7%到56%，美国大厂把AI账单转向中国开源模型

去年12月，开放权重模型在Vercel AI Gateway处理的Token里只占7%。到今年8月，这个数字变成了56%。不到一年，翻了八倍。这不是开发者社区里的小圈子实验，而是企业真实调用量堆出来的曲线。

更早给出信号的是企业财报电话会。AlphaSense统计显示，今年8月和9月，美国企业在业绩电话会和投资者会议中提到open weight或open source模型的次数，比去年同期增加了6倍。讨论这些模型的公司，已经从科技行业扩散到金融、物流和工业领域——PNC Financial Services、CH Robinson、Siemens最近都公开谈到了开放模型的使用。

换句话说，企业对开放模型的兴趣，同时出现在两个地方：一边是嘴上说的财报会，一边是真实烧掉的Token。

半年，AI预算涨了10倍

Tinder CTO Vinay Kuruvila透露了一个让所有CTO都会心里一紧的数字。今年1月，公司按照当时的AI使用规模估算，全年支出大约是100万美元。到了7月，这个数字已经变成1000万美元/年。半年，涨了10倍。

Kuruvila的态度很直接：我不想再看到一次10倍增长。现在，Tinder已经开始把一部分来自普通用户的请求，转给开放权重模型处理。

这个转向背后是一个更朴素的问题。对于很多企业任务来说，真正的问题已经逐渐从"哪个模型最聪明"，变成了"这个任务到底值不值得调用最贵的模型"。Kuruvila认为，目前OpenAI Astra和Anthropic Claude Fable这样的前沿模型，对于Tinder约90%的任务来说，能力已经足够。一旦开放模型进一步追近，企业继续为这部分能力支付前沿模型溢价的必要性就会下降。

企业AI正在进入一个越来越细的模型分流阶段。最难的任务继续交给最强模型，大量重复、明确、容错边界清晰的任务，开始流向更便宜的模型。

一天450亿Token，40%已经不在闭源模型上

比Tinder更夸张的是AT&T。这家美国电信巨头现在每天处理大约450亿Token，其中约40%的AI工作负载已经运行在开放模型上。公司给自己定下的目标，是一年内把这个比例提升到70%。

AT&T首席数据与AI官Andy Markus解释，在这样的调用量级下，成本已经成为模型选择中非常关键的变量。如果一个任务可以从昂贵的闭源模型迁移到开放模型，同时准确率没有明显下降，公司自然会迁移。

更重要的是，AT&T并不是简单下载一个开源模型直接使用。他们还会利用自己的专有数据对模型进行调优。在一些特定任务中，经过企业数据优化后的开放模型，效果甚至可以做到和闭源模型相当，乃至更好。这正是开放模型对企业最有吸引力的一点：它可以被企业改造成自己的模型。参数开放之后，企业可以自己部署、微调，不必每次调用都向模型公司支付Token费用。如果企业本来就拥有大量算力、数据和工程团队，这笔账尤其容易算过来。

省钱的账本里，出现了中国公司的名字

据《金融时报》报道，今年以来，企业对开放模型的讨论和实际调用量都出现明显增长，而当前开放权重模型市场里，最活跃的一批玩家正来自中国。DeepSeek、智谱等公司的名字，开始出现在美国企业重新计算AI成本的这张账单里。

OpenRouter上的趋势也类似。按照Token调用量统计，排名靠前的模型中，来自中国实验室的开放模型已经占据相当醒目的位置。

这些公司的商业模式和OpenAI、Anthropic并不完全相同。对OpenAI和Anthropic来说，最先进的闭源模型本身就是核心商品，用户使用一次，就支付一次API成本。开放模型玩家则有更多选择：有的通过Token API收费，有的免费提供模型希望扩大生态和开发者覆盖，还有厂商可以通过模型带动芯片、云服务或者其他产品销售。当企业开始对AI成本越来越敏感时，开放模型可以把价格压到一个完全不同的水平。尤其对于可以自行部署的企业来说，Token API甚至都可以跳过——模型下载下来，跑在自己的基础设施上。

全球开放权重模型市场中，一股绕不开的力量来自中国。此外，法国Mistral，以及美国的Nvidia、Reflection AI、Thinking Machines Lab，也在推出开放程度较高的模型。

便宜之外，还有数据主权

企业拥抱开放模型，并不完全因为便宜。Digital Realty高级全球解决方案架构总监Scott Wallace提到了另外两个原因：数据主权和安全。

Digital Realty已经搭建了自己的内部聊天系统，底层运行开放权重模型。公司会根据不同任务的敏感程度，在开放模型和商业闭源模型之间切换。其中一些企业内部数据，只会进入部署在私有基础设施上的模型。Wallace说：客户数据不会进入外部的前沿模型。

这揭示出企业AI里的另一个趋势。过去大家关注的是最强的模型是哪一个，但到了真正部署阶段，企业考虑的是一整套问题：成本多少、数据放在哪里、模型能不能定制、延迟多高、是否可以私有化，以及出了问题之后自己能控制多少。在这些维度上，开放模型天然拥有一些不同于闭源API的优势。

真正的对手，可能是一张Excel表

现在谈企业全面抛弃OpenAI和Anthropic，还远远过早。目前，两家公司依然拿走了企业AI支出中的很大一部分。最复杂的编码、推理、研究和Agent任务，企业仍然高度依赖前沿模型。这些模型对算力的大规模需求，也仍然支撑着全球数据中心建设热潮。

但变化已经出现了。过去企业可能倾向于把各种任务全部接入最强模型，现在越来越多公司开始做另一件事：拆任务。哪些任务必须用最强模型？哪些任务用次一级模型就够了？哪些任务可以直接交给本地部署的开放模型？

一旦AI调用量从每天几百万Token增长到几十亿、几百亿Token，这种模型路由就不再是工程细节，它会直接变成成本问题。对OpenAI和Anthropic来说，这可能比又出现一家参数更大的竞争对手更棘手。因为企业做这个决定时，摆在面前的未必是一张Benchmark，更可能是一张Excel表。这张表里的最后一列写着：每年能省多少钱。