跳到主要内容

开源赢流量闭源赚利润：AI 商业化走向分岔路

2026 年 7 月，AI 行业出现了一个令许多观察者困惑的现象：开源模型的 Token 使用量节节攀升，但在企业市场的总支出占比却在持续下降。Vercel AI Gateway 仪表盘显示，DeepSeek 在过去一周内迅速跃升至 Token 处理量第一，已占平台总流量的三分之一以上；但同期，Anthropic 仍占据该平台 AI 总支出的半数以上。流量归开源，利润归闭源——AI 商业化正在走向一条清晰的分岔路。

数据说话：流量与支出的剪刀差​

Vercel 的数据只是一个切面。在覆盖更广泛市场的 OpenRouter 平台上，剪刀差更加触目惊心。

DeepSeek V4 Flash 每周处理约 5.3 万亿 Token，是当前最受欢迎的模型。而 Anthropic 最强的前沿模型 Opus 4.8，每周 Token 处理量约为 2 万亿——不到 V4 Flash 的四成。

但切换到支出维度，格局完全反转。Opus 4.8 的每百万 Token 平均成本约为 1.37 美元，V4 Flash 仅为 0.06 美元，二者相差约 23 倍。按此价格推算，尽管 Opus 4.8 的 Token 使用量显著低于开源模型，它在平台总支出中的占比仍然遥遥领先。

这不是一个孤例。推出 GLM-5.2 的智谱已在 Vercel 平台上升至 Token 处理量第四名，Nvidia Nemotron 也正凭借强大的产业关系迅速切入市场。开源阵营的流量份额还在持续扩大，但它吃掉的更多是成熟应用场景——这些场景中，企业已将「用最聪明的模型验证可行性」切换为「用最快最便宜的模型跑生产」。

Decagon 的实践：为什么 90% 负载跑开源却养大了闭源？​

企业级 AI 智能体公司 Decagon 的 CEO Jesse Zhang 给出的数据更具冲击力：该公司约 90% 的工作负载已经运行在开源模型上。但他同时指出，企业在昂贵前沿模型上的整体支出「几乎没有下降」。

这个悖论的关键在于 AI 应用的生命周期。

「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。一轮对话中每轮回复都要等 8 秒，没人愿意用。所以你需要体量更小、速度更快的模型。」Jesse Zhang 解释道，「但开箱即用的小模型达不到客户的质量标准，只有针对特定任务进行大规模微调才能满足要求。」

问题在于，前沿模型实验室基本不提供这种能力。企业无法按需微调 OpenAI 或 Anthropic 最强的模型，而它们提供的小模型也不是开放权重的，企业无法「任意塑造」。因此，「小模型 + 深度微调」的组合，本质上迫使企业选择开放权重模型——不是因为成本，也不是因为开源信仰，而是因为没有其他选择。

与此同时，新的应用场景仍在以更快的速度涌现。每家企业都在用顶尖模型探索下一个可能性——这些探索阶段的 Token 消耗量虽小，单价却极高。成熟场景迁移到开源模型省下的每一分钱，很快又被新场景的探索性投入所填补。

Jesse Zhang 这样总结：「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。」

Dario Amodei 的「暴论」：开源是个伪命题​

Anthropic CEO Dario Amodei 此前的一番言论，恰好为这场分化提供了来自闭源阵营的注解。

「即使模型公开，你也看不到它的内部运行机制。因此业内通常把这类模型称为『开放权重』，而不是『开源』。」Amodei 说，「传统开源软件可以由社区共同修改、持续迭代，并在协作中不断增强，但这种优势并不完全适用于大模型。」

他以一个尖锐的观察收尾：「我看到一款新模型时，从来不会先问它是否开源。就连 DeepSeek 是否开源，对我来说也不重要。我真正关心的只有一个问题——这款模型到底够不够好，在重要任务上能不能击败我们。」

但 Amodei 的论述恰好暴露了一个事实：闭源厂商的定义权——什么是「好模型」——本身就是他们利润护城河的一部分。当开源阵营从另一个维度重新定义了「好」——不是绝对的推理能力，而是在特定场景下的性价比和可控性——市场的分化就变得不可避免。

分岔路的本质：发现 vs 部署，通用 vs 专用​

这场分化的底层逻辑，可以提炼为一个简单的两阶段模型。

阶段一：应用发现。 当一个全新的 AI 应用场景出现时，没有人确切知道问题最终会呈现什么形态。企业会优先选择「能想到的最聪明的通用模型」来探索边界，哪怕为大量未来可能根本用不上的智能能力支付溢价。在这个阶段，跑通场景比控制成本重要。

阶段二：生产部署。 当场景已经充分成熟，企业已经了解输入数据分布、模型需要表现的行为以及必须防范的失败模式后，权衡发生逆转。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、经过专门微调能把特定任务做到极致的模型。

这两个阶段并非此消彼长的零和博弈，而是同一个市场不同成熟度切面的自然分工。正如 Jesse Zhang 指出的：「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。」

谁在赢？​

短期来看，闭源阵营仍然牢牢掌握利润端——Anthropic 在 Vercel 和 OpenRouter 上的支出份额就是最好的证明。但长期来看，流量侧的胜负手可能更具决定性：当 DeepSeek、智谱、Nvidia 等开源 / 开放权重模型逐渐覆盖越来越多的生产场景，它们控制的不仅是 Token 数量，更是企业应用的核心管道。

这或许就是 AI 商业化分岔路最值得关注的趋势：开源阵营在赚「用户心智」，闭源阵营在赚「真金白银」。而真正的胜负，取决于谁先跨越到对方的领地。