模型路由正在成为企业 AI 的关键基础设施

前沿大模型之间的竞争持续加剧，同时开放权重模型的能力也在不断提升。在这种环境下，企业部署 AI 时面临的一个现实问题是：并不是所有任务都值得调用同一个最强模型，甚至并不是所有任务都需要大语言模型。

这让“模型路由”逐渐成为企业 AI 系统中的关键能力。

为什么企业需要模型路由

Glean 联合创始人兼 CEO Arvind Jain 表示，Glean 的一个重要目标，就是尽量避免在不需要大语言模型的场景中调用 LLM。

例如，一些员工可能会在 Glean 中输入简单的加法或乘法问题。对于这类任务，调用大模型显然不是最经济的方案，普通计算器就足以完成。

这背后的逻辑并不复杂：企业中的 AI 请求差异非常大。有些任务需要强推理能力，有些任务只需要检索、计算或调用已有工具。如果每个请求都直接交给价格最高、能力最强的模型，不仅成本迅速增加，也没有必要。

因此，模型路由所要解决的，本质上是一个动态选择问题：针对具体任务，判断应该使用哪个模型，或者是否需要使用模型。

Jain 将 Glean 的目标描述为，为企业员工提供一个“非常强大的个人协作者”。这意味着 Glean 并不是简单绑定某一家模型提供商，而是希望在不同模型能力之上增加一层统一的企业 AI 系统。

按照 Jain 的说法，可以把今天的 Glean 看成 ChatGPT、Claude、Gemini、Grok 等不同 AI 产品能力的一个组合层，将多个模型整合到同一个使用体验中。

对于企业来说，仅仅把 AI 模型引入公司并不够。另一个同样重要的问题，是如何让 AI 理解公司的数据、知识以及实际工作方式。

Jain 表示，Glean 的业务最终需要深入理解企业内部的数据、知识和信息，同时理解工作在组织内部究竟是如何发生的。

这也意味着，企业模型路由并不能只根据公开基准测试决定。一个模型是否适合某项任务，还与企业内部知识、权限、任务类型以及具体工作流有关。

在 Glean 的设计中，模型选择并不是完全由系统自动决定。

已披露的机制包括三个层级：

这样的结构反映出企业 AI 与普通消费者 AI 产品之间的一个重要差异：企业不仅关注模型能力，还必须同时考虑成本、权限和治理要求。

Glean 本身也在快速增长。公司此前完成了 1.5 亿美元 F 轮融资，当时估值为 72 亿美元；随后其年度经常性收入达到 3 亿美元，并称这一数字在 15 个月内增长至原来的三倍。

与此同时，模型生态正在变得越来越多样化。前沿闭源模型持续升级，开放权重模型的能力也在提高。对于大型企业而言，这意味着可选择的模型越来越多，而不同模型之间的成本、性能和适用任务也存在明显差异。

在这种情况下，“默认使用一个模型解决所有问题”的部署方式会越来越难以维持。模型路由则提供了另一种思路：把模型本身看成可以根据任务动态调度的计算资源，而不是固定不变的产品入口。

从 Glean 的实践来看，企业 AI 的竞争正在逐渐从“接入哪个模型”，转向“如何把多个模型、企业知识和工作流组织成一个统一系统”。模型路由正处在这一架构变化的核心位置。