开源AI崛起尚未冲击Anthropic

背景

开源 AI 模型在企业中的崛起，是否正在蚕食 Anthropic、OpenAI 等前沿模型实验室的收入？这是当前 AI 经济中最有趣的矛盾之一。一方面，越来越多的成熟 AI 部署开始转向更轻量级的模型，以降低成本；另一方面，前沿模型的总支出却几乎没有下降。Decagon 公司 CEO Jesse Zhang 在周一发表了一篇题为《Everyone is wrong about open source AI in the enterprise》的文章，提出了一个 provocative 的新理论：前沿模型与开源模型并非竞争对手，而是同一个生命周期中的两个阶段。

核心内容

Zhang 的核心观点是：更成熟的 AI 用例正在转向轻量级模型，包括 Decagon 自身也是如此。但前沿模型的总支出并没有明显减少，因为新的用例持续涌现。前沿模型（如 Anthropic 的 Opus）用于验证和发现新用例，而一旦用例成熟，就可以迁移到更便宜的开源模型（如 DeepSeek）上运行。这两者并非零和博弈，而是形成了一种“前沿负责发现，开源负责生产”的生态。

Zhang 没有提供大量数据来支撑这一观点，但公开数据可以佐证。Vercel 的 AI 网关仪表盘显示，仅在过去一周内，DeepSeek 的 token 处理量已跃居首位，占该公司基础设施流量的三分之一以上。同时，Z.ai（GLM-5.2 模型背后的实验室）也上升至第四位。然而，如果看总体 token 支出，Anthropic 仍然占据平台 AI 总支出的半数以上。由于 Anthropic 近期涨价，其份额在过去一个月略有下降，但并不显著。

OpenRouter 的数据也呈现类似趋势。该平台覆盖了更大规模（但企业级特征稍弱）的市场。DeepSeek V4 Flash 是总使用量上的赢家，每周处理 5.3 万亿 token；最受欢迎的前沿模型 Opus 4.8 处理量略超 2 万亿 token。OpenRouter 不按总支出排名，但 Opus 4.8 的平均 token 成本大约是 V4 Flash 的 23 倍（每百万 token 1.37 美元 vs 6 美分），这意味着 Opus 很可能仍然占据了总支出的最大份额。

这些数据尚未包含最新的入局者——Nvidia 的 Nemotron，它凭借 Nvidia 强大的连接能力和模型本身的极端适应性，有望跃居前列。

Zhang 的理论不一定被这些数据完美证明，但它们确实表明，像 Anthropic 这样的前沿实验室并没有因为开源模型的崛起而遭受太大损失——至少目前还没有。一种解释是，AI 可解决的任务市场增长如此之快，以致顶尖模型仅通过主导早期部署就能维持其地位。正如 Zhang 所说：“前沿实验室将继续拥有发现。开源将越来越多地拥有生产。”另一种解释是，即使客户转向开源，许多用例的难度极高，无法完全被更便宜的替代方案取代。

关键要点

• 开源与前沿并非零和竞争：Zhang 认为它们是同一生命周期的不同阶段，前沿模型用于验证新用例，成熟后迁移到开源模型。
• 成熟用例转向轻量模型，但前沿模型总支出未降：因为新用例不断涌现，且前沿模型在早期部署中占据主导地位。
• 数据佐证：Vercel 数据显示 DeepSeek token 量领先，但 Anthropic 仍占支出半数以上；OpenRouter 显示 DeepSeek V4 Flash 使用量远超 Opus 4.8，但 Opus 因单价高仍占支出大头。
• Anthropic 未受明显冲击：其市场份额仅因自身涨价而略有下降，开源并未侵蚀其收入基础。
• Nvidia 的 Nemotron 即将入场：凭借 Nvidia 的生态和模型适应性，可能进一步改变格局。
• 两种可能解释：① 市场增长太快，前沿模型靠早期部署维持地位；② 许多高难度用例无法被开源完全替代。
• “两层经济”可能成为稳定特征：前沿与开源将长期共存，分别负责发现和生产。

意义与影响

这一观点重塑了人们对 AI 模型市场格局的理解。如果 Zhang 的理论成立，那么开源 AI 的崛起并非对前沿实验室的威胁，而更像是生态系统的自然演进。前沿模型实验室（如 Anthropic、OpenAI）不必担心收入被彻底掏空，因为它们掌握了“发现”这一高价值环节，并以高溢价出售 token。而开源模型则通过低成本承接成熟用例，推动 AI 的广泛落地。

此外，这暗示 AI 经济可能走向一个相对稳定的双层结构：上层是少量昂贵的、用于探索的前沿模型，下层是大量便宜的、用于生产的开源模型。这种结构对投资者和企业战略制定者都有重要启示——投资前沿实验室依然有长期价值，但需要关注他们能否持续保持“发现”优势；同时，开源模型的商业化机会在于规模化和生态绑定，而非直接挑战前沿的定价权。

去年 9 月，我曾撰写文章探讨基础模型实验室是否会变成“向星巴克卖咖啡豆”——即沦为商品化输入，而应用层攫取主要利润。部分预测已成真：垂直 AI 应用转向轻量模型，“GPT wrapper”初创公司的经济模型也基本保持稳定。但我们也看到，按 token 计费，前沿提供商仍然牢牢掌握了市场中最理想的部分——高溢价 token 价格，而且这一局面短期内似乎不会改变。