前言

Base44，這個在創立後一年多就被 Wix 以 8000 萬美元收購的 vibe-coding 平台，已開始推出專有的大型語言模型，幫助使用者從自然語言提示建立應用程式。此舉正值業界就是否應依賴外部前沿模型作為應用型 AI 企業長期策略展開更廣泛辯論之際。透過 訓練並擁有 自身模型，Base44 旨在優化延遲、成本與效能，同時深化其產品的防禦力。本文檢視 Base44 為何做出此選擇、此舉如何符合應用型 AI 的更大趨勢，以及前方的優勢與挑戰。

Lazy bag

Base44 的自有 LLM 設計用以獲得第三方前沿模型使用者無法享有的好處： 更低的推理成本、針對平台工作流程更緊密的最佳化，以及對關鍵資料與基礎設施的掌控。雖然前沿供應者仍然強大且易於取得，但具有足夠規模的公司正越來越多地訓練專門模型以保護利潤並提升使用者體驗。Base44 的做法突顯出產業日益流行的模式：將 分發、數據與技術棧 結合起來，以打造具有防禦力的應用型 AI 產品。

主體

Base44 決定開發並部署自有大型語言模型，反映出對當前許多應用型 AI 新創所面臨壓力的務實回應。該公司在以小而精的團隊推出後約一年被 Wix 收購，並迅速演進。其新模型 Base1，是以平台上數千萬次真實用戶互動所衍生的資料集為基礎。這個以資料為驅動的基礎使 Base44 能夠針對對其 vibe-coding 工作流程最重要的任務與使用者行為專門調校模型：將自然語言意圖翻譯成可運作的應用程式元件。

採取垂直整合方式有若干吸引人的理由。首先，擁有模型與底層運算資源可更緊密地控制延遲與推理成本。對於在大規模提供 AI 驅動功能的公司來說，推理支出已成為一項重要的費用項目。隨著通用前沿模型變得更強大，它們每次推理的使用成本也提高。對於具有反覆高頻互動的應用平台，這些成本會快速累積，若不加以控制可能會侵蝕利潤。

其次，垂直整合允許透過閉環回饋持續改進。當模型以平台特定的訊號進行訓練與精進——例如更正、使用者接受率與使用模式——這些回饋迴路可帶來對平台核心使用情境更有意義的效能提升，而非僅仰賴通用基準。Base44 的創辦人主張，這種專門化能在感知品質與運營效率上帶來提升，因為模型會學習優先產出使用者最重視的結果類型。

第三，從防禦性角度來看，此舉具策略性。投資人與營運者越來越將防禦力視為三項要素的組合：分發、數據與技術棧。能同時擁有這三項的公司，可能比依賴第三方基礎的公司更難被取代。對於已透過其平台掌握分發並產生大量互動數據的 Base44 來說，新增自有模型使得這三角關係更完整。該公司的論點很直接：一個能控制使用者來源、使用者產生訊號，以及解讀這些訊號之軟體的平台，可以在整個技術棧上進行最佳化，以更低成本提供更佳成果。

話雖如此，競爭格局仍然複雜。前沿 AI 實驗室持續快速進展，並已有數家開始侵入相同的產品領域。一些基礎模型提供者現在亦提供專門針對程式碼生成與應用構建任務調校的工具與模型，縮小專門平台模型與通用前沿模型之間的差距。此外，大型 AI 實驗室通常可取得龐大資料集與工程資源，能快速迭代並提供具競爭力的效能。

風投與產業觀察者提醒，訓練自有模型並非一定能保證勝出。建立與維護高品質模型需要大量工程投入、資料基礎設施與持續的運算支出。在某些情況下，應用型公司選擇依賴外部模型，因為前沿實驗室的規模經濟使得後者更具成本效益或部署更迅速。儘管如此，對於已達到足夠規模並擁有獨特互動數據的公司，內建模型的權衡仍可能傾向於自行構建。

成本壓力是編排策略最直接的驅動因素之一。企業與其他客戶愈來愈要求成本可預測性與量身定做的效能，而非總是為最新、最高能力的模型支付溢價。產業已回應此需求，建構編排層將任務路由至最合適的模型——無論是小型專門模型或較大型的前沿模型——以在成本與品質之間取得平衡。Base44 的做法可視為致力於在內部建立這類專門選項之一，並針對自身工作流程與客戶期望進行調校。

除原始成本節省之外，還有潛在的正面影響。基於平台互動資料構建的模型能更好地與使用者意圖對齊，產出較少需要後續修正的結果並提升使用者滿意度。隨著時間推移，這些品質改善可轉化為更強的留存率與較高的付費意願，進而支持更佳的利潤率與更多產品開發投資。Base44 的母公司面臨較廣泛的成本削減措施，可能會將 Base44 帶來的利潤改善視為具策略價值。

然而，回報並非立即可見。訓練與操作 LLM 資本密集，而效益取決於持續取得高品質資料與快速迭代的能力。競爭平台與大型模型提供者也會持續投資，意味著為了更好模型與更低推理成本的軍備競賽將持續。對 Base44 而言，賭注在於早期專門化以及分發、數據與基礎設施的緊密整合，能創造足夠的效能與成本差距，以維持在 vibe-coding 利基市場的領導地位。

總而言之，Base44 推出 Base1 體現了產業更大的轉變：應用型 AI 公司愈來愈多在依賴前沿模型與打造專門自有解決方案之間權衡利弊。當規模、數據與聚焦的產品使用情境對齊時，建立專有模型可在成本、延遲與客製化效能上提供顯著優勢。這項優勢既非保證亦非永久，但對於像 Base44 這類已累積大量平台互動與使用流程知識的公司而言，轉向自有模型是邁向更深產品防禦力的合乎邏輯的一步。

關鍵洞見表