OpenAI们被嫌死贵，美国大厂转向开源模型，中国成最大赢家
企业AI进入一个越来越细的模型分流阶段。中国的开放模型正在吃下美国企业的AI降本红利。
不只是硅谷创业公司，连AT&T这样的电信巨头也把大约40%的AI工作负载放到了开放模型上，还准备在未来一年进一步提高到70%。
这也不难理解——AT&T每天处理的Token数量已经达到450亿。到了这个规模，模型每百万Token便宜一点，最后反映到财务报表上，都可能是一笔相当可观的数字。
于是乎，一批原本主要调用OpenAI、Anthropic前沿模型的美国企业，开始把越来越多的任务迁移到开放权重模型上。这里甚至出现了一个有意思的局面：
据《金融时报》报道，今年以来，企业对开放模型的讨论和实际调用量都出现明显增长，而当前开放权重模型市场里，最活跃的一批玩家正来自中国。
DeepSeek、智谱等公司的名字，也开始出现在美国企业重新计算AI成本的这张账单里。
一年100万美元，
半年后变成1000万美元
Tinder CTO Vinay Kuruvila透露，今年1月，公司按照当时的AI使用规模估算，全年支出大约是100万美元。到了7月，这个数字已经变成了：1000万美元/年。
我不想再看到一次10倍增长。
现在，Tinder已经开始把一部分来自普通用户的请求，转给开放权重模型处理。因为，对于很多企业任务来说，真正的问题已经逐渐从哪个模型最聪明，变成了：这个任务到底值不值得调用最贵的模型？
Kuruvila认为，目前OpenAI Astra和Anthropic Claude Fable这样的前沿模型，对于Tinder约90%的任务来说，能力已经足够。
这也意味着，一旦开放模型进一步追近，企业继续为这部分能力支付前沿模型溢价的必要性就会下降。
换句话说，企业AI正在进入一个越来越细的模型分流阶段。最难的任务继续交给最强模型。大量重复、明确、容错边界清晰的任务，开始流向更便宜的模型。
一天450亿Token，
40%已经交给开放模型
这家美国电信巨头现在每天处理大约450亿Token，其中约40%的AI工作负载已经运行在开放模型上。而公司给自己定下的目标，是一年内把这个比例提升到70%。
AT&T首席数据与AI官Andy Markus解释，在这样的调用量级下，成本已经成为模型选择中非常关键的变量。如果一个任务可以从昂贵的闭源模型迁移到开放模型，同时准确率没有明显下降，公司自然会迁移。
更重要的是，AT&T并不是简单下载一个开源模型直接使用。他们还会利用自己的专有数据对模型进行调优。在一些特定任务中，经过企业数据优化后的开放模型，效果甚至可以做到和闭源模型相当，乃至更好。
参数开放之后，企业可以自己部署、微调，不必每次调用都向模型公司支付Token费用。如果企业本来就拥有大量算力、数据和工程团队，这笔账尤其容易算过来。
不是嘴炮，调用量也真的上来了
AlphaSense统计显示，今年8月和9月，美国企业在业绩电话会和投资者会议中提到open weight或者open source模型的次数，比去年同期增加了6倍。
讨论这些模型的企业也已经从科技行业扩散出去。PNC Financial Services、物流公司CH Robinson、工业巨头Siemens，最近都公开谈到了开放模型的使用。
今年8月，在Vercel AI Gateway上处理的所有Token中，56%已经来自开放权重模型。去年12月，这个比例还只有：7%。
OpenRouter上也出现了类似趋势。按照Token调用量统计，排名靠前的模型中，来自中国实验室的开放模型已经占据相当醒目的位置。
所以，企业对开放模型的兴趣，目前已经同时出现在两个地方：一边是财报电话会。另一边是真实Token消耗。
中国模型，吃到这一轮企业降本红利
现在全球开放权重模型市场中，一股绕不开的力量来自中国。DeepSeek、智谱等中国公司已经成为这一赛道的重要玩家。
此外，法国Mistral，以及美国的Nvidia、Reflection AI、Thinking Machines Lab，也在推出开放程度较高的模型。
对于OpenAI和Anthropic来说，最先进的闭源模型本身就是核心商品。用户使用一次，就支付一次API成本。
开放模型玩家则有更多选择。有的通过Token API收费。有的免费提供模型，希望扩大生态和开发者覆盖。还有厂商可以通过模型带动芯片、云服务或者其他产品销售。
因此，当企业开始对AI成本越来越敏感时，开放模型可以把价格压到一个完全不同的水平。尤其对于可以自行部署的企业来说，Token API甚至都可以跳过。模型下载下来，跑在自己的基础设施上。
这也是为什么开放权重模型正在从开发者社区里的选择，逐渐变成企业CIO和CTO账本上的选择。
成本之外，还有一个词：数据
Digital Realty高级全球解决方案架构总监Scott Wallace提到了另外两个原因：数据主权和安全。
Digital Realty已经搭建了自己的内部聊天系统，底层运行开放权重模型。公司会根据不同任务的敏感程度，在开放模型和商业闭源模型之间切换。其中一些企业内部数据，只会进入部署在私有基础设施上的模型。
这其实揭示出了企业AI里的另一个趋势：过去大家关注的是，最强的模型是哪一个。但到了真正部署阶段，企业考虑的是一整套问题：
成本多少、数据放在哪里、模型能不能定制、延迟多高、是否可以私有化，以及出了问题之后自己能控制多少。
OpenAI、Anthropic的真正对手，
可能是一张Excel表
目前，两家公司依然拿走了企业AI支出中的很大一部分。最复杂的编码、推理、研究和Agent任务，企业仍然高度依赖前沿模型。
但变化已经出现了。过去企业可能倾向于把各种任务全部接入最强模型。现在越来越多公司开始做另一件事：拆任务。哪些任务必须用最强模型？哪些任务用次一级模型就够了？哪些任务可以直接交给本地部署的开放模型？
一旦AI调用量从每天几百万Token增长到几十亿、几百亿Token，这种模型路由就不再是工程细节。它会直接变成成本问题。
对OpenAI和Anthropic来说，这可能比又出现一家参数更大的竞争对手更棘手。因为企业做这个决定时，摆在面前的未必是一张Benchmark。更可能是一张Excel表。这张表里的最后一列写着：每年能省多少钱。
https://www.ft.com/content/d9de4776-1fc9-4f2b-aaaf-9961c35d8acd?syn-25a6b1a6=1