AI竞争三大支柱重组，开放权重成本压力加大

人工智能（AI）市场的竞争轴心分为封闭型前沿模型、开放权重模型和应用企业三大支柱。分析认为，企业客户在使用AI时所面临的成本和控制条件，已成为竞争的核心，而非谁首先创造出高性能模型。

DST Global的联合创始人兼管理合伙人萨乌拉布·古普塔（Saurabh Gupta）在《财富》专栏中将2026年的AI经济比喻为“三体问题”。他认为，像OpenAI和Anthropic这样的封闭型前沿实验室、中国主导的开放权重模型以及在这两种模型之上构建产品的应用企业，正在相互改变各自的发展路径。

封闭型前沿模型是指开发者控制模型和服务，用户通过API或产品形式进行访问。到目前为止，拥有最强模型的企业在市场上占据主导地位的格局十分明显，但随着AI支出的增加，企业客户开始同时考虑投资回报率和数据控制问题。

《财富》专栏提到，最近的变化包括对Anthropic的需求增加、AI支出对投资回报率的压力，以及Meta的Muse Spark 1.1和xAI的Grok 4.5的发布。这表明，在封闭型模型之间的性能竞争持续进行的同时，成本和部署灵活性已成为新的竞争轴心。

开放权重阵营的存在感也在增强。Moonshot在Kimi K3的正式发布中提出了28000亿个参数和100万个令牌上下文窗口，而Z.ai则表示GLM-5.2拥有7530亿个参数和公开权重，以及MIT许可证。

开放权重与完全公开源代码的开源不同。即使允许访问模型权重，学习数据、代码和再分发权限并不完全自由，因此需要单独确认每个模型的许可证和使用条件。

这一趋势与我们之前报道的中国企业低成本开放权重模型的扩散相呼应。当时的分析指出，中国AI企业在有限的半导体可及性下，通过模型效率和海外开发者生态系统与美国企业的封闭型模型展开竞争。

美国企业也在同时推行公开模型战略。Thinking Machines于7月15日发布了Inkling，而NVIDIA（$NVDA）则推出了Nemotron 3系列的Nano、Super和Ultra三种公开模型。

NVIDIA在声明中表示，开发者可以获得公开模型、数据和库，以便创建适合特定任务的AI代理。这被解读为一种针对需求，旨在组合不同用途模型，而不是仅依赖封闭型前沿模型处理所有任务的举动。

对于应用企业而言，成本是直接的变量。Posit AI于8月10日将Kimi K3和GLM-5.2纳入其产品系列，并表示这两种模型的成本低于提供相似感知性能的封闭型模型。

这种选择显示出应用企业不再局限于单一的封闭型模型，而是根据不同工作选择模型。拥有客户接触点和业务数据的应用企业能够比较模型性能、成本、延迟和安全条件。

前沿实验室的增长速度也很快。路透社报道，Anthropic在7月底的年化收入超过650亿美元（约90万亿韩元），而《商业时报》则称OpenAI的年化收入超过400亿美元（约55万亿韩元）。

然而，这一数字并非经过审计的年收入，而是将当前收入水平年化的指标。虽然可以视为高性能AI模型需求增加的信号，但与实际年业绩或盈利能力指标应有所区分。

政策风险依然存在。路透社报道，特朗普政府已向AI企业传达不将开放权重AI模型纳入自愿安全测试对象的意向。这与我们之前报道的白宫围绕封闭型前沿AI中心自愿预审讨论的政策趋势相符。

同一报道区分了拥有公开核心组件的模型与由特定企业控制的封闭型模型。随着开放权重的扩散，关于安全验证和分发责任由谁承担的争论也可能加剧。

这一问题对韩国企业而言，也涉及到AI引入成本和数据控制的问题。在选择业务用AI时，不能仅比较OpenAI或Anthropic等封闭型模型，还需考虑来自中国的开放权重模型、美国的公开模型以及结合这些模型的应用服务。

从目前确认的事实来看，AI市场的平衡并未向一方倾斜。封闭型模型在收入和性能上不断增长，而开放权重模型则强调成本和部署灵活性，应用企业则通过组合这两者来应对市场。

本内容仅供参考，不构成任何金融、投资、法律或税务建议。文中提及的任何活动、奖励、线上活动或相关信息，不应被视为对购买、出售或交易任何加密资产的推荐、招揽或邀请。加密资产具有高波动性，存在价值损失风险。WEEX服务、产品及相关活动的可用性可能因地区而异。用户在参与前有责任确保符合当地适用法律法规。