成本压力倒逼硅谷转向：开源模型正在接管企业AI工作流

过去两年，硅谷谈论大语言模型时最关心的是“谁家最强”。如今，这个焦点已被更务实的算力账单所取代：处理同一项任务，真的有必要调用最昂贵的前沿模型吗？

企业在 AI 上的支出正面临严峻现实。Uber 仅用四个月便耗尽了全年的 AI 预算；亚马逊叫停了内部 AI 使用排行榜以遏制无谓的 Token 消耗；微软也开始对部分关键部门的订阅使用进行限制。贝恩咨询的数据显示，在企业 AI 累计支出突破 1 万亿美元后，实际带来的成本节约普遍低于预期。

在成本重压之下，硅谷的选型天平开始向开源模型倾斜。

算力账单差距达 7 倍，开源性能加速追赶

Forkast 统计显示，开放权重模型的平均成本为每百万 Token 0.83 美元，而专有闭源方案高达 6.03 美元，前者比后者便宜 7.3 倍，能为开发者节省约 86% 的开支。在极端对比中，DeepSeek 在特定网络安全测试中的单题平均成本仅为 0.28 美元，而闭源竞品甚至高达 12.50 美元，差距超 40 倍。

账单的直观落差迅速反映在实际使用端。Vercel AI Gateway 数据显示，开放权重模型处理的 Token 占比从去年底的 7% 飙升至 56%；OpenRouter 上的开源模型 Token 份额也已突破 65%。

电信巨头 AT&T 透露，其每天处理的 450 亿 Token 中约 40% 运行在开源模型上，且计划一年内将比例提升至 70%。约会软件 Tinder 的母公司 Match Group 也因 AI 年化开销激增，开始将非核心查询路由至开源模型。

支撑这种迁移的根本原因，是性能差距的迅速收窄。Mozilla 报告指出，开源模型与闭源前沿模型的代际差距已缩短至约 4 个月。当通用基准上的 Elo 分差被压缩到极小范围时，闭源模型的高昂溢价便失去了合理性。

告别单一供应商，“多模型路由”成标配

这场变革并不是开源模型在所有维度彻底击溃闭源巨头，而是企业放弃了“单一模型包办一切”的执念。

企业平均调用的模型数量正在迅速增加。“多模型路由”策略应运而生：最昂贵的旗舰闭源模型负责极少数高难度逻辑与复杂推理，而文本分类、信息抽取、简单代码修改和客服问答等高频低复杂度任务，则全面分流给低成本的开源模型。

业内普遍认为，大模型竞争的核心已从模型规模转向推理效率与单位成本。AI 行业正从“卖最聪明的模型”向“提供最匹配的计算”转变。

阵营分歧加剧，前沿 AI 步入商品化阶段

对开源态度的转变也在硅谷引发了利益阵营的公开分歧。英伟达、Meta、IBM 等企业牵头联合百余家机构发表公开信，呼吁避免对开放权重模型施加过早限制。黄仁勋力挺开源的商业逻辑非常明确：开源生态越活跃，开发者越多，对其底层 GPU 算力的需求就越庞大。

反观 OpenAI、Anthropic 等闭源实验室，其商业模式高度依赖千亿算力堆叠出的技术溢价。面对底层通用推理能力的迅速商品化，闭源前沿模型正将重心转向更高价值的工作流整合与自主 AI 智能体（Agent）能力。

智能作为高溢价稀缺品的时代正在告一段落。对于大多数企业而言，开源与闭源从来不是非此即彼的信仰之争，而是精细化运营下的分层配置。情怀固然重要，但企业最终要面对的，始终是月底的真实账单。