arXiv cs.AI· Fasheng Xu, Xiaoyu Wang, Wei Chen, Karen Xie·· 4 小时前AI 评分24
AI 基础模型的经济学:开放度、竞争与治理
The Economics of AI Foundation Models: Openness, Competition, and Governance
AI 导读
一项两期模型研究分析了基础模型开发者如何在许可费与开放度之间权衡:更高的开放度降低下游适配成本,但使用中积累的模型专属经验会形成数据飞轮,使现有厂商在留存部署方上占优。
正文 · AI 翻译
摘要:基础模型开发者选择其模型的开放程度。更高的开放度降低了下游适配成本,但也可能使竞争模型更易于使用。在一个两期模型中,现有企业选择其许可费和开放度,部署者为用户适配模型,进入者提供竞争模型。使用会积累模型特定经验,从而降低部署者未来的适配成本,形成有利于现有企业持续被使用的数据飞轮。我们识别出随着学习增强,最优开放度先下降后上升的条件。现有企业从完全开放和高费用,转向为留住用户而限制开放度,再转向低费用,以积累足够的使用和经验,从而在更高开放度下仍能留住部署者。完全开放强制令可能诱使现有企业放弃这一低费用策略。尽管开放度更高,更高的费用仍可能减少第一期的适配。当这一福利损失超过第二期因更容易适配进入者模型而获得的收益时,就会出现开放陷阱。当经验可在模型间转移时,该陷阱可能消失。完全一体化消除了现有企业与部署者之间的费用,但将部署锁定于现有企业,可能放弃适配成本更低的竞争对手。当学习足够强时,一体化提高了它们的联合利润、消费者剩余和福利,但当学习较弱时可能降低这些指标。小额使用补贴可以使开发者、部署者和消费者都受益。但它也可能诱使费用上涨幅度超过补贴,并降低开放度,从而提高部署者每次使用的净支付和适配成本。由此导致的适配减少甚至在扣除补贴支出之前就降低了福利。这些发现将 AI 政策与开发者的定价和开放度反应以及部署经验的可移植性联系起来。
| 主题: | 理论经济学(econ.TH);人工智能(cs.AI) |
| 引用为: | arXiv:2510.15200 [econ.TH] |
| (或此版本的 arXiv:2510.15200v2 [econ.TH]) | |
| https://doi.org/10.48550/arXiv.2510.15200 由 DataCite 颁发的 arXiv DOI |
提交历史
来自:Fasheng Xu [查看电子邮件]
[v1]
2025年10月17日星期五 00:00:44 UTC(707 KB)
[v2]
2026年11月17日星期二 00:33:43 UTC(1,003 KB)
来源:arXiv cs.AI · arxiv.org