句为什么，回答通常是，模型是自己的才安全。
这句话在2023年成立，在2026年已经不成立。开源模型的迭代速度比任何一家企业的训练速度快得多，自己训一个，十八个月后大概率被一个免费版本追平。钱花出去，留下的是一个需要继续维护的模型文件，以及一支只会维护它的队伍。
模型是会过期的支出，流程是不会过期的支出。一条被改顺的流程，三年后还在省时间。一个被训出来的模型，三年后可能连部署环境都找不到。
这个错误能稳定存在，有它自己的道理。训模型可以立项，可以验收，可以在汇报的第一页放一张对比图。改流程要动考核，要跟业务部门争谁的活变多了，签字的人得准备得罪人。预算会上，前一件事有人抢着做，后一件事没人愿意认领。
钱的记法也不一样。训练模型进研发费用，今年就能看见成果。流程改造进管理费用，收益要等两年才显出来。财务口径决定了哪种项目更容易过会。
有一家做男装的企业，两年前花六百万训了一个版型推荐模型，今年做技术盘点时发现，实际调用量集中在两个老品类上，新品类一次都没跑过。原因不复杂，新品类没有足够的历史数据，模型给不出建议，设计团队就绕开它了。模型没有错，错在它被当成了起点。
这件事还有一个隐蔽的代价。为了让模型跑起来，信息中心会要求各业务线按统一格式交数据，交上来的数据为了填满字段，很多值是估算的。估算的数据进模型，模型输出的建议再也不是业务部门想要的，项目就此进入一个谁都不满意但谁都不喊停的状态。
合理的次序是先定场景，再看这个场景需要什么，最后才决定用谁的模型。多数企业把次序倒了过来，先买了模型，再去找它能干什么。
开源模型还有一个企业常常忽略的好处，许可条款是公开的，法务能看清楚。自己训的模型，训练数据从哪来、有没有授权，往往说不清，一到对外合作或者融资尽调就成了问题。这笔账不记在技术部门头上，记在法务头上。
给一个可以带走的分配办法。年投入在一千万以内的 AI 预算，模型和算力不超过15%，数据和接口不超过25%，驻场的人和流程改造不低于60%。这个比例是个提醒，钱的大头应该花在会改流程的地方。
再给一条检验。把去年训过的模型调出来，问三个问题，现在还有谁在用，上次调用是什么时候，如果明天关掉会有什么影响。三个问题有一个答不上来，明年的预算就该往人那边挪。
还可以换个问法。把今年 AI 预算的每一笔钱，按会不会随业务变化失效分成两类。会失效的，明年要重新花一次。不会失效的，才算积累。积累的比例低于三成，说明这家公司每年都在重新买同一件东西，账面投入不小，能力没有增加。
还有一个动作值得做。让信息中心把今年所有 AI 支出的清单按「买来的」「改出来的」分两栏。买来的那一栏超过一半，说明这家公司还在用采购的方式做经营改革，明年大概还是同样的结果。
希纪在给服装企业做增长诊断时，见过一种很常见的场面，模型买了三个，流程一条没改，问起来都说还在磨合。磨合一年之后，预算就没了。
模型能力还会继续涨，价格还会继续跌。这件事对企业是好消息，意味着不必再为模型本身付溢价。真正稀缺的东西，是知道该把模型放在哪个环节的人。
一句话留给董事长。买模型是消费，改流程才是投资。
希纪 · 服装产业观察