汤森路透借力顶级数据资产，推出自研前沿模型

汤森路透（Thomson Reuters）近日宣布推出自研大语言模型“Thomson”，这家拥有175年历史的内容与技术巨头，没有选择像OpenAI或谷歌那样烧钱堆算力的路线，而是基于自家积累的Westlaw、Practical Law、Checkpoint和路透社等专业内容资产，仅投入4000万美元就训练出了一个号称达到“前沿水平”的模型。据官方介绍，Thomson在多项任务上的早期评估结果已与最新一代前沿模型持平，且训练和运行成本仅为同类模型的零头。 这背后的逻辑值得跨境电商和AI从业者关注：汤森路透走的是一条“开源基座+专有数据+垂直深耕”的差异化路径。公司首席技术官Joel Hron直言，AI行业多年来把规模当成唯一答案——更大的模型、更多的算力、更多的钱——但Thomson证明了另一条路的存在：从一个强大的开源模型出发，用数十年积累的权威专业内容做深度中训和后训，再让数百位领域专家从训练目标设计到最终评测全程参与。这种模式的核心优势在于，模型完全由公司自己掌控，没有典型前沿模型那样高昂的推理成本，同时还能与Westlaw、Practical Law等自有工具协同训练，在专业任务上表现更精细。 对跨境卖家和出海企业来说，这件事释放了几个信号。首先，AI竞争正在从“拼参数”转向“拼数据资产”，谁能把垂直领域的专有知识变成模型的训练养料，谁就能用更低的成本获得实用价值更高的AI能力。其次，AI主权问题日益凸显——模型怎么训练的、内部有什么偏见、跑在哪里、数据隐私如何保护，这些正在成为企业选型的关键考量。汤森路透CEO Steve Hasker表示，Thomson目前只用了公司不到10%的内容数据，未来不是简单喂更多数据，而是持续探索新的专业化和理解维度。目前Thomson已落地到法律AI助手CoCounsel Legal中，后续还会推出更多功能及主权AI选项。对于依赖第三方大模型API的卖家而言，这种“自建可控模型”的趋势或许意味着未来在成本、数据安全和定制化方面会有更多选择。