开放模型崛起不会终结 AI 交易，但可能重塑模型厂商、芯片公司、云计算平台和软件企业之间的价值分配。
瑞银本次报告主要基于其私人 AI 与软件（Private AI & Software）大会上的一手反馈。该活动共邀请 75 多家私人公司，报告重点整理了 15 家以上 AI 原生企业的观点，涉及 AlphaSense、Cursor、Fireworks、Glean、Harvey、Perplexity、Runway、Sierra 等公司。
由于这些公司普遍同时调用多家第三方模型，因此能够较直接地观察企业模型份额和使用方式的变化。
开放模型崛起
近一个月，开放模型对 AI 产业链的影响成为科技投资者最关注的问题，主要由三个因素推动。
其一，智谱的 GLM 5.2、月之暗面的 Kimi K3 等中国开放模型，在公开基准测试中的表现已接近 OpenAI 和 Anthropic 的高端模型。
其二，OpenRouter 等第三方数据显示，中国开放模型的使用份额明显提升。
其三，OpenAI 以及优步（Uber）、Coinbase 等企业均开始公开讨论 AI 成本问题，部分企业已设置预算和使用限制，以控制意外飙升的 Token 开支。
这意味着企业对于 AI 模型的选择正从单纯追求性能，转向同时考虑价格、速度、Token 效率和部署安全。
企业 AI 采用仍在高速增长
瑞银强调，企业并没有因为成本上升而停止部署 AI。相反，多家 AI 原生企业过去半年收入增长极快。
报告列举了部分匿名案例，有企业收入从今年 1 月的 4 亿美元升至 10 亿美元，有企业年内收入增长至原来的 3 倍并突破 5 亿美元，还有公司在 14 个月内从零增长至 5 亿美元，另有企业年度经常性收入达到 5 亿美元，同比增长超过 7 倍。
收入加速主要来自模型能力提升、Token 消耗更高的智能体应用扩张，以及部分公司从按席位收费转向按 Token 或使用量收费。这表明企业 AI 需求已经从编程领域扩展到更广泛的业务流程，对 AI 基础设施和算力供应商依然构成积极信号。
然而，伴随采用规模扩大，成本问题迅速浮出水面。
瑞银此前估计，约 60% 的机构已将 AI 计算和 Token 支出视为现实问题，此次调研后认为这一比例可能更高。
报告中的案例显示，Token 成本上涨速度十分惊人：
某金融机构最初对 Claude 承诺支出 1000 万美元，三个月后已增至 6000 万美元；
一家 AI 公司的 Anthropic 支出由去年 12 月的 2 万美元，增至今年 7 月接近 100 万美元，七个月增加 50 倍；
部分企业的 Token 账单在短时间内增长 10 倍甚至 100 倍。
智能体应用尤其容易放大消耗，因为一次任务失败后会调用其他智能体再次尝试，形成 "Token 产生更多 Token" 的循环。
部分部门在 AI 上的支出甚至已经超过其员工薪酬，但企业同时还在增加招聘，说明 AI 短期内不一定直接减少人工成本，反而可能创造更多需要人类管理和检查的工作。
从 "Token 最大化 " 转向 " 价值最大化 "
企业并不是停止使用 AI，而是在减少浪费。
大量普通任务此前也被交给最昂贵的前沿模型。例如，某银行每月花费数十万美元调用高价模型，但员工使用场景包括查询天气、餐厅和会议地点，这些任务显然不需要最高等级的推理能力。
因此，企业 AI 管理的重点正由 "Token 最大化 " 转向 " 价值最大化 "，即衡量每一单位 Token 能够产生多少业务回报。
高价值的编程、复杂推理和核心业务流程仍会调用 OpenAI、Anthropic 等前沿模型，而邮件撰写、数据提取和普通总结等任务，则更多转向便宜、快速的开放模型。
模型路由也由可选功能变为基础能力。AI 应用可以把一项大型任务拆分为多个环节，再将不同子任务分配给最合适的模型。企业还可根据岗位、预算、合规和数据主权要求，限制员工能够使用的模型。
所谓模型路由，是根据任务难度、成本、延迟和合规要求，自动选择最合适的模型。
一家受访企业称，通过将 30% 至 40% 的支出转向自有低成本模型，并结合自动路由，客户平均可节省 20% 至 30% 的成本。
不过，瑞银认为，当几乎所有 AI 企业都开始宣传模型路由时，这项能力将迅速成为行业标配，未必能够单独形成长期商业化优势。真正的竞争还包括模型调用框架、任务拆分、Token 监控以及企业级权限管理。
中国开放模型进入企业主流选择
GLM、Kimi、DeepSeek 和 Qwen 等中国开放模型的性能和成本优势，是此次产业变化的另一条主线。
报告称，部分开放模型已经接近高端前沿模型的能力，但成本可能只有后者的三分之一至四分之一。
据 AI 初创公司 Baseten 估计，开放模型的性能通常落后闭源前沿模型约 90 天，但运行成本可低 70% 至 90%。
一家 AI 企业称，今年初开放模型在其企业客户中的 Token 份额仅约 0.1%，两个月后升至约 1%，目前已经超过两位数，并预计未来 12 个月可能超过 90%。
不过，这只是单家公司的判断，而且指的是 Token 数量，而非收入份额。即使前沿模型只处理少量 Token，只要这些任务足够关键，OpenAI 和 Anthropic 仍可能拥有较强定价权。
另一方面，企业对中国模型的接受度也并不一致。部分受监管行业仍拒绝使用中国模型，但亚马逊和微软通过 AWS、Azure 提供受控访问，有望降低企业使用门槛。
与此同时，美国企业也希望出现更多本土开放模型。
英伟达 Nemotron 在此次调研中被多次提及，反映其影响力较六个月前显著提升。除通用模型外，企业还开始根据内部数据训练专用模型，这推动 Fireworks、Baseten 和 Together AI 等 " 推理平台 " 崛起。
Fireworks 披露，其收入已从今年 1 月的 4 亿美元升至超过 10 亿美元，每日处理超过 40 万亿个 Token；Baseten 每日处理约 30 万亿个 Token；Together AI 则称，开放模型的 Token 使用份额一年内从 10% 升至 30%。
英伟达与云厂商或是主要受益者
开放模型份额上升并不意味着算力需求减少。
瑞银认为，需求只是从昂贵模型转向性价比更高的模型和工作负载。大多数开放模型仍使用英伟达硬件进行训练、微调和推理，而低成本模型能够扩大 AI 应用范围，增加推理计算、存储、网络和部署基础设施需求。
月之暗面因 Kimi 需求接近算力上限而暂停新增订阅，Databricks 也表示亚洲等地区 GPU 供应紧张。瑞银因此认为，开放模型的普及对英伟达总体偏利好，尤其是其拥有 Nemotron 模型和开放模型软件生态优势。
AWS、Azure 和 Google Cloud 同样已经成为多模型平台。无论客户最终使用闭源模型、开放模型还是定制模型，通常仍需要云端算力。模型单位成本下降还可能刺激更多企业采用 AI，从而扩大云基础设施需求。
风险在于，如果 OpenAI 或 Anthropic 收入增长显著放缓，其新增算力需求可能下降；云厂商通过模型 API 获得的增量收入也可能受到影响。
不过，目前云计算平台和 GPU 云厂商仍面临明显的供不应求，瑞银尚未观察到 GPU 现货价格走弱，因此认为相关风险总体可控。
前沿模型和传统软件面临压力
对 OpenAI、Anthropic 等前沿模型厂商而言，长期市场空间仍然庞大，但短期收入增速可能受到 Token 优化影响。此前用于普通任务的高价模型调用一旦转向便宜模型，必然拖累收入增长。
瑞银将当前情况与 2023 年至 2024 年的云计算优化周期类比。当时企业压缩疫情期间过度扩张的 AWS、Azure、Snowflake 和 Datadog 支出，相关公司经历了超过四个季度的增长放缓。不同之处在于，AI 产业仍处于更早的发展阶段，新增应用场景可能抵消成本优化带来的压力。
传统软件公司的处境可能更加复杂。
一方面，它们可以利用多模型和自动路由降低 AI 成本；另一方面，企业可能为了支付不断上升的 AI 账单而压缩应用软件席位、外部 IT 服务和其他技术预算。
与此同时，OpenAI 和 Anthropic 可能加速向软件应用层扩张，与 Salesforce、ServiceNow 和 Workday 等公司直接竞争。企业自行训练专用模型的趋势，也可能削弱部分通用软件产品的价值。
