文章摘要
近期行业观察显示，头部AI模型厂商未因开源模型崛起受明显冲击。企业在AI领域开源模型支出占比下降，因大模型“开放权重”不等同开源。企业选开源模型多因需小而快的模型。前沿与开源模型是AI应用不同阶段，双层模型经济或成稳定结构。

近期行业观察显示，头部AI模型厂商并未因开源模型的快速崛起而遭遇明显的市场冲击，至少当前阶段仍是如此。

某企业服务公司Decagon的首席执行官近期发布的分析文章引发行业讨论，文中提到尽管开源模型的市场渗透率不断提升，但企业在AI领域的开源模型支出占比反而出现下降。这一结论也呼应了Anthropic联合创始人此前的相关论断，其曾提出“开源其实是AI领域的干扰项，或是一个伪命题”。

相关负责人解释称，即便大模型的权重公开，企业也无法获取其内部运行机制，因此行业通常将这类模型称为“开放权重”而非真正的开源产品。传统开源软件可以通过社区协作共同修改、持续迭代，但这一优势并不适用于大模型赛道。正因如此，评估新模型时无需优先询问其是否开源，真正关注的只有模型的实际性能——能否在关键任务中达到顶尖水准。同时也需明确，开源并不等同于免费，大模型体量庞大，企业依然需要投入资金在云端运行推理服务，也需要专业团队进行部署和优化，以保证模型运行的速度和稳定性。因此，与其纠结模型是否开源，不如关注哪家的模型能够真正将所需完成的任务做到最好。

随着AI应用逐渐走向成熟，越来越多的企业开始转向轻量化的AI模型，Decagon自身也是如此。不过企业在高端前沿模型上的整体支出并没有出现明显下滑。目前Decagon约90%的工作负载都运行在开源模型上，而非头部厂商的产品，其负责人进一步解释了选择开源模型的核心原因：

“这并不是因为成本，也不是客户强制要求我们这么做，尽管他们通常并不反对。真正的原因是，我们几乎没有其他选择。当你在生产环境中运行客服AI智能体时，延迟会直接决定产品能不能用。一次对话中，每轮回复都要等待8秒，这样的产品没人愿意使用。因此，你需要体量更小、速度更快的模型。每一次模型调用，没有必要知道立陶宛的首都，也不需要掌握高中物理知识。但开箱即用的小模型，达不到客户要求的质量标准。只有针对特定任务进行大规模微调，它们才能满足要求。问题在于，前沿模型实验室基本不提供这种组合。我们无法按照实际需求去微调它们最强的模型，而它们的小模型也不属于我们，无法任由我们塑造。因此，‘小模型 + 深度微调’本质上意味着必须使用开放权重模型。成本节省确实存在，但只是次要收益；企业对自托管模型更加放心，也只是附带好处，而不是我们选择开源模型的根本原因。”

在该负责人看来，前沿模型和开源模型之间并不是竞争对手，开源模型的成功也并非建立在前沿模型实验室失去市场的基础上。相反，它们更像是同一个AI应用生命周期中的两个阶段：企业先使用昂贵的前沿模型验证某个应用场景是否成立，等到场景逐渐成熟，再将其迁移到成本更低的开源模型上。随着越来越多成熟场景转向轻量模型，新的应用场景也在不断涌现，因此企业在前沿模型上的总体投入并没有明显下降。

该负责人并未提供太多数据来支撑这一观点，但行业第三方平台的相关数据可以作为参考。比如某网关平台显示，仅在过去一周，某开源模型的Token处理量就迅速升至第一，目前已经占到该平台基础设施总Token流量的三分之一以上。推出热门模型的企业，也在同期跃升至第四名。但如果继续查看总体Token支出，头部前沿模型厂商依然占据该平台AI总支出的半数以上。由于近期变化中有相当一部分来自该厂商自身价格上涨，其支出份额在过去一个月略有下降，但降幅并不明显。

另一平台的数据也呈现出类似趋势。相比前者，该平台覆盖的市场规模更大，但企业用户属性略弱一些。从整体使用量来看，热门开源模型是目前最明显的赢家，每周处理约5.3万亿Token。最受欢迎的前沿模型，每周处理的Token数量则略高于2万亿。该平台并未按照模型总支出进行排名，但其数据显示，前沿模型的平均Token成本大约是开源模型的23倍：前沿模型每百万Token平均成本约为1.37美元，而开源模型仅为0.06美元。按照这一价格差距推算，尽管前沿模型的Token使用量明显低于开源模型，但它很可能仍然占据了平台大部分模型支出。

这些数据还没有包括最新入场的新模型。凭借强大的产业关系，以及本身极高的适配能力，这款模型有望迅速进入市场前列。这些数字尚不足以完全证明该负责人关于AI应用生命周期的判断，但至少说明，头部前沿模型厂商并没有因为开源模型崛起而受到太大冲击，至少目前还没有。

一种解释是，可被AI覆盖的任务市场增长得太快。即便越来越多成熟场景被迁移到开源模型上，顶级模型仍然可以依靠占据新应用早期验证阶段，维持自身的市场地位。正如该负责人所说的：“开源模型支出占比下降，并不是因为开源模型正在失败，而是因为整个企业AI市场仍处于成熟曲线的最早期。”“前沿模型实验室将继续主导应用发现，开源模型则会越来越多地主导生产部署。”

当一个应用场景刚刚出现时，企业会优先选择能够获得的最聪明的通用模型。因为你还不知道问题最终会呈现出什么形态，所以会愿意为一些未来可能根本用不上的智能能力支付溢价。在这个阶段，这是一笔合理的交换。

但当一个应用场景已经充分成熟，企业已经了解输入数据的分布、模型需要表现出的行为，以及必须防范的失败模式时，权衡就会发生逆转。

此时，通用智能反而成了额外负担。企业真正需要的是体量最小、速度最快，并且经过专门微调、能够把特定任务做到极致的模型。

“按照这一逻辑，今天所有使用前沿模型进行原型验证的应用场景，未来都有可能迁移到开源模型。”该负责人表示，“不过，这个过程会比很多人预想的更漫长。”

另一种解释是，即便客户开始转向开源模型，很多应用场景本身仍然足够复杂，无法完全被价格更低的模型替代。但无论如何，这种双层模型经济都有可能成为AI产业中相对稳定的结构。

塔猴是一个专注于为用户提供系统学习、内容创作与商业连接的AIGC综合服务平台，致力于为每一位AI探索者打造理想的创作、成长家园。在塔猴，你不仅可以学习众多AIGC类实战课程，获得与时俱进的AIGC技能和视野，还有机会获得长期商业合作和接单机会！点击进入：https://www.tahou.com/

AI生成内容提示：本文由人工智能辅助创作，内容仅供参考，不代表平台观点。请注意核实信息的准确性，并理性判断。

以上内容不代表本平台立场，仅供读者参考