开源模型不会终结算力需求，摩根士丹利推演AI三种未来格局
开源模型≠算力需求终结
市场常误判：当AI模型变得更小、更高效，GPU和电力需求将见顶。但摩根士丹利在《Weighing In: Open-Weights Models & 3 States of the World》报告中指出，开放权重模型降低的是单次调用成本与部署门槛，并不必然减少总算力消耗。相反，随着AI进入客服分类、合同审核、代码测试等过去“不值得用AI”的低价值场景，调用量激增可能抵消效率提升，甚至引发典型的「杰文斯悖论」——资源使用效率越高，总消耗反而上升。
企业进入“多模型时代”
当前企业普遍采用混合策略：开放权重模型用于编程、文档处理、高频调用及特定领域任务；而复杂推理、高可靠性Agent工作流仍依赖前沿闭源模型。麦肯锡调查显示，63%企业已部署开放模型，但并未弃用闭源方案。2026年数据显示，美国公司通过OpenRouter调用中国开源模型的Token比例一度超30%，表明开放模型已进入真实生产环境。
值得注意的是，开放权重不等于免费。企业虽可省去API授权费，但仍需承担GPU采购、云服务、微调、安全、运维等隐性成本。MIT研究估算转向开源可年省250亿美元，但卡内基梅隆大学指出，自建部署回收期从3个月到6年不等，取决于模型规模、调用频率与工程能力。
算力从集中走向分布式
若开源模型普及，AI算力将不再局限于超大规模数据中心，而是扩散至私有云、企业机房、主权数据中心乃至手机、PC等边缘设备。这促使企业技术栈复杂化，催生四大新层级：
- 网关层：统一管理模型认证、权限与日志；
- 路由层：按成本、延迟、数据敏感度智能分发请求；
- 编排层：协调多模型与工具完成Agent工作流；
- 可观测性层：监控输出质量、成本与安全风险。
模型越开放，企业对“如何稳定投入生产”的付费意愿越强，推动网关、路由、安全与可观测性软件成为新价值高地。
AI三种未来情景推演
摩根士丹利构建三种世界模型，分析产业链价值分配：
情景一：闭源模型胜出——前沿能力仍由少数巨头垄断，训练与推理集中于AWS、Google Cloud等超大规模平台，利好NVIDIA、Broadcom、Arista等芯片与网络厂商。
情景二：混合架构共存——当前主流状态，闭源处理复杂任务，开源负责高频场景。微软、亚马逊、Google继续受益于云负载，同时Datadog、Palantir、Palo Alto Networks等软件与安全厂商需求上升。
情景三：开源模型主流化——基础智能广泛可得，企业聚焦微调与应用部署。Dell、HPE、苹果等本地与端侧设备商受益，云厂商角色转为开放模型托管与AI平台提供者。
跨情景共同赢家浮现
无论哪种未来，三大方向确定性受益：
- NVIDIA：无论算力集中于训练集群还是分散至边缘，持续增长的计算需求均依赖其GPU；
- 电力基础设施：超级数据中心、企业机房与边缘设备均需稳定供电，Bloom Energy、Williams等现场能源公司被反复列入受益名单；
- 安全软件：模型部署越分散，攻击面越大，CrowdStrike、Zscaler、Okta等安全厂商成为被低估的二阶赢家。
AI资本开支进入新阶段
开放权重模型真正终结的，不是算力需求，而是基础模型层长期收取高额“智能租金”的幻想。企业支出正从单纯购买API，转向部署、连接、治理与持续运营。AI CapEx周期并未结束，而是进入参与者更多、部署更分散、价值链更长的新阶段——算力需求将持续存在，只是受益者不再仅限于模型实验室与云巨头。
