德意志银行直指当前 AI 行业最核心却最被市场低估的结构性矛盾：前沿专有 AI 模型与开源 / 开放权重模型之间，存在一道触目惊心的 " 成本鸿沟 "。
6 月 20 日，据追风交易台消息，德银在最新研报中称数据一目了然：Anthropic 旗下顶尖前沿模型 Claude Fable 5 在 Artificial Analysis 智能指数上得分 60，每项任务加权平均成本约3.25 美元；而 DeepSeek V4-Pro 得分 44，每项任务成本仅约5 美分——前者是后者的约 65 倍。然而，对于日常 90% 的普通任务而言，廉价模型的表现与前沿模型几乎相当。
这或表明，AI 行业的 " 运营成本叙事 " 正在悄然取代 " 算力需求叙事 " 成为新的定价锚点。若专有模型的真实成本效益被市场充分定价，AI 相关股票面临的估值压力将是结构性的，而非短暂的。
数字说话：前沿模型与开源模型的成本鸿沟有多深？
德银援引 Artificial Analysis 智能指数的数据，将市场上主流 AI 模型按智能得分与单任务成本进行了直观对比。
前沿专有模型阵营：
Anthropic Claude Fable 5（含 fallback 机制）：智能指数得分60，每任务加权平均成本约3.25 美元
OpenAI GPT-5.5（超高配置）：位于高成本区间
Google Gemini 3.1 Pro Preview：同属高成本前沿阵营
开源 / 开放权重模型阵营：
DeepSeek V4-Pro（最大配置）：智能指数得分44，每任务成本约5 美分
Meta Muse Spark：低成本区间（价格数据暂不可用）
Nvidia Nemotron 3 Ultra：低成本区间
OpenAI gpt-oss-120b（高配置）：低成本区间
德银特别指出，廉价阵营并非清一色的中国模型。Meta、Nvidia、OpenAI 自身的开放权重模型同样处于低成本区间。因此，这场竞争的本质分野不是 " 美国 vs 中国 "，而是 " 前沿专有 vs 开放权重 "。
德银用一个生动的比喻描述这种性能与成本的错位：前沿模型是咆哮的全新超跑，开源模型是一辆称职的二手家用旅行车。
报告承认，在最难的推理任务和智能体（Agentic）工作上，前沿模型确实具备真实的、显著的能力优势。智能指数 60 分与 44 分之间的差距，在处理最复杂任务时是实质性的。
然而，关键问题在于：对于日常约 90% 的普通任务，廉价的开源模型能完成几乎相同的工作，而成本仅为前沿模型的约 1.5%。
这意味着，绝大多数企业用户为前沿模型支付的溢价，并非来自实际业务需求，而更多源于品牌认知、习惯惯性，乃至某种 " 用最好的 AI" 的身份认同——这与消费者购买奢侈品包包的心理逻辑高度相似。
溢价不会消失，只会 " 迁移 " ——但每一层都在滑向零
德银提出了一个重要的结构性观察：AI 能力的成本正以每年约十倍的速度下降，但前沿溢价并不会因此消失，而是会持续 " 迁移 "。
其逻辑链如下：
今天的前沿模型，明天将成为商品化能力；
与此同时，新一代更强的前沿模型将以新的高溢价出现；
因此，" 最佳可用 " 与 " 足够好用 " 之间的价格鸿沟，在结构上将长期存在；
但整条价格曲线上的每一个点，都在持续向零滑落。
这一机制意味着：前沿 AI 的溢价是一个永远在移动的靶子，而非固定的护城河。这要求对 AI 公司的定价权和利润率持续保持动态审视，而非一次性判断。
IPO 压力下的商业模式转变：从 " 包月制 " 到 " 按量计费 "
德银指出，AI 成本问题之所以在当下变得尤为紧迫，有一个关键的商业催化剂：头部专有 AI 实验室正在为 IPO 做准备，商业模式正从固定费率的包月制，转向按 Token 计费的使用量定价模式。
这一转变将把成本压力直接传导至企业用户。报告援引了一个极具说服力的真实案例：
Uber 已经烧光了其全部 Token 预算，耗时仅四个月，目前已限制所有员工每月 AI 使用支出上限为 1500 美元。
德银认为，这个案例清晰地说明：当 AI 使用成本从 " 隐性包月 " 变为 " 显性按量 "，企业的成本意识将被迅速激活。那些只需要 " 可靠工作马 " 而非 " 超级跑车 " 的用户，将越来越认真地追问：前沿溢价，到底值不值得付？
" 第二次 DeepSeek 时刻 "：更安静，但可能更深远
德银将当前局面与 2025 年初的 "DeepSeek 时刻 " 进行了对比，并提出了一个值得高度警惕的前瞻判断。
回顾 2025 年初的 "DeepSeek 时刻 "：市场意识到，接近前沿水平的 AI 能力可以以远低于预期的成本构建，AI 股票遭遇剧烈冲击。但随后，由于 AI 整体需求持续攀升，股市得以收复失地。
德银的判断是：当前正在酝酿的 " 运营成本叙事 "，是那次冲击的 " 更安静、但更持久的续集 "。
核心逻辑在于：如果专有 AI 模型此前部分是作为" 地位商品 "（Status Goods）被定价和交易的——即其高价本身就是吸引力的一部分——那么，一旦其真实的成本效益比被市场充分曝光和定价，可能为 AI 估值体系带来第二次重估，这次冲击不会那么戏剧性，但影响将更为深刻和持久。
德银最后留下了一个耐人寻味的开放式结尾：除非，就像奢侈品包包一样，AI 的高价本身就是其终极卖点。
报告还援引了 Epoch AI 的研究数据，为上述分析提供了独立佐证：
美国与中国在前沿 AI 能力上的差距，平均约为七个月；
Epoch AI 同时指出，这一差距与专有模型和开放权重模型之间的能力差距几乎完全吻合。
这一发现进一步强化了德银的核心论点：地缘政治维度的 " 美中 AI 差距 " 与商业维度的 " 专有 / 开源差距 "，在本质上是同一条鸿沟的两种表述。这意味着在评估 AI 地缘政治风险时，不应将其与商业竞争逻辑割裂看待。
