硅谷AI，正在開源

影子備忘錄2026.10.05 15:32 · 來自廣東全文4084字00:00 / 10:59大模型從哪家強到哪家合適的轉變。文 | 影子備忘錄過去兩年，硅谷AI圈最常被問到的問題只有一個：哪家的模型最強？但2026年，這個問題正在被另一個更務實的問題取代：完成同一項任務，到底有沒有必要用最貴的模型？今年6月，打車巨頭Uber透露了一個讓整個行業沉默的數字：僅2026年前四個月，公司就耗盡了全年的AI預算，原因僅僅是員工大量使用AI編碼工具。

亞馬遜隨即叫停了內部的AI使用排行榜，因為員工為了刷排名刻意執行不必要的任務、推高Token消耗；微軟則計劃停用多個關鍵產品部門員工的Claude Code訂閱。當亞馬遜都開始心疼Token的時候，成本就不再是創業公司才需要操心的問題了。諮詢公司貝恩直接放出了一組分析數據：在企業AI累計支出突破1萬億美元之後，AI帶來的實際成本節約普遍遠低於預期；44%的大型企業正在用“上一輪AI尚未兌現的費用節省”來論證下一輪AI投資的合理性，貝恩把這種操作定性為“一個存在結構性漏洞的循環賭注”。壓力之下，企業的選擇開始發生變化。

從“最強”到“最划算”花旗銀行的數據顯示，開源模型每項任務成本已按周下跌35%至0.8美元，相對封閉模型的折讓從40%擴大至60%。Forkast的統計更為直白：開放權重模型的平均成本為每百萬Token 0.83美元，專有替代方案為6.03美元，前者比後者便宜7.3倍，為開發者節省了86%的開支。在更極致的對比中，DeepSeek V4-Pro在網絡安全任務測試中每題平均成本僅為0.28美元，閉源競品Opus 4.5則高達12.50美元，差距超過40倍。最戲劇性的案例發生在9月。小米和SpaceX在同一天發佈了各自的新模型：MiMo-V2.6系列（開源）和Grok 4.7（閉源）。

兩款模型拿到了相同的智能指數跑分，但MiMo-V2.6-Pro每項任務成本僅0.13美元，Grok 4.7則高達3.74美元，差距近29倍。這就是硅谷企業面前那張越來越清晰的賬單。據英國《金融時報》報道，AlphaSense的數據顯示，今年8月和9月，美國企業財報電話會議和投資者會議中，高管們提及“開放權重”或“開源”模型的次數較去年同期激增了6倍。更關鍵的信號來自使用端。8月，開放權重模型佔通過Vercel AI Gateway總Token處理量的56%，而去年12月這一比例僅為7%。OpenRouter上開源模型處理的Token佔比，也從今年1月的34%升至6月的65%。

電信巨頭AT&T走在了最前面。其首席數據與AI官安迪·馬庫斯透露，目前約40%的AI工作負載運行在開源模型上，計劃一年內提升至70%。面對每天450億Token的處理量，AT&T還會利用專有數據微調開源模型，讓其在特定任務上達到甚至超過閉源模型的表現。Match Group旗下Tinder的動作同樣值得關注。其CTO透露，公司AI支出的年化規模從1月的100萬美元猛增至7月的1000萬美元，為控制成本，Tinder已經開始將部分非技術查詢路由給開源模型。就連中國模型也在這場成本戰中獲得了一張意想不到的入場券。

根據Ramp發佈的2026年6月軟件趨勢榜，DeepSeek登上代表突破性增長的“Trending”榜首，而這張榜單過去的常客是Figma、Fireworks AI這類硅谷公司，一家中國模型公司登頂，是頭一回。“模型拼盤”：一個樸素的商業邏輯真正重塑AI商業模式的，並非某個開源模型擊敗了閉源巨頭，而是企業開始放棄“一個模型解決所有問題”的思路。Tinder的做法很有代表性：最昂貴的前沿模型負責複雜任務，更便宜的開源模型承擔大量日常工作。信息提取、文本分類、簡單代碼修改、客服回覆等這些高頻但低複雜度的任務，並不需要調用最頂級的模型。

這種“多模型路由”策略的興起，使得企業平均使用的模型數量從2025年Q1的2.1個增加到2026年Q1的4.7個。企業不再對某一家模型供應商“從一而終”，而是根據任務的難度、時延要求和成本預算，動態分配不同的模型。Databricks高管David Meyer的判斷印證了這一趨勢：經強化學習優化的開源小模型，可以用更低的訓練成本完成特定任務；企業級AI競爭焦點正從模型規模轉向實際運行效率與單位成本。換句話說，AI行業正在從“賣最聰明的模型”轉向“賣最合適的算力”。然而，這場成本轉向在硅谷引發了一場罕見的公開分裂。

7月24日，英偉達CEO黃仁勳在社交平臺X上發佈了首條帖子，稱“世界既需要前沿閉源模型，也需要前沿開源模型”，微軟CEO納德拉在9分鐘後發帖響應。隨後，Meta、IBM、Hugging Face、a16z等紛紛加入聯署，公開信簽署方從最初的33家迅速擴展到133家。這份名為《開放權重與美國在AI領域的領導地位》的公開信，核心訴求是呼籲政策制定者避免過早限制或禁止開放權重AI模型。但值得注意的是，OpenAI和谷歌最終在壓力下籤署了公開信，而Anthropic從頭到尾缺席。當黃仁勳進一步成立需要真金白銀投入的“開放安全AI聯盟”時，OpenAI、谷歌和Anthropic均未回應。

原因很簡單：利益算盤截然不同。有天使投資人分析稱：閉源陣營的核心訴求是守住技術壟斷紅利，OpenAI、Anthropic依靠千億級算力投入打造頂級模型，商業模式完全依賴獨家模型的付費調用，只有維持技術壁壘和封閉體系，才能保住高溢價和市場定價權。而開源陣營立足產業擴容邏輯，英偉達、Meta這類基礎設施與生態型企業不靠模型本身賺錢，開源能大幅降低AI落地門檻，反而帶動算力消耗與雲服務需求增長。黃仁勳力挺開源的本質，是維護其GPU生態的繁榮。模型越開放，開發者越多，算力需求就越大。開源追趕到什麼程度了？如果開源模型只是“便宜但不好用”，那麼這場轉向就不會發生，可是關鍵在於差距正在快速縮小。

Mozilla最新報告顯示，中國開源模型與閉源前沿模型的性能差距已縮短至約4.4個月。企業為接入最頂尖閉源模型所支付的API費用，通常相當於同等水平開源權重模型部署成本的5倍左右，而換來的僅僅是約4個月的技術先發時間差。斯坦福HAI 2026年AI Index報告的數據更具衝擊力：截至2026年3月，排名前四的閉源實驗室Anthropic、xAI、谷歌和OpenAI，在Arena Leaderboard上的Elo分差已縮小至25分以內。當性能趨同成為現實，模型本身就很難再構成持久的護城河。在某些細分場景中，開源模型甚至已經開始反超。

在Claw-Eval基準測試中，小米的開放權重模型MiMo V2.5 Pro排名高於GPT-5.4、Meta的Muse Spark和Gemini 3.1 Pro。GLM-5.2在SWE-bench Pro上的廠商自報成績（62.1）也超過了GPT-5.5的58.6，而成本僅為其六分之一左右。LeCun在社交媒體上為國產開源模型點贊，Cursor承認自研模型套殼Kimi K2.5，Cognition的SWE-1.6被曝在GLM模型上進行後訓練……這些案例共同勾勒出一個事實：開源模型已不再是“備選項”，而是許多硅谷產品的實際底座。

硅谷法律AI公司Harvey的做法更為直接：其首個內部模型Harvey Tenet，就是在Kimi K3的基礎上進行後訓練得到的。而Harvey恰恰是一家獲得OpenAI投資的初創公司。前沿AI的商品化，才剛剛開始這場轉變的深層邏輯，是AI行業正在經歷一次從“稀缺品”到“商品”的轉型。2026年9月，Silicon Data的LLM Token支出指數首次跌破每百萬Token 1美元，這是該指數開始追蹤200多個模型以來的第一次。Forkast的評論直截了當：智能作為稀缺、高利潤商品的時代，已經實質性結束。與此同時，前沿模型的價格走向了另一個極端。

GPT-6 Astra和Claude Fable 5.1發佈時，輸入價格定在每百萬Token 10美元，輸出價格更是直接翻倍到50美元。行業正在“分層”：底層是商品化的廉價推理，上層是昂貴的自主智能體能力。正如Forkast的分析所指出的，前沿實驗室不再試圖提供最便宜的計算，而是在爭奪最高價值的自主任務——它們從“賣Token”轉向“賣工作流整合”。這意味著，“開源vs閉源”不是一個非此即彼的選擇，而是一個分層配置的策略問題。對於絕大多數企業而言，答案可能既不是全面擁抱開源，也不是死守閉源旗艦，而是像AT&T那樣在能省錢的地方省錢，在需要頂尖能力的地方花錢。

Airbnb CEO Brian Chesky幾個月前說了一句讓硅谷震動的話：“我們正大量依賴阿里巴巴的通義千問模型，它比OpenAI更好更便宜。”他補充說，公司也會使用OpenAI的最新模型，但在實際生產中通常不會大量使用，因為有更快、更經濟的模型可供選擇。Chesky和奧特曼是摯友，可是在涉及自家產品整合時，“親兄弟都要明算賬”。這大概就是2026年硅谷AI最真實的註腳：情懷歸情懷，賬單歸賬單。