技术深度解析
卡尼所指的系统性风险核心，在于现代AI供应链的架构。如今，大多数企业通过单一API端点集成AI——通常是OpenAI的GPT-4o、Anthropic的Claude 3.5 Opus或Google的Gemini Ultra。这造成了单点故障。技术解决方案是三重策略：开放权重模型、多模型路由和本地推理。
开放权重模型，如Meta的Llama 3.1 405B、Mistral的Mixtral 8x22B以及Hugging Face上的社区微调变体，提供了可自行托管的权重。其关键的技术区别在于，开放权重模型允许对推理栈的完全控制——从硬件（Nvidia H100、AMD MI300X，甚至通过量化使用消费级GPU）到软件（vLLM、TGI、Ollama）。这消除了API依赖。然而，它们在复杂推理基准测试上通常落后于闭源模型。例如，在MMLU-Pro基准测试中，Llama 3.1 405B得分86.9，而GPT-4o得分88.7，Claude 3.5 Opus得分88.3。差距正在缩小，但仍然存在。
多模型路由是一种架构模式，其中请求被动态发送到最适合该任务的模型，通常使用一个轻量级的“路由器”模型（例如，微调过的BERT或小型Llama变体）来预测哪个专家模型表现最佳。开源项目如OpenRouter（一个平台，而非代码仓库）和LiteLLM库（GitHub: BerriAI/litellm，12k+星标）提供了抽象多个提供商的代理层。更先进的系统如RouteLLM（GitHub: lm-sys/RouteLLM，3k+星标）使用成本感知路由来平衡性能和费用。路由器还可以实现故障转移逻辑：如果某个提供商的API宕机或被禁，流量会无缝重定向到另一个。这类似于云提供商使用多区域故障转移的方式。
本地推理是最终的韧性措施。在本地或私有云上运行模型完全消除了外部依赖。技术挑战在于硬件成本和延迟。量化技术（例如，4-bit GPTQ、AWQ）允许一个70B参数的模型在单个消费级GPU（例如，24GB显存的RTX 4090）上以可接受的质量运行。对于延迟敏感型应用，推测性解码和KV缓存优化可以在单个A100上将令牌生成速度提升到每秒50+令牌。这里的开源生态系统已经成熟：llama.cpp（GitHub: ggerganov/llama.cpp，70k+星标）支持基于CPU的推理，而vLLM（GitHub: vllm-project/vllm，45k+星标）是高吞吐量GPU服务的黄金标准。
数据表：模型性能与依赖风险
| 模型 | MMLU-Pro 得分 | 每百万令牌输入成本 | 可自行托管？ | API 依赖风险 |
|---|---|---|---|---|
| GPT-4o | 88.7 | $5.00 | 否 | 高（单一提供商） |
| Claude 3.5 Opus | 88.3 | $15.00 | 否 | 高（单一提供商） |
| Gemini Ultra 1.5 | 87.9 | $10.00 | 否 | 高（单一提供商） |
| Llama 3.1 405B | 86.9 | ~$0.50（自行托管） | 是 | 无 |
| Mixtral 8x22B | 84.5 | ~$0.30（自行托管） | 是 | 无 |
| Command R+ | 83.2 | ~$0.40（自行托管） | 是 | 无 |
数据要点： 排名前三的闭源模型在MMLU-Pro上比开放权重替代品高出1-3分，但每令牌成本高出10-30倍，并且存在100%的API依赖。对于大多数企业用例（客户支持、文档摘要、代码生成），质量差距可以忽略不计，而自行托管的韧性优势则极其巨大。
关键参与者与案例研究
马克·卡尼并非技术专家，而是一位宏观金融思想家。他的警告借鉴了他在2008年危机及随后的“大而不能倒”监管中的管理经验。他现在担任Stripe的董事会主席，并是去中心化金融基础设施的积极倡导者。他对AI的介入意义重大，因为它将辩论从“哪个模型最好”重新定义为“我们如何管理集中度风险”。
Anthropic是直接的导火索。该公司的Claude模型在一个关键市场突然被禁（据报道与某个欧洲司法管辖区的数据主权和国家安全担忧有关）。此次封禁并非由于模型质量，而是出于监管合规。这正是卡尼所警告的那种外生冲击。Anthropic的回应——一份强调其“负责任扩展”政策的公开声明——对于已将整个面向客户的AI构建在Claude之上的企业来说，几乎无济于事。教训是：即使是最道德的AI公司也可能成为单点故障。
OpenAI面临类似风险。2023年11月，Sam Altman的突然被解职和复职导致了48小时的不确定性，期间企业客户担心API不稳定。虽然没有发生封禁，但该事件表明公司治理危机可能会中断服务。OpenAI最近提供“模型定制”和“专用容量”的举措是部分回应，但它们仍然将用户与单一提供商绑定。