美股一夜血洗 2.8 萬億！矽谷頂級 VC 曝光：開源模型支出九成流向中國

來源：新智元報導

今天凌晨，美股被血洗了。

納斯達克指數暴跌5.52%，創下2025年4月以來最大單日跌幅，正式跌入技術性修正區間。費城半導體指數狂瀉12.3%，這是2020年3月疫情崩盤以來最慘的一天。

英偉達跌9.26%，一天蒸發近4500億美元市值；AMD跌17%，閃迪跌22%，博通跌10%。

從晶片、伺服器、光模組到數據中心的電力供應商，整條AI基建產業鏈幾乎沒有一個角落幸免。

媒體估算，美股一天蒸發約2.8萬億美元！

拋開選舉影響，更深的一層，是市場對天量AI資本開支「到底能不能回本」的懷疑，終於集中爆發了。

可就在兩天前，11月3日，矽谷50年老牌風投Menlo Ventures------Anthropic的早期投資人，發布了《2026年企業AI現狀報告》，裡面的數字跟股市走出了完全相反的方向：

2026年企業AI部署支出從330億美元飆到1770億美元，一年暴漲5.4倍。三年前這個盤子才17億，三年漲了100倍。

一邊是2.8萬億美元灰飛煙滅，一邊是1770億美元真金白銀砸進去。

反差大得離譜。華爾街在懷疑供給側的資本開支能不能回本，而需求側的CTO們，正在加單加到預算失控。

這份報告裡，還藏著兩條更耐人尋味的線索：

中國模型拿下了企業開源模型支出的89%，其中，Kimi占61%；與此同時，企業的錢，正加速流向更貴的旗艦模型，前沿模型的支出份額由35%升至63%。

這兩件事放在一起，才是真正的好戲。

中國模型正在美國企業的帳本上「霸榜」

企業開源模型支出中，中國軍團以壓倒性優勢盤踞前四：Kimi 61%，DeepSeek 15%，GLM 11%，Qwen 3%，合計89%。Meta的Llama，西方世界最拿得出手的開源選手，只拿到7%。

換句話說，美國企業在生產環境裡跑開源模型，十次裡有九次，底層來自中國。

但更有意思的，是中國模型已經不只是「便宜替代品」了------它開始往別人的產品裡「長」進去。

就在昨天，11月5日，Thinking Machines Lab發布了新模型Inkling 2 Small。這家公司不用多介紹：OpenAI前CTO Mira Murati出走創辦，一輪種子就融了20億美元，最近一輪談的估值是400億美元，矽谷含金量最高的明星實驗室之一。

模型本身也不含糊：5940億總參數、170億激活的MoE，Artificial Analysis智能指數拿了31分。

但這些都不是重點。重點藏在技術博客裡一個不起眼的角落------

預訓練走到後半段，餵給模型的數據大部分不是從網上扒的，而是讓幾個更早的模型先跑一遍生成的。點名的第一個，就是月之暗面的Kimi K3。

這叫什麼？這叫Kimi給矽谷的明星實驗室當了一回老師。

能當老師的前提是：你寫的答案，別人願意抄。放在一年前，這個角色基本只屬於GPT和Claude。

當老師還只是一種用法。Kimi K3還在給美國公司當底座。

今年8月，法律AI獨角獸Harvey------估值超百億美元，OpenAI還是它的股東，發布了自家第一個模型Tenet。

基座是誰？不是股東OpenAI的GPT，是Kimi K3。

Harvey只用了大約150塊英偉達B300，花兩個月在Kimi K3上做法律任務的後訓練。

結果，Tenet在自家法律Agent基準上完成的任務數幾乎翻倍，在多項複雜法律任務上，跟Anthropic、OpenAI、Google的旗艦模型打得有來有回。

造模型的Thinking Machines拿它當老師，做應用的Harvey拿它當底座。從實驗室到應用層，Kimi都擠進去了。

對這些公司來說，開放權重意味著拿到了一把可以自己磨的刀，而不只是一把便宜的刀。

中國模型由此進入了海外頭部應用的生產鏈條------從被調用，到被當作老師、底座。

而且，這股勢頭還在加速。

10月23日剛發布的Kimi K3.1 Pro，月之暗面自報的Terminal-Bench 4.0成績達到65.7%；緊接著11月5日，它登陸了微軟Foundry------

這是微軟雲上第一個採用「收入共享」模式的開源權重模型。簡單說就是：企業在微軟Azure上每調一次Kimi，月之暗面都跟著分钱。

而在微軟之前，Kimi已經先上了亞馬遜AWS。微軟、亞馬遜，全球最大的兩朵雲，先後給中國開源模型發了「入場券」。

另一本帳：用量翻倍，錢卻沒跟著漲

中國開源這麼能打，閉源模型是不是該慌了？

故事遠沒這麼簡單。

如果只看使用量，開源的勢頭確實猛：token份額從11%升到19%，月處理量暴漲22.5倍，達到約2.9千萬億個。

但錢呢？支出份額反而從6%降到了4%。

原因很扎心：過去一年，開源陣營大多在卷同一件事------做更小、更快、更便宜的「flash」級模型，拼命打價格戰。

一年時間，開源token的均價跌了3.3倍，現在每百萬token只要0.13美元；閉源模型平均0.70美元，貴五倍多。

價格戰的結果就是：幹的活多了一倍，收的錢反而少了------增量全被降價吃掉了。

打價格戰的開源Flash模型們贏了吆喝，旗艦模型贏了錢包。

企業的預算不認開源閉源，只認誰能幹活。只不過開源陣營裡，夠得上旗艦的選手一隻手數得過來。

這是整份報告最反直覺的發現：前沿旗艦模型的支出份額從35%飆到63%，token份額從18%翻倍到42%。

去年企業的主流選擇是Claude Sonnet 4.5（每百萬輸入token 3美元）和GPT-5（1.25美元）；今年換成了Claude Opus 5.5（4美元）和GPT-6 Astra（10美元）。價格翻了幾倍，用戶不僅沒跑，反而蜂擁而至。

錢流到了誰手裡？Anthropic從40%漲到55%，OpenAI從27%漲到31%，兩家吃掉86%的企業LLM API支出。Google從21%掉到9%，掉隊了。

而Kimi K3、DeepSeek V4、GLM-5.3這些性能已經逼近旗艦的選手，合起來不到5%。能力到了，但企業還沒敢把命根子交過去。

最慘的是夾在中間那層：小型閉源模型降價80%以上，token份額仍從29%跌到13%。上面被旗艦抽走複雜任務，下面被開源搶走簡單活，兩頭擠、兩頭打，裡外不是人。

那為什麼企業寧可花更多錢？

你設想一下：讓AI修一個線上故障，讀代碼、查日誌、定位問題、改文件、跑測試。便宜模型每走幾步就跑偏，你得一遍遍解釋、檢查、返工，最後還是得自己上。Token帳單是省了，工程師的整個下午搭進去了。

所以企業心裡那本帳，算的根本不是每百萬token幾塊錢，而是這件事從頭到尾幹完，一共花了多少。模型調用費只是零頭，人盯著、等著、改著，才是真正燒錢的地方。

便宜當然好，但得有個前提------活真能幹下來。

不過話說回來，開源就幹不了大活？

還是拿Kimi K3.1 Pro來說，2.8萬億參數的MoE架構，支持100萬token的上下文窗口，Terminal-Bench 4.0跑出65.7%，超過了GPT-6 Astra。

在金融研究基準OfficeQA Pro v2上拿到64.4分，全球第一。幻覺錯誤率從前代的23.4%壓到了6.85%。

這已經不是「湊合能用」的水平，這是跟閉源旗艦掰手腕的水平。

開源差的，從來不是智商，而是企業對它的放心程度------合規、售後、長期路線，這些「考場之外」的分數，才是最後一關。

說到底，今天美股的暴跌和這份報告的數據，講的是同一件事的兩面。

華爾街盯著供給側：天量資本開支、數據中心審批、電力成本，樣樣都是懸在頭上的劍。

而Menlo Ventures報告盯著需求側：每花1美元訓練模型，企業就花1.70美元使用它------下游的需求，正在給上游的投入兜底。

華爾街年初還為「AI吃掉SaaS」恐慌過一輪。結果報告顯示：55%的AI新增支出來自全新預算，從傳統軟體預算挪給AI原生廠商的只有9%。

AI在做大蛋糕，不是在搶蛋糕。

寫這份報告的Menlo Ventures，他們的合夥人Tim Tully說了句大實話：

華爾街天天追問AI到底能不能回本，但我們看到的是，企業買家一個都沒縮手，反而在想辦法讓AI多幹點活。

「我們可能仍然低估了這個市場。」

股價會跌，帳單不會撒謊

最後回頭看這份報告裡藏著的三組反差：

旗艦 vs 開源。旗艦模型拿走了69%的部署支出，前沿實驗室的先發優勢在Agent時代被放大。

但報告也說了一句意味深長的話------「能力的稀缺性不會持續太久」。

每當開源在某類任務上追平旗艦，原來的溢價就得重新接受檢驗。

閉源旗艦沒有永久的溢價權。

用量 vs 收入。中國開源以89%的份額證明了自己的能力，但19%的token用量和4%的支出之間，橫著一道商業化考題。

能被大量調用是一關，能穩定扛下複雜任務、讓客戶持續付費，是下一關。

Harvey和Thinking Machines的案例給出了一條路------不靠便宜，靠成為別人的老師、別人的底座；微軟、AWS的分成模式給出了一條------跟雲巨頭合作，調用一次，分帳一次。

股價 vs 帳單。華爾街和企業之間的反差，其實沒那麼矛盾。

股價算的是預期，帳單記的是現實。一天蒸發2.8萬億是預期在回調，一年漲5.4倍是現實在加速。兩者可以同時為真。

但往更遠處看，這份報告揭示的可能不只是一次景氣周期------而是一場產業權力的再分配。

三年前，AI還是實驗室裡的玩具；三年後，企業一年花1770億美元用AI幹活，這筆錢已經頂得上整個公有雲收入的三分之一。

幹活的主力也換了，80%的token是Agent自己燒掉的。

誰的模型能打、誰來訓模型、誰來幫你跑模型，整條鏈上的分工，都在被中國的開源力量重新改寫。