AI产业竞争的重点正在从“谁拥有最强模型”转向“谁能够以最低成本完成足够好的任务”。
文章作者、来源：ME News
TL;DR
- 美国企业正在从单纯采购顶级闭源模型，转向“多模型组合”的AI架构，开放权重模型开始进入金融、通信、工业和物流等传统行业。
- AlphaSense数据显示，今年8月至9月，美国企业在财报电话会和投资者会议中提及开放权重或开源模型的次数，同比增加约6倍。
- 企业选择开放模型的核心驱动力并不是技术信仰，而是AI成本压力。随着AI使用规模扩大，Token费用正在成为新的IT支出项目。
- Tinder、AT&T等公司的实践表明，企业正在把简单任务交给低成本模型，将复杂任务留给OpenAI、Anthropic等前沿模型。
- AI产业竞争的重点正在从“谁拥有最强模型”转向“谁能够以最低成本完成足够好的任务”。
美国企业正在重新计算AI这笔账
过去两年，企业采用AI的逻辑非常简单：选择市场上最先进的大模型，然后尽快接入业务。
在生成式AI浪潮初期，企业更关注模型能力。能够处理复杂推理、代码生成、知识问答的大模型，被视为提升生产效率的重要基础设施。OpenAI、Anthropic等公司的闭源模型凭借领先性能，成为大量企业探索AI应用时的首选。
但进入2026年，企业的关注点正在发生变化。
AI正在从实验阶段进入规模化使用阶段，而规模化意味着另一个问题开始浮现：成本。
对于个人用户而言，一次聊天产生的Token费用几乎可以忽略不计；但对于大型企业而言，数万名员工每天调用AI工具，客户服务系统持续运行，内部知识库不断检索，模型调用成本会迅速累积。
因此，企业开始重新审视一个问题：所有AI任务，真的都需要使用最昂贵、最强大的模型吗？
答案正在变得越来越明确。
美国企业正在形成一种新的AI部署方式：让不同模型承担不同任务。复杂任务使用顶级闭源模型，普通任务交给成本更低的开放权重模型，通过模型路由系统自动分配资源。
这并不是企业放弃先进模型，而是在寻找更合理的AI成本结构。
《金融时报》调查显示，开放权重模型正在从科技公司扩散到美国传统企业。AlphaSense数据显示，今年8月和9月，美国企业在财报电话会和投资者会议中提及开放权重或开源模型的次数，同比增加约6倍。金融机构PNC Financial、物流企业CH Robinson以及工业巨头西门子，都已经公开讨论相关应用。
这意味着，开放模型正在从开发者圈层走向企业基础设施层。
AI成本压力正在改变企业采购逻辑
过去，企业采购AI服务时，核心指标通常是模型能力。
但现在，财务部门开始加入讨论。
原因很现实：AI越来越像云计算早期的发展过程。当企业只是进行小规模测试时，性能比成本更重要；但当AI成为每天运行的大规模业务系统后，单位成本就会决定长期可持续性。
Tinder的案例体现了这种变化。
今年1月，Tinder的AI年化支出约为100万美元，到7月已经增长至约1000万美元。随着AI功能不断增加，企业开始意识到，并不是所有用户请求都需要调用最高级模型，因此Tinder已经开始将部分普通请求转交给开放权重模型。
这背后的逻辑并不复杂。
用户提出的请求有明显层级差异。
例如，简单的信息整理、文本分类、基础客服回复，并不一定需要最新一代旗舰模型完成；而复杂推理、代码生成、战略分析等任务，才真正需要顶级模型能力。
如果企业让所有请求都调用最昂贵模型，相当于用超级计算机处理大量普通办公任务。
这种方式在技术上没有错误，但在商业上并不高效。
因此，企业开始建立自己的“AI调度系统”。
未来企业竞争的不只是模型本身，而是谁能够更精准地判断：什么任务应该交给什么模型。
AT&T的实践：企业AI进入“模型组合时代”
美国电信巨头AT&T是这一趋势的代表案例。
AT&T内部AI系统每天处理约450亿Token。面对如此庞大的使用规模，公司没有选择完全依赖OpenAI、Anthropic等闭源模型，而是采用开放模型与商业模型结合的方式。
目前，约40%的AI任务已经交给开放模型处理，公司计划进一步提高这一比例至约70%。对于简单任务，公司使用成本更低的模型；对于复杂任务，则继续使用前沿模型。
AT&T的策略实际上代表了大型企业未来可能采用的AI架构。
企业不会简单选择“开源模型替代闭源模型”，而会建立一个多模型体系。
在这个体系中：
开放权重模型负责大量高频、标准化任务；
闭源旗舰模型负责复杂、高价值任务；
企业自身的数据、流程和业务系统负责连接两者。
这与企业过去部署IT系统的方式类似。
没有一家大型企业会因为某个软件功能强大，就让所有业务全部依赖这一套系统。企业通常会根据成本、效率、安全和业务需求进行组合。
AI也正在走向同样的发展阶段。
AT&T的案例更重要的意义在于，它证明开放模型已经不仅是技术人员的实验工具，而开始成为大型企业控制AI成本的重要手段。
开放模型真正改变的是AI产业的商业模式
很多人将开放权重模型的崛起理解为“开源挑战闭源”。
但这种理解并不完全准确。
企业选择开放模型，并不意味着它们不再需要OpenAI、Anthropic等公司。
事实上，目前最先进的模型仍然具有明显价值。
在复杂推理、多步骤任务、专业领域应用中，领先闭源模型仍然保持竞争优势。
企业真正改变的是采购方式。
过去：
企业购买一个最强模型。
现在：
企业购买一套AI基础设施。
这套基础设施包括模型选择、任务分配、数据管理、安全控制以及成本优化。
模型本身正在逐渐成为基础资源，而如何管理模型，正在成为新的竞争壁垒。
类似云计算时代，企业最终并不会只关心服务器性能，而更加关注如何利用云资源提高效率。
AI产业也正在经历类似变化。
未来企业可能不会问：“你们的模型是不是全球最强？”
而会问：
“在我们的业务场景中，你能否用合理成本完成任务？”
开放模型崛起，也意味着AI竞争进入新阶段
开放权重模型快速进入企业市场，与近年来模型能力差距缩小有关。
早期，闭源模型拥有明显领先优势，企业愿意支付更高价格购买能力。
但随着Meta Llama、Google Gemma，以及其他开放模型不断发展，企业发现，一些常规任务已经不需要依赖最先进模型。
与此同时，企业对于数据控制、安全和部署灵活性的需求，也推动开放模型发展。
对于金融、通信、制造等行业而言，数据安全往往比模型参数规模更加重要。
开放模型允许企业进行本地部署、模型微调以及内部优化，这对于部分敏感业务具有吸引力。
当然，开放模型并非没有挑战。
企业需要承担更多技术管理成本，包括模型部署、维护、安全评估以及性能优化。
对于中小企业而言，直接使用成熟的云端AI服务可能仍然更加简单。
因此，未来AI市场并不会出现“开放模型全面取代闭源模型”的结果。
更可能出现的是长期共存：
少部分高价值任务由顶级模型完成，大量日常任务由低成本模型承担。
AI行业最大的变化，不是模型越来越强，而是越来越便宜
过去几年，AI行业围绕一个问题展开竞争：
谁能打造能力最强的大模型？
但企业市场正在提出另一个问题：
谁能让AI真正大规模使用？
这两个问题并不矛盾。
更强的模型推动技术边界，但更低的成本决定商业规模。
互联网历史上，很多技术最终实现普及，并不是因为它第一次出现时最先进，而是因为成本下降到足够多人能够使用。
计算能力如此，云计算如此，移动互联网如此。
AI可能也会遵循类似路径。
开放权重模型提及量一年增长6倍，并不代表企业正在抛弃先进模型，而是说明AI正在从技术竞赛进入商业效率竞争。
未来几年，企业AI的核心能力可能不再只是拥有一个强大的模型，而是建立一套能够在成本、性能和安全之间持续优化的智能系统。
当AI真正进入企业日常运营，这场竞争才刚刚开始。
参考来源
- Financial Times, “Open-weight AI models spread from tech companies to traditional businesses”, 2026.
- AlphaSense corporate earnings call analysis, 2026.
- AT&T, “The Tokenomics Equation: Balancing Cost and Performance”, July 2026.
- The Information, “AT&T Is Using Open Source Models to Curb Anthropic Bills”, 2026.
- The New York Times, “Corporate America Is Getting Hooked on Open-Source A.I.”, September 2026.
- SiliconReport, “Open-weight AI mentions in earnings calls jump sixfold”, 2026.