AI 领域顶尖初创公司几乎不再发布研究

奠基性的开放 vs 当前的保密

• 许多人指出一个讽刺之处：如今前沿 AI 公司所依赖的基础工作，如 transformer 和知识蒸馏，最初都是公开发表的，而它们现在却把自己的进展捂得很严。
• 有人认为，早期的开放源于低估了这些架构的潜力，以及更看重声望和招聘而不是保密。
• 也有人类比历史（如二战前的放射性研究、早期工业化学/染料）：一旦研究显然变得有利可图或具有战略价值，就会转入企业围墙之后。

激励：利润、竞争与博弈论

• 一个反复出现的观点是：公司存在的目的是赚钱，而不是推进科学；一旦 AI 商业化，激励就会从开放转向知识产权保护。
• 也有人认为这在社会层面是有害的：如果所有人都选择保留，整体进步和对巨额 AI 基础设施投资的回报率都可能受损。
• 有人建议通过改变法律框架（削弱商业秘密/ NDA，缩短专利期限）来迫使更多成果回归公共领域；批评者则回应说，如果没有强有力的私人激励，数十亿美元级别的研发根本不会发生。

学术出版 vs “博客化”研究

• 一些发帖者说，正式同行评审速度慢、政治化且受声望驱动；对于快速变化的机器学习，自行发布或写博客能更高效地传达结果。
• 另一些人反驳说，同行评审虽然不完美，但能增加严谨性、可复现性检查和共同标准；“博客化”的 AI 研究会助长炒作、草率的方法，以及类似社交媒体的动态。
• 一些初创公司表示，由于反复被拒和耗时，已经放弃一级期刊/会议，转而使用预印本或只在 pitch deck 中分享。

商业秘密、知识产权与开源

• 对商业秘密的强力辩护：在竞争对手可以迅速复制（尤其借助模型）的世界里，公开前沿工作被认为对初创公司来说“非常愚蠢”。
• 另一些人强调开放带来的社会效益、防止他人抢先申请专利，以及公开发表有助于吸引人才。
• 关于专利的争论：有人声称软件/ML 专利在很大程度上无法执行，因此不值得申请；也有人认为它们在某些领域仍然相关。

谁在发表以及发表在哪里

• 该线程引用的底层研究据称发现，一些大型 AI 初创公司（包括美国实验室和中国公司）仍然是主要论文产出者，但更新一层的“创业公司”更多聚焦产品而非研究。
• 几条评论指出，中国 AI 公司现在的公开发表程度比许多美国同行更高，包括强大的开源模型和已发布权重。

伦理、数据与公共领域

• 发帖者批评 AI 公司抓取公共数据、数字化（有时还会实物销毁）书籍，然后又把自己的输出封闭起来。
• “信息应当自由流动”与创作者感到被剥削之间存在张力：他们的作品为专有系统提供燃料，却没有得到相应的开放回馈。