繞開西方高昂算力 Coinbase 核心業務轉向中國模型 GLM 與 Kimi

### 繞開西方高昂算力，Coinbase 核心業務轉向中國 GLM 與 Kimi 模型

#### 重點整理：降本增效的具體策略

美國加密貨幣交易所 Coinbase 近期做出了一項關鍵技術調整，將部分核心業務的 AI 模型從西方主流方案轉向中國開發的 GLM5.2 與 Kimi2.7。根據內部資料顯示，此舉讓公司整體 AI 支出直接減半，同時代幣用量（即模型運算消耗的 token 數量）大幅增加。背後關鍵是一套全新自動路由系統，能根據任務類型智能分配給不同模型，並將緩存命中率從原本僅 5% 的基礎上顯著拉升——雖然官方未公布升級後的精確數字，但「大幅提升」的表述已足以說明效率改善的力道。

#### 背景脈絡：西方算力成本壓力下的必然選擇

Coinbase 身為全球最大的加密貨幣交易平台之一，每天需要處理大量即時報價、風險控制、客服對話與區塊鏈分析等 AI 驅動的任務。過去這些工作普遍依賴 OpenAI 的 GPT 系列或 Google 的 Gemini 等高階模型，但隨著西方大廠持續提高 API 定價、以及算力資源愈發稀缺，AI 支出已成為公司營運成本的重大負擔。在這樣的壓力下，尋找性價比更高的替代方案成為首要課題。中國模型如 GLM（智譜 AI 開發）與 Kimi（月之暗面開發）近年來在效能上快速追趕，且價格更具競爭力，自然進入了 Coinbase 的評估清單。

#### 技術亮點：自動路由系統如何「聰明」省錢

這項轉變並非只是單純更換模型 API，而是搭配了一套自主研發的自動路由系統。該系統會根據任務的複雜度、即時性要求以及快取命中機率，動態決定要將請求導向 GLM、Kimi 還是保留給西方模型。例如，簡單的常見問答或歷史查詢這類可重複利用快取的任務，系統會優先派給中國模型，因為它們在低成本下仍能維持可接受的準確度；而高風險的合規審查或複雜計算則仍可能交由更昂貴但更穩定的西方模型處理。這種「分層、混合」的策略，正好解釋了為何代幣用量大增但總支出反而腰斬——因為大量低價值任務被轉移到低價模型上。

#### 對中國 AI 產業的潛在影響：從「追隨者」到「替代選項」

Coinbase 這項決策對中國 AI 模型業者而言具有重要的象徵意義。過去西方企業對採用中國模型通常持保留態度，主要顧慮是資料安全、監管合規以及模型成熟度。但 Coinbase 作為上市且受美國 SEC 監管的金融機構，它的「背書」等於向市場傳遞一個訊號：GLM 與 Kimi 已經達到足以承擔核心業務的水平。這可能激勵更多海外公司——尤其是那些對成本敏感、且不需要極致精準度的應用場景——開始測試並導入中國開源或商用模型，進而加速全球 AI 供應鏈的多元化。

#### 對 Coinbase 自身營運的改變：開發者彈性與效能平衡

值得注意的是，Coinbase 並未完全封鎖開發者選擇模型的自由。新系統雖然鼓勵優先使用低成本模型，但開發團隊依然可以手動指定特定任務必須採用某家模型，以確保關鍵功能不受影響。這種「雙軌制」設計兼顧了降本與抗風險，也反映出一家成熟科技公司在部署 AI 時的務實態度。此外，緩存命中率的大幅提升意味著重複性的計算請求不再需要每次都發送給模型，而是直接從本機快取回傳結果，這不僅降低了延遲，也進一步減輕了 API 調用的負擔。

#### 可能引發的連鎖反應：加密貨幣與 AI 的交叉領域

Coinbase 的案例可能只是個開端。加密貨幣行業本身對自動化交易、市場預測與鏈上數據分析有極高需求，而這些場景大多可以容忍一定程度的模型誤差，卻對成本極度敏感。如果 GLM 和 Kimi 在此次測試中表現穩定，預期會有更多同業（如 Kraken、Binance 等）跟進評估。同時，這也暗示中美技術脫鉤在 AI 層面並非只有對抗——當中國模型在特定價位區間內提供高效表現時，西方企業仍願意「務實合作」，算力成本終究是商業世界最現實的考量。

#### 讀者可關注的後續發展

未來值得追蹤的觀察點包括：第一，Coinbase 是否會公開更詳細的效能比較數據，例如不同模型在客服準確率、推理速度等方面的差異；第二，中國模型業者（如智譜 AI、月之暗面）是否會趁勢推出針對海外金融行業的合規版本，進一步爭取國際客戶；第三，西方模型供應商（OpenAI、Google）是否會因此調整定價策略或推出更便宜的輕量級模型以穩住市占率；第四，更多跨國科技巨頭是否會在今年內宣布類似的多模型路由策略，讓「模型路由器」成為企業 AI 基礎設施的標準元件。對於關注 AI 產業生態的讀者來說，Coinbase 這一步很可能預示著未來兩年全球 AI 部署將從「單一模型獨霸」走向「混合模型最佳化」的新常態。