開源的風，燒向矽谷

原文作者：蘇揚

原文編輯：徐青陽

原文來源：騰訊科技

矽谷正在發生一場微妙的變化。

過去兩年，企業談論AI時，最關心的問題往往是「哪家的模型最強」。如今，隨著AI應用規模擴大，另一個問題開始變得越來越現實：完成同一項任務，究竟有沒有必要使用最貴的模型？

隨著IT支出持續上升，美國企業開始重新審視AI成本，並越來越多地轉向價格更低的「開源」AI模型。更準確地說，其中相當一部分是「開放權重」（open-weight）模型。

根據研究平台AlphaSense的數據，今年8月和9月，美國企業財報電話會議和投資者會議中提及「開放權重」或「開源」模型的次數，是去年同期的6倍。

從科技公司到金融、物流、工業和電信行業，企業開始嘗試根據任務難度組合不同模型：最昂貴的前沿模型負責複雜任務，更便宜的開源模型承擔大量日常工作。

前沿模型無法「通吃」

兩家中國AI初創公司智譜AI和月之暗面發布了性能足以媲美美國實驗室產品的新模型

過去幾年，OpenAI和Anthropic不斷刷新前沿模型的能力邊界，也形成了一套清晰的商業邏輯：企業願意為更強的模型支付更高價格，因為更高的智能水平意味著更好的代碼、更複雜的推理和更強的自動化能力。

但當AI從少量試驗進入大規模生產環境後，企業開始重新計算這筆帳。

信息提取、文本分類、簡單代碼修改、客服回覆等大量常規任務，並不需要調用最昂貴的前沿模型。

路透社今年6月報導稱，微軟首席執行官薩蒂亞·納德拉、Palo Alto Networks首席執行官尼基什·阿羅拉（Nikesh Arora）以及Coinbase首席執行官布萊恩·阿姆斯壯（Brian Armstrong）等高管，都開始強調更小、更便宜的模型能夠滿足相當一部分企業需求。

Uber就是一個典型案例。

由於員工大量使用AI編碼工具，公司僅用了4個月就消耗掉原本覆蓋2026全年的AI預算，最終不得不對AI工具的使用設置上限。

更複雜的任務還會進一步推高成本。隨著一次請求涉及更多步驟、更長上下文和更多工具調用，即使單個Token價格下降，企業的最終帳單仍可能快速增長。

於是，「哪個模型最強」逐漸變成了「哪個模型最適合這項任務」。開源模型因此獲得了機會。

與OpenAI、Anthropic等公司主要通過雲端提供模型服務不同，開源模型允許企業下載模型參數，在自己的伺服器或雲基礎設施上運行，並根據業務需求進行微調，從而降低部分調用成本，同時獲得更大的部署和數據控制權。

《金融時報》援引Vercel的數據稱，今年8月，該公司的AI Gateway處理的全部Token中，開源模型佔比達到56%，而去年12月僅為7%。路透社援引花旗銀行數據稱，OpenRouter上開源模型處理的Token佔比，也從今年1月的34%升至6月的65%。

「模型拼盤」

真正重塑AI商業模式的，並非某個開源模型擊敗了閉源巨頭，而是企業開始放棄「一個模型解決所有問題」的思路。這種變化在軟件行業尤為明顯。

Match Group旗下Tinder為控制飆升的AI成本，已經開始將部分非技術查詢路由給開源模型。其CTO維奈·庫魯維拉（Vinay Kuruvila）透露，公司AI支出的年化規模從1月的100萬美元猛增至7月的1000萬美元。雖然頂級模型能夠勝任約90%的任務，但隨著開源模型持續追趕，大量工作已經沒有必要調用最昂貴的系統。

電信巨頭AT&T走得更遠。其首席數據與AI官安迪·馬庫斯（Andy Markus）透露，目前約40%的AI工作負載運行在開源模型上，計劃一年內提升至70%。面對每天450億Token的處理量，AT&T還會利用專有數據微調開源模型，讓其在特定任務上達到甚至超過閉源模型的表現。

因此，「模型拼盤」正在成為AI應用的常見架構：前沿模型負責複雜推理和規劃，低成本模型承擔大量執行工作。

不僅是消費級應用，工具與開發類軟件也在經歷同樣的轉向。

Cursor團隊的測試也體現了這種成本差異。從零構建瀏覽器，若全程使用OpenAI GPT-5.5，成本超過1萬美元；改用自研Composer模型搭配Anthropic Opus 4.8，成本降至1339美元，前後相差約7.5倍。

這種模式也讓「模型中立」（Model Agnostic）成為AI應用的重要能力。企業可以根據任務難度和成本，在OpenAI、Anthropic、谷歌以及開源模型之間靈活調度，而不再綁定單一供應商。

Telnyx公司此前使用Anthropic頂級模型運行1000個機器人智能體（Bot Agent），按原計費方式，日均成本可能升至10萬美元。轉向開源模型後，其機器人智能體增至1400個，單個智能體日均成本卻降至約100美元。

法律AI初創公司Harvey也採取了類似策略：日常任務由開源模型承擔，只有極高難度的工作才調用頂級模型。

重新分配價值

這場變化對OpenAI和Anthropic的商業根基構成了深刻衝擊。

過去，前沿模型公司通過不斷提升模型能力，推動企業增加AI支出。模型越強，溢價越高，溢價再轉化為下一代模型的算力投資。但開源模型正在打破這種閉環。

花旗銀行的數據顯示，此前部分開源模型的價格已低至每百萬Token 18美分，而頂級閉源模型平均價格約為4美元。即便開源模型在部分極限任務上存在性能差距，如此懸殊的價格差，也足以讓企業重新評估是否有必要為所有任務調用頂級模型。

更重要的是，開源陣營在硬核能力上的追趕速度遠超預期。

DeepSeek在未經預熱的情況下將V4 Pro模型推向通用（GA），該模型在SWE-bench Verified 上跑出了80.6%的頂尖成績，並創下了測試模型中最高Codeforces評級。而它的綜合Token費率，僅為Claude Opus 4.7的1/46左右。

當一個成本僅為閉源頂流1/46的開源模型，不僅能夠勝任工作，甚至在深度編碼與算法推理等關鍵指標上直接對標前沿頂級模型時，買方採購策略的平衡木被徹底打破了。

WEKA首席AI官瓦爾·貝爾科維奇（Val Bercovici）曾將此趨勢概括為「以10%的價格實現90%的效果」，而像DeepSeek V4 Pro這類產品的出現，甚至正在打破「90%效果」的局限，向頂級表現看齊。

成本之外，數據控制也是開源模型的重要吸引力。

Digital Realty解決方案架構高級全球總監斯科特·華萊士（Scott Wallace）表示，公司已經建立基於開源模型運行的內部聊天界面，並根據任務的敏感程度和複雜程度，在開源模型與專有模型之間進行組合。

對於涉及敏感醫療、金融記錄或商業機密的任務，開源模型允許企業將代碼與參數部署在自有基礎設施內進行微調與審計，這不僅是經濟帳，更是合規與治理帳。

軟件公司又行了

過去兩年，AI行業一直有一種擔憂：基礎模型公司可能直接吃掉傳統軟件的市場。如果用戶可以直接向ChatGPT或Claude提出需求，為什麼還需要購買傳統軟件？但隨著模型成本快速下降，這種邏輯正在發生逆轉。

對於軟件公司而言，AI本質上是一種投入成本（Input Cost）。模型越便宜，軟件公司就越能以極低成本將AI能力嵌入產品，同時拉高自身利潤率。

William Blair分析師近期指出，更便宜、更開放的AI模型對軟件公司構成「明確利好」。軟件公司既可以擴大AI功能覆蓋面，也有機會改善利潤空間。OpenAI、Anthropic、谷歌以及開源模型之間的劇烈競爭，讓軟件買方擁有了空前的議價權和選擇權。

與這一趨勢相呼應的是企業軟件股的強勁反彈。

過去一個月，HubSpot上漲近30%，Adobe上漲超過20%，Intuit、Salesforce、ServiceNow和Asana均上漲至少12%。

前Benchmark合夥人比爾·格利（Bill Gurley）認為，如果強大的AI模型能夠保持開放且價格低廉，初創公司、雲服務商、晶片公司、企業和研究人員都將從中受益。

對於大量AI初創公司而言，它們無需投入數十億美元去捲基礎模型預訓練，而是直接將現有高性能模型接入產品，利用客戶關係、行業知識、專有數據和工作流建立競爭壁壘。模型越便宜，這種模式的成本壓力就越小。

「夠用就好」的時代？

英偉達首席執行官黃仁勳在X平台的推文中表示，他支持閉源與開源模型並存。

這種變化最終將倒逼巨頭調整長期戰略。

此前OpenAI便推出了提升Token效率的GPT-5.6 Sol，Anthropic也推出了高性價比的Claude Opus 5；隨後，兩家公司更是加速發布了最新的前沿與輕量化模型，企圖通過提供更豐富的「高低搭配」產品線，在自身生態內鎖定不同算力預算的企業客戶。

模型競爭的衡量標準也隨之重塑。

除了基準測試成績和純粹的推理能力，單位Token成本、Token效率、任務完成成本（Cost per task），以及能否在多模型架構中靈活路由，正在變得比以往任何時候都更重要。

《金融時報》報導稱，Anthropic正準備潛在IPO，市場預期其估值可能達到2萬億美元甚至更高；OpenAI在將IPO計劃推遲至2027年後，也正在就約1.2萬億美元估值的私募融資進行早期談判。企業AI支出的流向，直接關係到兩家巨額算力投入能否持續轉化為商業回報。

與此同時，開源模型陣營仍在加速擴張。

Mistral、英偉達、Reflection AI、Thinking Machines Lab以及 DeepSeek 等團隊都在持續推高開源模型的上限，微軟、英偉達、Meta、Palantir和IBM等企業也公開支持開放AI生態。英偉達首席執行官黃仁勳曾表示：「世界既需要前沿閉源模型，也需要前沿開源模型。」

在這一背景下，過去那種對每一個提示詞都無差別支付「閉源模型稅」（Closed-model tax）的盲目慣性正在被徹底打破。從初創公司的靈活架構轉向，到電信巨頭每日動態路由數百億Token的精細算帳，決策權正從單純的「品牌信任」轉移到「架構設計與合同條款」。

或者說，未來選擇的邏輯在於：完成這項任務，誰能用更低的成本，提供足夠好的結果？