AI成本高企，初創企業轉向開源模型自建
nashnova research
以法律AI公司Harvey為代表，大批初創企業正從OpenAI、Anthropic專有模型遷移至開源模型自行訓練，以壓縮成本、奪回技術自主權——這股浪潮正在改寫AI應用層的成本結構與競爭格局。
成本壓力到底有多嚴重？
Harvey今年AI Token用量按年增長約20倍，3月上線代理功能後毛利率從年初約50%急跌至6月的負50%。這意味著→ 用量愈大虧得愈狠，專有模型的定價結構令規模增長變成規模災難。
Harvey隨後基於中國月之暗面旗下Kimi K3發佈自有模型，疊加其他優化，毛利率已重新轉正。簡單來說＝ 從「用別人的模型愈用愈蝕」切換到「自己的模型愈用愈慳」。
Uber因鼓勵工程師最大化使用Anthropic Claude Code，4月便耗盡全年AI預算——Token極大化策略正遭遇定價懲罰。
點解「而家」自建先有意義？
Harvey聯合創始人佩雷拉表示，直到去年底AI應用性能主要取決於底層模型，自行訓練意義有限；但隨著底層模型成本持續攀升，呢個邏輯已根本轉變。
Ramp聯合CEO阿提耶稱，一年前自建模型「完全冇意義」，但開源系統能力大幅提升後，公司已在今年6月完成7.5億美元融資後將自建列入議程。
這反映出 一個臨界點的到來：開源模型能力追上了專有模型的門檻，而專有模型價格仍在升——兩條曲線交叉，自建的經濟賬第一次算得過來。
邊啲賽道已經喺度動？
醫療：Abridge基於英偉達開源模型構建臨床專用基礎模型。客服：Decagon已將80%查詢流量切換至自有模型。
金融科技：Ramp和Rogo正首次探索自行訓練模型。編程工具：Cursor和估值480億美元的Cognition是最早發佈定制模型的AI應用之一。
這意味著→ 遷移並非個別案例，而是跨賽道的結構性趨勢——法律、醫療、客服、金融、編程，幾乎所有垂直領域同時在動。
投資人點睇呢件事？
紅杉資本和General Catalyst均在支持這一趨勢。風投機構Basis Set創始合夥人藍雪昭直言：不通過微調自有模型優化成本的公司「從定義上講就係低效的」，且「難以獲得融資」。
但Anthropic投資方門洛風險投資合夥人克蘭寧持保留意見：自建需要專業人才、前期成本較高，對許多公司而言更多是營銷策略——「有冇自己的模型根本唔係關鍵問題，大多數情況下不過係一種表演」。
說白了＝ 支持方認為「唔自建就係嘥錢」，反對方認為「自建本身先係嘥錢」——分歧核心在於對團隊能力門檻的判斷。
對OpenAI同Anthropic意味著乜？
兩家公司今年均已在基礎訂閱費之上額外收取模型使用費，直接懲罰Token極大化策略——這正是推動客戶遷移的價格觸發器。
同時兩家還在法律、金融、醫療等行業加速擴張，與自身客戶形成直接競爭。這意味著→ 初創企業同時面對「加價」和「被搶生意」兩重壓力，出走動機疊加。
兩家公司均在籌備IPO，這波遷移浪潮對其營收增長的實質性侵蝕，將是外界持續觀察的核心變量。
市场有风险，内容仅供研究参考，不构成投资建议。