最头部闭源模型的价格越来越贵，开源模型越来越强，还有deepseek这种价格屠夫的存在，所以单纯只是在成本角度考量，所有企业其实都要考虑的自己企业内的AI模型部署与选择；同时又因为在这个阶段，广义上的“数据”的价值边际更加重要了，所以除了模型层之外越来越多的企业需要在模型后训练、强化学习环境搭建上做更多的“工程化”工作……但所有这些事情本质上都没有绝对的标准答案，战略方针、目标、具体执行都是未知的……最近红杉美国组织了一次活动---Own Your Intelligence 就是为了这个问题。YouTube上已经更新了四期，列表里的 4 支视频逻辑环环相扣，从战略理念到模型后训练（Post-training），再到强化学习环境（RL Environment）和垂直领域研发落地（Harvey Labs），非常系统地回答了企业和开发者在当下的核心焦虑：“如何从‘租用’通用大模型，转向‘拥有’属于自己的 AI 核心壁垒”。

具体分享嘉宾和内容：Sonya Huang (红杉)：立论核心逻辑，为什么企业必须拥有自己的模型权重与智能控制权？Harvey (Gabe Pereyra)：法律 AI 垂直领域的超级范本，演示小团队如何低成本组建顶级 AI Research Lab。Fireworks AI (Lin Qiao)：讲透从何时、以及如何对模型进行 Post-Training（后训练）落地。Mercor (Brendan Foody)：拆解强化学习（RL Environment）与高质量数据构建的底层细节。

地址：网页链接