“模型分流”兴起，OpenAI与Anthropic的高溢价模式面临压力
0xBroomberg
企业开始用「模型路由」把简单任务分流给廉价模型，只让昂贵的前沿模型处理难题——这直接冲击OpenAI和Anthropic「海量需求+溢价定价」的商业根基，定价权正从卖方向买方转移。
什么是模型路由，为什么突然火了？
模型路由(model routing，把不同难度的AI任务分发给不同价位模型的做法)正在企业中加速普及。核心逻辑很简单：难题给贵模型，简单活给便宜模型。
Glean CEO Arvind Jain估计，目前约95%的企业AI用量仍跑在最贵的前沿模型上——哪怕很多任务用便宜模型就能搞定。
Cognition CEO Scott Wu指出，对大量样板化工作做路由切换，企业可获得5到10倍的成本效率提升。
这意味着→ 绝大多数企业还没开始省钱，路由一旦铺开，前沿模型的用量将被大幅分流。
AI账单到底有多吓人？
思科首席产品官Jeetu Patel给了一组测算：每名员工每周token费用约200美元，年人均约1万美元；9万人的公司，年支出约9亿美元。
思科自身的AI支出已超出预算——3万名工程师的产品开发大量依赖AI，公司已被迫重新分配资源，把token消耗列为优先项。
这反映出 成本曲线的陡峭程度"甚至令最大的科技公司感到意外"，CFO和董事会层面正在收紧对低效AI支出的管控。
"投入产出不成正比"怎么破？
Cognition推出了"AI生产力保障"机制：如果其编程智能体Devin交付的工程价值低于客户付费水平，公司将补贴使用额度，上限1000万美元。
用大白话说＝ 这是一种"不见效就退钱"的兜底承诺，直击行业里长期争论的ROI(投资回报率)问题。
Wu的原话很直白："你可以消耗数十亿token却什么都没做到，企业应该追求产出，而不是活动量。"
OpenAI和Anthropic的商业模式哪里危险？
一旦企业把高频、低难度任务批量转给开源模型或廉价替代品，OpenAI和Anthropic将只剩下复杂任务的收入。
这意味着→ 两家公司的商业模式和IPO预期都建立在"海量需求+溢价定价"之上——路由分流直接砍掉"海量"那一半。
Patel认为前沿实验室不会被颠覆，尖端技术仍有价值，但定价模式将转变：实验室必须提升模型使用效率，而非单纯涨价。
真正的悬念是什么？
前沿模型在最复杂任务上的溢价地位短期内难以撼动。
但市场真正的问题在于：那些"其他任务"——可以被路由到便宜模型的部分——究竟占多大比例？
用大白话说＝ 如果简单任务占八成，路由就能切掉前沿模型八成的用量收入；如果只占两成，冲击就有限。这个比例的答案，将在很大程度上决定头部AI公司的估值天花板。
Content is for reference only, not financial advice.