Meta 把 Llama 2 的权重扔出来的那一刻，我电脑上的终端就没关过。70B 的模型，光是下载就耗了半宿，看着进度条一点一点往前爬，那种感觉比当年等 Axure 原型图渲染还焦灼。但这次不一样，这不是在等一个工具，这是在等一把钥匙，一把能把过去两年所有“伪AI产品”砸个稀巴烂的钥匙。
部署过程就是一场和显存的肉搏战。量化参数调了又调，从 int8 试到 GPTQ，每次加载失败命令行里蹦出来的 OOM 报错都像在抽我耳光。我那些靠 ChatGPT API 包装出来的“智能客服生成器”、“文案优化助手”，在本地能跑起来的 70B 模型面前，突然就显得特别滑稽。它们本质上是什么？就是一层皮，一层调用远程接口、加个前端界面就敢卖钱的皮。API 频率限制、token 费用、数据隐私的担忧，这些曾经让我在客户面前绞尽脑汁圆过去的说辞，在本地部署的开源模型面前，全成了不堪一击的纸墙。
凌晨四点，模型终于跑通了第一个推理。我扔进去一段极其拗口的技术文档让它总结，响应速度不算快，但出来的结果逻辑清晰，要点明确。那一刻我瘫在椅子上，不是累，是一种被彻底颠覆后的虚脱。我过去赖以生存的“产品能力”——快速封装、界面设计、流程优化——在底层技术的代差面前，价值正在急速坍缩。未来会剩下两种人：一种是玩转这些开源巨兽的驯兽师，另一种，就是继续给野兽的笼子刷油漆的粉刷匠。我他妈差点就成了后者。
这一季度，我几乎砍掉了所有“包装型”项目的开发计划。团队里的小孩还不理解，觉得现成的 API 调用稳定、来钱快，为什么非要折腾部署、微调这些吃力不讨好的事。我没法跟他们解释那种恐惧，那种作为一个老技术人，看到自己技能树即将被连根拔起的恐惧。ChatGPT 刚出来时是震惊，现在 Llama 2 开源带来的是清醒的刺痛。它意味着，垄断的门槛被炸开了一个口子，接下来会是无数个模型、无数种微调方案、无数个垂直领域的爆炸。应用层的竞争，会迅速从“谁家 UI 好看”变成“谁家的模型在特定场景下更他妈好用”。
我找回了 Flovico。不是那个2016年死磕 SEO 和爬虫的独狼，也不是那个2020年陷在管理泥潭里身心俱疲的小老板。是那个对技术底层变化有动物般警觉，并且愿意不顾一切扑上去啃的“野兽”。我开始重新搭建自己的知识体系，从 Transformer 架构开始重新啃论文，学着用 LoRA 在特定数据集上做微调实验，把 n8n 的工作流和本地模型 API 串起来做自动化测试。过程痛苦得像扒层皮，很多概念要从零啃起，但那种久违的、代码和算法直接对话的扎实感，回来了。
开源 AI 砸碎的不仅是平庸的 wrapper，它更砸碎了一种幻想——靠信息差和整合能力就能安稳赚钱的幻想。它把所有人重新拉回到同一个起跑线：对数据的理解、对算力的驾驭、对问题本质的拆解能力。一季度，我没赚到什么钱，甚至倒贴了不少显卡租金和算力成本。但我感觉比过去三年任何一天都踏实。因为我知道，我在挖井，而不是在给别人修水管。井可能很深，很难挖，但一旦出水，就是自己的。
