我昨天测试了一下@OpenLedger 上不同模型的输出差别。因为它那边有些模型会标specialized，有些偏通用，我一开始还挺简单粗暴的，觉得无非就是参数和训练方向不同，效果好一点差一点而已。

结果我连续试了几轮后慢慢发现不太对劲，有些模型回答问题的时候明显更像行业里的人，不是单纯答案更长，而是它会默认你懂行业黑话、默认你知道流程、甚至默认你已经在那个工作场景里。

这个感觉特别怪。

因为普通 AI 很多时候像搜索引擎加强版，什么都懂一点但味道很平均，可 #OpenLedger 这些专业模型开始有点像行业内部工具。

我后来突然意识到OpenLedger可能不是在做让 AI 更聪明，它更像在做让 AI 更职业化。

这个区别其实很大，因为通用模型追求的是覆盖更多人，但专业模型追求的的更接近真实行业流程。比如金融模型更在意结构化逻辑，法律模型更在意条文关系，代码模型更在意工程上下文，它们未必最会聊天，但会越来越像真正干过这份工作的人。

一开始我还真没太在意这个方向。

直到我突然想到如果未来 AI 越来越专业化，那普通人和专业AI之间，可能会慢慢出现一种新的知识距离，不同行业的 AI 开始说不同语言，到最后AI 可能不再是一个统一入口，而会变成一堆行业内部系统。

这时候你就会发$OPEN 的Datanet就开始有点不一样了，它不是单纯在喂模型数据，它更像是在训练行业思维方式。谁长期掌握某类行业数据，谁后面就更容易定义那个行业 AI 的行为习惯。

但我越想越觉得，如果未来专业模型越来越强，那很多行业会不会慢慢形成一种AI 圈内化。懂专业模型的人效率越来越高，不懂的人越来越难进入，到最后@OpenLedger 可能不只是AI基础设施，它甚至可能会慢慢变成不同行业知识体系的训练场。