AI 競爭三軸重組，開放權重成本壓力加大

人工智慧（AI）市場的競爭軸心分為封閉型前沿模型、開放權重模型及應用企業三個軸心。分析指出，企業客戶在使用 AI 時所面臨的成本與控制條件，已成為競爭的核心，而不僅僅是誰能率先開發出高性能模型。

Saurabh Gupta，DST Global 的共同創辦人及管理合夥人，在《福布斯》專欄中將 2026 年的 AI 經濟比喻為「三身問題」。他認為，像 OpenAI 和 Anthropic 這樣的封閉型前沿實驗室、中國主導的開放權重模型，以及在這兩種模型之上開發產品的應用企業，正在互相改變彼此的發展路徑。

封閉型前沿模型是指開發商控制模型和服務，使用者則以 API 或產品的形式進行訪問。過去，擁有最強模型的企業明顯主導市場，但隨著 AI 支出增加，企業客戶開始考量投資回報率和數據控制問題。

《福布斯》專欄提到，近期的變化包括 Anthropic 的需求增加、AI 支出的投資回報壓力，以及 Meta 的 Muse Spark 1.1 和 xAI 的 Grok 4.5 的推出。這解釋了在封閉型模型之間性能競爭持續的情況下，成本和部署靈活性成為新的競爭軸心。

開放權重陣營的存在感也在增強。Moonshot 在 Kimi K3 的官方發布中提出了 2.8 兆個參數和 100 萬個令牌上下文窗口，而 Z.ai 則表示 GLM-5.2 擁有 7530 億個參數和公開權重，並獲得 MIT 許可證。

開放權重與完全公開源代碼的開源不同。即使允許訪問模型權重，學習數據、代碼和再分發權限並不一定完全自由，因此需要單獨確認每個模型的許可證和使用條件。

這一趨勢與我們之前報導的中國企業低成本開放權重模型的擴散相呼應。在當時的分析中，中國 AI 企業在有限的半導體可及性下，通過模型效率和海外開發者生態系統與美國企業的封閉型模型競爭。

美國企業也在並行推進公開模型策略。Thinking Machines 在 7 月 15 日公開了 Inkling，而 NVIDIA（$NVDA）則推出了 Nemotron 3 產品系列，包括 Nano、Super 和 Ultra 三種公開模型。

NVIDIA 在公告中表示，將提供公開模型、數據和庫，以便開發者能夠創建適合特定任務的 AI 代理。這被解讀為針對需求，旨在組合不同用途的模型，而不是僅依賴封閉型前沿模型來處理所有任務。

對於應用企業而言，成本是直接的變數。Posit AI 在 8 月 10 日將 Kimi K3 和 GLM-5.2 添加到其產品系列中，並表示這兩個模型的成本低於提供類似體感性能的封閉型模型。

這些選擇顯示應用企業不再受限於單一封閉型模型，而是根據業務需求選擇模型。擁有客戶接觸點和業務數據的應用企業，可以比較模型性能、成本、延遲時間和安全條件。

前沿實驗室的增長速度也很快。路透社報導，Anthropic 在 7 月底的年化收入超過 650 億美元（約 90 兆韓元），而商業時報則報導 OpenAI 的年化收入超過 400 億美元（約 55 兆韓元）。

不過，這些數字並不是經過審計的年收入，而是將當前收入水平年化的指標。這可以視為高性能 AI 模型需求增長的信號，但必須與實際的年業績或盈利指標區分開來。

政策風險仍然存在。路透社報導，特朗普政府已向 AI 企業傳達不會將開放權重 AI 模型納入自願安全測試對象的意向。這與我們之前報導的白宮以封閉型前沿 AI 為中心的自願事前審查討論的政策趨勢相符。

同一報導區分了擁有公開核心組件的模型與由特定企業控制的封閉型模型。隨著開放權重的擴散，關於誰負責安全驗證和部署責任的爭論也可能加劇。

對於韓國企業而言，這一問題也導致了 AI 引入成本和數據控制的問題。在選擇業務用 AI 時，不能僅僅比較 OpenAI 或 Anthropic 等封閉型模型，還必須檢視來自中國的開放權重模型、美國的公開模型，以及這些模型組合而成的應用服務。

目前根據已確認的事實來看，AI 市場的平衡並未朝著某一方整理。封閉型模型在增長收入和性能，而開放權重模型則強調成本和部署靈活性，應用企業則以組合兩者的方式來應對市場。

本內容僅供參考，不構成任何金融、投資、法律或稅務建議。文中提及的任何活動、獎勵、線上活動或相關資訊，不應被視為對購買、出售或交易任何加密資產的推薦、招攬或邀請。加密資產具有高波動性，存在價值損失風險。WEEX服務、產品及相關活動的可用性可能因地區而異。用戶在參與前有責任確保符合當地適用法律法規。