開放權重、模型路由和架構效率提升會壓低單位智能成本，卻可能通過傑文斯悖論放大總算力需求。 當簡單調用成本下降，企業會部署更多持續運行的智能體、並行子智能體、長上下文分析、代碼自動化和實時多模態服務。
智通財經APP獲悉，近日AI大模型技術演變路徑與市場滲透趨勢可謂令聚焦OpenAI以及Anthropic這類閉源AI應用開發領軍者估值前景的機構投資者們感到震驚，尤其是包括英偉達(NVDA.US)、微軟(MSFT.US)、Facebook母公司Meta(META.US)、美國老牌科技巨頭IBM(IBM.US)以及硅谷風險投資巨頭Andreessen Horowitz在內的全球科技行業領軍勢力，正在敦促美國政府支持開放權重(open-weight AI)AI大模型技術的發展軌跡。英偉達、微軟等逾20家全球最頂級科技公司聯署公開信支持開放權重AI模型，OpenAI和Anthropic未在信上署名，但是世界首富兼SpaceX創始人馬斯克，以及微軟CEO等科技巨頭掌舵者均公開表態支持。
據悉，在AI開發者生態中，open-weight AI通常指代「開放權重AI大模型」，即開發者可以下載模型訓練完成後的參數，在自有服務器或雲環境中部署、微調和推理;但模型開發方未必公開訓練數據、數據處理方法、訓練代碼、完整架構細節，也可能通過許可證限制商業用途或特定應用。
嚴格意義上的開源AI範圍更廣：除權重外，還應提供足以讓使用者研究、修改和復現系統的代碼、架構及訓練數據信息，並保障使用、研究、修改和再分發等基本自由。因此，開放權重是「模型成品可拿來使用和改造」，真正的開源AI則進一步開放「模型如何被製造出來」;前者可以是後者的一部分，但開放權重不必然等於開源所有技術環節與代碼。
據了解，上述這封於上週五發布的重要AI科技行業公開信，正值白宮出於國家安全擔憂，考慮是否禁止中國開放權重模型之際。共有20多家公司在信上簽名，其中包括A16z、戴爾、微軟、Meta、英偉達，以及Palantir等衆多AI應用軟件領域主導者們。
對於全球投資者們聚焦的對AI算力產業鏈與AI超級牛市投資風向而言，開放權重、模型路由和架構效率提升會壓低單位智能成本，卻可能通過傑文斯悖論放大總算力需求。 當簡單調用成本下降，企業會部署更多持續運行的智能體、並行子智能體、長上下文分析、代碼自動化和實時多模態服務;單次任務可能消耗更少算力，但任務數量、推理步驟和部署節點可能增長得更快。KIMI K3此類超大MoE模型即使只激活少量專家，也仍需把龐大權重分佈在高容量內存和高速互連集群中，因而開放模型的普及將把算力需求從少數閉源實驗室擴散至雲服務商、主權雲、面向企業們的巨型AI數據中心和本地推理集群。
近期討論火熱所謂的傑文斯效應(Jevons Effect)，又稱傑文斯悖論，是一個反直覺的經濟學理論：當前沿技術進步提高了某種資源(如能源、原材料或AI算力基礎設施資源)的使用效率時，它會降低單位成本，從而刺激市場需求大規模擴張，最終導致所有類型資源的總消耗量不降反增。該概念由英國經濟學家威廉·斯坦利·傑文斯(William Stanley Jevons)於1865年在《煤炭問題》一書中首次提出。
美國科技巨頭們爲何突然間支持開放權重AI?
微軟與其他聯署方在這份公開信中表示：「開放權重AI大模型擴大了全球企業參與AI時代經濟繁榮的機遇。」信中指出，各類組織可以在先進AI模型基礎上進行開發，而無需從頭訓練模型，也無需支付最前沿模型的昂貴Token價格。
這家科技巨頭補充稱，開放權重能夠促進競爭，確保AI帶來的收益得到更加廣泛共享，而不是集中在少數參與者手中。
「開放權重使每一家組織都能以合適的成本，爲合適的任務匹配合適的模型，將前沿規模的能力留給真正的前沿問題，同時在其他所有場景中集成、運行、部署高效且專業化的模型。」
據了解，英偉達首席執行官黃仁勳一直是開放權重AI的積極倡導者。他本人在分享這封聯署信時寫道：「我分享一封英偉達參與聯署的信，說明開放AI大模型爲何至關重要。AI最終將改變每一個行業，爲每一家企業提供動力，並由每一個國家參與並主導建設。」
與OpenAI以及Anthropic主導的這類封閉式閉源AI系統不同，開放權重模型允許開發者和企業下載經過訓練的幾乎所有參數——即所謂的「大模型權重」——並在基於自身系統專屬打造的AI算力基礎設施上運行。從本質上看，這一理念類似於數十年前改變全球計算機行業的開源軟件運動。
開放權重模型與完全開源的AI不同。開放權重模型通常會公開訓練完成後的模型權重並且所有人可免費下載並完成一鍵部署，但不一定同時公開底層訓練數據或所有關於AI大模型的源代碼。
訓練先進AI模型可能耗資數十億美元。公開信認爲，開放權重模型能夠很大程度上解決這一難題，因爲開發者可以在現有AI模型的基礎上進行開發或者深度定製化訓練，而不必從頭打造一個模型。對於規模較小的企業而言，這大幅降低了參與AI時代產品競賽的門檻。
根據信中所述，開放權重模型不僅能夠促進AI開發者們之間的競爭，也能夠推動雲計算服務提供商、芯片公司、軟件提供公司和AI應用開發商們之間的良性積極競爭。
「這種競爭能夠刺激創新、降低成本，並使AI帶來的收益廣泛惠及整個經濟體」，因爲開放權重AI大幅降低了開發AI產品的一系列成本。
相比之下，OpenAI、Anthropic以及Alphabet旗下谷歌(GOOGL).US等封閉式AI模型的開發者，顯然有強大的經濟動機繼續對其最頂尖的技術保持獨家控制。
那麼，包括英偉達在內的這些科技巨頭們如何看待關於開放權重AI大模型的安全風險?這份公開信補充表示，網絡安全防禦領域需要優先獲得這些最先進的開源或者閉源AI能力，才能應對AI時代日益複雜的網絡安全攻擊。信中研究員們認爲，開放權重AI大模型可以讓更多研究人員識別漏洞、改進安全防護系統，並對系統進行一些大規模且獨立的環節測試，而不必完全依賴最初的模型開發者們。
Kimi掀起「開放權重+低價Token」衝擊波，模型路由接管AI入口
Kimi帶來的真正衝擊，不只是「價格更低」，而是高性能成本比、開放權重、長上下文和開發接口兼容性共同降低了模型遷移門檻。Kimi K2.6的官方價格爲每百萬輸入、輸出Token分別約0.95美元和4美元，緩存輸入僅0.16美元;Kimi K3則提供100萬Token上下文，在OpenRouter上的價格爲3美元和15美元。因而，「低價」是相對於其能力層級而言，並非所有型號中絕對最低;更關鍵的是，開放權重允許企業在自有基礎設施、區域雲或第三方推理平台上部署，削弱對單一API供應商的依賴。Kimi K2.5在OpenRouter上已累積超過123億Token使用量，說明中國開放模型正在迅速進入全球AI開發者工具鏈，而不再只是本土AI聊天機器人窗口產品。
所謂「模型路由」，意味着企業未來不再將全部任務綁定給OpenAI、Anthropic或某一個模型，而是在請求到達時，根據質量、成本、延遲、合規、上下文長度和可用性動態選擇模型：簡單分類、摘要和客服交給低成本開放模型，複雜推理、關鍵代碼與高風險決策才調用昂貴的前沿模型。
微軟打造出的Model Router已支持成本、質量和平衡三種路由模式，並提供自動故障切換;微軟認爲路由器可在質量沒有可測下降的情況下，將60%—80%的流量導向更便宜的模型。AWS內部測試則顯示，智能路由在不同模型家族中可節省約16%—56%的成本，在部分RAG測試中節省幅度達到63.6%。這意味着AI應用的核心入口正在從「模型品牌」遷移到路由與編排控制層，後者掌握流量分配、模型議價和實際Token消費。
這也正是「傑文斯悖論」可能在AI產業重演的地方：模型路由、緩存、量化和開放權重降低了每次推理的邊際成本，但廉價智能會催生此前經濟上不可行的新需求——持續運行的企業智能體、數百次內部推理與自我校驗、並行子智能體、百萬Token文檔分析、實時語音和視頻理解，以及嵌入每一項軟件操作的後臺AI。只要Token需求對價格的彈性大於1，即單位價格下降50%後調用量增長超過一倍，總算力消耗和總推理支出反而會上升。
因此，低成本模型短期可能引發「算力需求見頂」的擔憂，長期卻更可能把AI從少數高價值任務擴散至數十億次日常工作流，使訓練時代的階段性資本開支轉化爲推理時代持續、分佈式且高頻的算力消耗。開放權重聯署信本身也將經濟可持續性的關鍵，定義爲讓前沿能力只處理前沿問題，而讓高效專用模型覆蓋海量日常任務。
AI芯片、存儲、光互連、AI控制平面以及垂直應用
對AI算力產業鏈而言，絕非意味着AI算力需求消失，而是算力結構從集中式訓練向訓練與廣泛推理並重遷移。前沿訓練仍需要最高端GPU、先進製程、HBM/企業級DRAM/數據中心NAND、先進封裝和光學高速互連;開放模型與模型路由則會擴大企業私有云、主權AI、區域雲和本地數據中心的推理部署，提升對推理GPU、專用加速器、服務器CPU、高端DRAM/NAND等存儲組件、以太網基礎設施、光模塊等光學互連繫統以及電力與液冷系統的需求。
此外，技術定價錨也將從單純追求峰值FLOPS，轉向每瓦Token、每美元Token、內存帶寬、KV Cache效率、MoE稀疏激活和集群利用率。需要強調的是，開放權重並不等於可在個人電腦上低成本運行：Kimi K3擁有2.8萬億總參數和100萬Token上下文，其完整部署仍屬於大型機架或數據中心級工程，這反而有利於具備規模化推理、集群調度和能源基礎設施能力的供應商。
OpenAI與Anthropic並不會因此失去全部增長空間，但「所有請求都以高價調用閉源模型」的Token收費站模式將受到結構性侵蝕。Anthropic的Claude Opus 5定價爲每百萬輸入、輸出Token5美元和25美元，Sonnet 5促銷價格爲2美元和10美元;面對Kimi等開放模型以及自動路由，閉源實驗室必須證明其前沿能力、可靠性、安全合規、工具生態和端到端智能體能夠創造顯著高於價格差的業務價值。
在高盛看來AI算力超級牛市遠未宣告結束，而是從「AI芯片購置狂潮」進入「大規模建設AI工廠」的第二階段——即下一輪超額阿爾法收益也將不再僅僅屬於AI GPU/AI ASIC領域最強龍頭名單，而會系統性擴散到數據中心高性能CPU、DRAM/NAND/HBM存儲、AI PCB、液冷系統、數據中心光互連繫統、ABF載板/玻璃基板、MLCC、電子布與廣泛晶圓代工等「AI工廠」全棧AI算力基礎設施層。
來自華爾街金融巨頭摩根士丹利的資深分析師Brian Nowak領銜分析團隊近期發佈的研報顯示，將全球市場規模最龐大的五家超大規模雲計算與廠商(Meta、亞馬遜、微軟、谷歌、SpaceX)的2027/2028年資本開支預測再度顯著上調，分別達到約1.2萬億和1.4萬億美元。該機構對於2026年美國大型科技巨頭們資本開支預期則從一年前的4330億美元大幅上修至8050億美元。
摩根士丹利此次最新研究將Meta的2027年和2028年資本開支預測分別上調29%和22%，至2250億美元和2500億美元;將亞馬遜相應預測上調 15%和29%，至3080億美元和3180億美元。摩根士丹利表示，資本開支超級週期尚未結束，但2026年以及2027年可能是增速最陡峭的年份，2028年以後決定股價的將不再只是「誰花錢最多」，而是「誰能最快把AI算力資源轉化爲營收、利潤和自由現金流」。
MoE、模型路由、量化與緩存雖會降低單位Token成本，卻可能通過「傑文斯悖論」催生更多常駐智能體、更長推理鏈和更高調用頻率，令總算力與總用電需求反而繼續上升。
另一華爾街金融巨頭花旗集團的最新研報顯示，AI時代的軍備競賽正從「誰的模型最聰明」轉向「誰能在物理約束下最低成本、最高效率地持續產出智能」：Kimi K3等開放權重模型迅速逼近閉源前沿，意味着模型能力加速商品化，但參數規模、長上下文與多步驟Agent推理同步膨脹，使瓶頸由單純FLOPs遷移至HBM容量和帶寬、GPU高速互連、集群調度以及電力接入。英偉達研究也指出，模型規模、序列長度和批量擴大時，HBM往往成爲主要擴展約束;IEA預測則顯示，AI數據中心用電增速顯著快於整體電力需求，而電網建設週期普遍長於數據中心部署週期。
若AI超級牛市持續上演，未來AI算力產業鏈投資風向可能長期聚焦於AI芯片、存儲、光互連、AI控制平面以及垂直應用，這也是爲何摩根士丹利、美國銀行以及野村等華爾街金融巨頭們持續看好英偉達、美光、SK海力士以及英特爾等AI算力產業鏈主導者們。也就是掌握AI芯片、存儲組件、網絡基礎設施和能源瓶頸的算力基礎設施領軍者們;掌握路由、評測、推理優化、安全與可觀測性的AI控制平面;以及能夠利用Token通縮擴大使用量、形成真實現金流的垂直應用。最需要警惕的則是缺乏專有數據、工作流壁壘和分發渠道、僅在單一閉源API上加殼的軟件公司——模型路由越成熟，其產品越容易被替換，利潤率也越容易被底層價格戰吞噬。
編輯/Deng