开源 vs 闭源--AI大战的终局推演与市场影响

开源与闭源模型之争已从学术讨论演变为影响数十亿美元投资决策的核心议题。 摩根士丹利在最新研究报告中系统梳理了这场博弈的三种终局情景，并为投资者划出了跨越半导体、云计算、安全软件及能源基础设施的受益股票图谱。

Kimi K3发布，以及英伟达和Anthropic相继发布的开放权重立场文件，将这场争论推向白热化。投资者担忧：随着更小、更高效的开源模型大量涌现，算力与AI基础设施需求将遭到压制。摩根士丹利对此持不同看法——该行认为，开放权重模型有助于竞争，并通过"杰文斯悖论"加速AI普及，由此推动更大规模的企业级AI采用，而非削弱需求。

调研数据印证了这一趋势。据麦肯锡对41个国家700位科技领袖的调查，63%的企业已将开源模型纳入AI技术栈，通常与闭源模型并行使用。另有数据显示，2026年2月至7月间，美国公司每周通过OpenRouter路由至中国开源模型的Token占比超过30%，尽管这一数据可能更多反映初创企业而非大型企业的行为。尽管如此，摩根士丹利判断，企业AI支出的格局将随模型效率提升和开源模型发展而持续演变，投资者需要一套清晰的分析框架来把握这场变局。

开源与闭源：一场被误读的争论

大摩认为，市场对开放权重模型存在根本性误解。

开源与闭源模型的核心区别并不在于参数规模或性能高低，而在于用户的访问与付费方式：开放权重模型免费获取、可训练调优、部署灵活（本地、云端或API均可）；闭源模型则通过许可证和Token计费向用户收费，权重对所有用户保持一致。

从严格意义上区分，开放权重模型（如Meta的Llama、谷歌的Gemma、Qwen、DeepSeek和Kimi）仅公开训练参数，但可能保留训练数据或限制授权；开源模型（如AI2的OLMo）则完整开放包括代码、训练指南和数据细节在内的完整技术栈。当前最高性能的前沿模型均为闭源，原因很简单——训练成本高昂，模型开发商在下一代模型发布前无力免费提供。

值得注意的是，开放权重并非真正意义上的"免费"。

麻省理工学院的一项研究估算，从闭源转向开源模型可使平均价格下降70%，每年为企业节省约250亿美元。

但摩根士丹利指出，该研究完成于2025年12月，且未充分考量部署成本——卡内基梅隆大学研究显示，开源模型的投资回收期因规模差异悬殊：小规模部署（参数量低于300亿）最短仅需3个月，而大规模部署（2000亿至1万亿参数）则可长达6年。

企业采用现状：混合策略主导，闭源仍占主流

超过60%的企业已将开放权重模型纳入技术栈，但当前使用场景高度集中于特定领域。企业主要将其应用于代码生成、文档解析及其他高频次、小规模的专项任务，在这些场景中，不产生Token费用、可自定义、可控制托管位置是核心优势。

Shopify机器学习负责人Kshetrajna Raghavan的表述颇具代表性："当你每天需要运行数十亿次多模态推理时，闭源模型的按Token收费根本无法持续。"麦肯锡调查则显示，40%的企业高管青睐开放权重模型，核心原因正是数据主权与本地化合规需求。

然而，开放权重模型的劣势同样不容忽视。

第一，持续微调成本不菲，技术能力较弱的企业往往力不从心；第二，安全隐患突出——英国《金融时报》与AI安全机构Alice在2026年4月的测试中，仅用数分钟便通过Heretic工具移除了Meta和谷歌开源模型的安全护栏；第三，企业使用闭源模型可获得IP免责保护，而开放权重模型不提供此类条款；第四，地缘政治风险上升，美国若对中国开源模型实施禁令，将迫使企业转向美国本土替代方案，造成业务连续性风险。

此外，摩根士丹利认为，随着开放权重模型数量增加，编排与可观测性工具将变得愈发关键——无论企业选择开源还是闭源，管理认证、路由、推理优化和治理的软件层都将是必要投资。

三种终局情景与核心受益股

摩根士丹利构建了三套情景框架，覆盖从闭源主导到开源胜出的完整路径，并为每种情景梳理出对应的投资受益方。

情景一：闭源模型胜出

前沿模型性能难以复制，少数资本雄厚的实验室胜出，算力工作负载持续向超大规模云集中，训练需求保持高度计算密集型。Token价格下降，但受市场寡头结构制约，降幅低于开源情景。

该情景下，谷歌的战略地位取决于Gemini是否回归前沿——若Gemini 4实现突破，谷歌在自有基础设施上运营模型API的投资回报率约为45%；若未能引领前沿，则更多作为基础设施提供商运营，对应约30%的投资回报率。

核心受益公司：云服务商（谷歌、亚马逊）、模型提供商（谷歌、Meta）、安全软件（PANW、CRWD、ZS、NTSK、OKTA）、光网络（ANET、LITE、COHR）、现场电力供应商（BE、INIO、SEI、WMB、LBRT）、半导体（NVDA、AVGO）。

情景二：混合格局

无单一架构胜出，闭源前沿模型主导复杂推理与智能代理任务，开放权重模型处理高频次、成本敏感或垂直领域任务，工作负载在公有云、私有云、本地部署及边缘设备间分散运行。闭源模型保留定价权，但受开源竞争压制超额回报。模型编排、路由、评估与治理软件价值显著提升，安全软件因工作负载分散而需求扩张。

核心受益公司：云服务商（亚马逊、谷歌、微软）、基础设施软件（DDOG、PLTR、APPN）、安全软件（PANW、CRWD、FTNT、ZS、NTSK、OKTA、SAIL、VRNS）、SaaS（SAP、NOW）、光网络（CSCO、FFIV）、现场电力供应商（BE、INIO、SEI、WMB、LBRT）、半导体（NVDA）。

情景三：开放权重模型胜出

开放权重模型性能收敛至前沿水平，基础模型智能广泛普及，模型API价格大幅下降，推动企业采用浪潮，印证杰文斯悖论。AI基础设施走向去中心化，私有数据中心、主权云、本地部署及边缘设备需求大幅增长，创新重心从预训练转向微调、推理优化、智能代理及特定应用部署。安全软件因本地及分布式工作负载而成为最大赢家之一。

核心受益公司：云服务商（微软）、模型提供商（MiniMax、Knowledge Atlas、阿里巴巴、腾讯）、基础设施软件（PLTR）、安全软件（PANW、CRWD、FTNT、OKTA、SAIL）、SaaS（SAP、NOW、SHOP）、本地基础设施（DELL、HPE、NTAP、P）、边缘设备（DELL、HPQ、苹果）、分销商（SNX、INGM、CDW）、现场电力供应商（BE、INIO、SEI、WMB、LBRT）、半导体（NVDA）。

穿越情景的确定性：电力与英伟达

在三种情景中，有两类资产在任何结局下均保持受益地位。

英伟达在三套情景中均位列核心受益股——无论计算需求集中于超大规模数据中心还是分散至边缘，GPU需求的底层逻辑均未改变。现场电力供应商（BE、INIO、SEI、WMB、LBRT）同样横跨三种情景，无论工作负载集中还是分散，AI扩张带来的电力需求增长具有结构性支撑。

相比之下，部分企业的命运与情景走向高度相关。AVGO在闭源情景下独享最大受益地位；DELL、HPE等本地基础设施厂商及苹果等边缘设备商则在开源情景中才能充分释放价值；大型云服务商的前景则取决于工作负载究竟流向何处——若开源情景成真，微软凭借混合云与本地部署能力具备独特优势，而亚马逊和谷歌在这一情景下则降为"其他受益方"。

摩根士丹利的核心判断是：开放权重模型是加速AI普及的催化剂，而非威胁——真正的问题不是AI需求会否萎缩，而是价值将在哪个层级沉淀。