企业 AI 领域出现了一个有趣的反转：越来越多成熟的使用场景正在转向轻量模型，背后的驱动力来自一个核心矛盾——前沿模型的使用成本一直居高不下。
一套新的生命周期理论
Decagon CEO Jesse Zhang 在一篇文章中提出了一个颇具争议的观点：前沿模型与开源模型并非竞争关系，开源模型的崛起并没有蚕食前沿实验室的市场份额。他将两者描述为同一技术生命周期的两个阶段：
- 第一阶段：昂贵的前沿模型用于探索和验证新使用场景；
- 第二阶段：随着场景成熟，成本更低的开源替代品接手落地。
也就是说，市场不断涌现新场景，持续驱动前沿模型的需求，因此整体支出并未因开源模型的普及而显著下降。
实时数据印证了这一趋势
Vercel 的 AI Gateway 面板数据显示，过去一周内，DeepSeek 的 token 处理量已跃居第一，占据通过该公司基础设施流量的约三分之一。Z.ai（热门 GLM-5.2 模型的开发实验室）同期也升至第四位。
然而，切换到 token 支出维度，情况截然不同：Anthropic 仍占据该平台 AI 支出的一半以上。尽管近期因 Anthropic 自身涨价，份额略有下滑，但跌幅并不显著。
OpenRouter 的数据呈现了相似格局——虽然覆盖的市场段更大、用户画像也略有不同。DeepSeek V4 Flash 在总使用量上领先，每周处理 5.3 万亿个 token；而最受欢迎的前沿模型 Opus 4.8 约为 2 万亿个 token。OpenRouter 未公布总支出排名，但平均 token 成本数据显示，Opus 4.8 单价约为 V4 Flash 的 23 倍（Opus 4.8 每百万 token 约 1.37 美元，V4 Flash 仅为 6 美分），这意味着前沿模型很可能仍是支出端的主角。
值得关注的还有新进入者：Nvidia 的 Nemotron 凭借英伟达强大的渠道关系和模型自身的强适应性，有望迅速冲至前列。
市场结构：两极并存的稳定格局
以上数据尚不足以完全验证 Zhang 的观点，但确实说明至少目前前沿实验室并未因开源崛起而受到严重冲击。一种解释是：AI 可处理的任务市场增长迅猛，前沿模型通过主导早期探索阶段就能维持优势。Zhang 本人的总结更为直接：「前沿实验室将持续掌控'发现'阶段，开源则逐步掌控'生产'阶段。」另一种解释是：即便客户转向开源，许多高难度使用场景本身也难以被完全替换为低价替代品。
无论哪种解释更准确，这种「双层经济」结构可能将成为 AI 行业的相对稳定特征。
去年九月，市场曾担忧基础实验室最终会沦为「星巴克的咖啡豆供应商」——即沦为商品化原料、让应用层坐享利润。这一预测部分应验：垂直 AI 应用转向轻量模型，「GPT wrapper」类创业公司的经济模型大体稳定。但与此同时，token for token，前沿提供商仍然牢牢占据着市场上最具价值的溢价区间——这一点短期内似乎不会改变。
评论