企业采购AI模型时，往往只盯着价格、延迟、上下文窗口和基准分数。但《经济学人》做了一件非常规的事：让25个前沿模型做“世界价值观调查”。结果很说明问题——当模型用于写营销文案、预测用户行为或调整客服语气时，它的潜在“世界观”会直接影响输出是否贴合目标市场。而目前没有任何采购流程关注这一点。代码生成无所谓，SQL和图像分类也不需要，一旦模型介入商业决策，世界观差异就变成了隐性输入，可能让系统在不经意间错配客户价值观。

做法其实很直接：用经典的社会学问卷把模型投射到一张2×2图上——横轴是传统vs世俗，纵轴是生存vs自我表达。分析下来，模型的出身实验室（比如美国还是中国）并不决定一切，真正起作用的反而是训练数据来源和后续的对齐方式。例如GPT-4o和DeepSeek R1虽然一个在旧金山训练一个在杭州训练，但价值观高度接近。而DeepSeek自家的R1和V4 Flash竟然站在世俗-传统轴的两端。原因很简单：Common Crawl里46%是英文，基础模型自然学成了美国大学生口吻；ANTHROPIC再用联合国人权宣言做对齐，结果就更偏自由。Grok则独自落在传统区域。

这件事最大的价值在于提醒了一件事：未来的AI采购评估框架，必须把“价值观测试”作为其中一个维度。不是说要搞政治审查，而是对于跨国企业或特定市场业务，如果模型生成的内容与其消费者价值观不符，轻则营销效果差，重则引发公关危机。技术上完全可以像世界价值观调查一样建立标准化测试，让模型在采购前把自己的倾向“亮出来”。同时，这个发现也说明后训练对齐是调整模型价值观的有力手段——企业可以选择基础模型然后针对性微调，而不必因为实验室背景仓促排除某个模型。这比单纯比benchmark分数要务实得多。