「模型分流」興起，OpenAI與Anthropic的高溢價模式面臨壓力
0xBroomberg
企業級AI用戶正將簡單任務從昂貴前沿模型分流至廉價替代品——這套「模型路由」做法可帶來5至10倍成本效率提升，直接衝擊OpenAI與Anthropic賴以定價的「海量需求+溢價」商業邏輯。
甚麼是「模型路由」，為何突然興起？
「模型路由」（model routing）的核心做法：複雜任務送昂貴的前沿模型，簡單任務分流給便宜的替代方案。這意味著→ 企業不再為所有查詢預設買最貴的模型，而是按任務難度「分揀」。
Glean CEO Arvind Jain 估計，目前約95%的企業AI用量仍跑在最貴的前沿模型上——即便很多任務用廉價模型完全可以做到。
Cognition CEO Scott Wu 指出，對大量樣板化工作做路由切換，可獲得5至10倍的成本效率提升。簡單來說＝ 同樣的活兒，花以前五分之一甚至十分之一的錢就能完成。
算力帳單有多驚人？
思科首席產品官 Jeetu Patel 給出一組測算：每名員工每週約200美元token消耗 → 年人均約1萬美元 → 一家9萬人的公司，年AI支出約9億美元。
思科自身的AI支出已超出預算。目前3萬名工程師的產品開發大量依賴AI，公司已被迫重新分配資源，將token消耗列為優先項。
這反映出 成本曲線的陡峭程度「甚至令最大的科技公司感到意外」——據CNBC報道，CFO和董事會層面正在收緊對低效AI支出的管控。
Cognition的「保底」機制說明了甚麼？
Cognition推出「AI生產力保障」：若其編程智能體Devin交付的工程價值低於客戶付費水平，公司將補貼使用額度，上限1,000萬美元。
Scott Wu 將這一機制定位為回應行業長期困擾的投資回報率爭議——「你可以消耗數十億token卻甚麼都沒做到，企業應該追求產出，而不是量。」
這意味著→ 賣方開始為「效果」而非「用量」買單，定價權的天平正在向買方傾斜。
OpenAI和Anthropic的商業邏輯哪裡脆弱？
一旦企業將高頻、低難度任務批量轉移至開源模型或中國廉價替代品，前沿實驗室只剩複雜任務的收入。簡單來說＝ 最賺錢的「走量」生意被分流掉了，只剩下「精品」訂單。
兩家公司的商業模式和IPO預期均建立在「海量需求+溢價定價」的假設之上。這意味著→ 如果「走量」端收縮，估值基礎本身就要被重估。
Patel 認為這不會從根本上顛覆前沿實驗室——尖端技術仍有價值——但定價模式將被迫轉變：實驗室需提升模型使用效率，而非單純加價。
真正未決的問題是甚麼？
前沿模型在最複雜任務上的溢價地位短期內難以撼動。
但市場的核心懸念在於：那些「其他任務」——不需要最強模型就能完成的任務——究竟佔多大比例？
這個比例的答案，將在相當程度上決定頭部AI公司的估值天花板。這反映出 AI行業的定價權之爭，本質上是一場關於「任務複雜度分佈」的賭注。
Content is for reference only, not financial advice.