AI成本高企，初创企业转向开源模型自建
nashnova research
以法律AI公司Harvey为代表，大批初创企业正从OpenAI、Anthropic专有模型迁移至开源模型自训练，以压缩成本、夺回技术自主权——这股浪潮正在改写AI应用层的成本结构与竞争格局。
成本压力到底有多严重？
Harvey今年AI Token用量同比增长约20倍，3月上线代理功能后毛利率从年初约50%急跌至6月的负50%。这意味着→ 用量越大亏得越狠，专有模型的定价结构让规模增长变成了规模灾难。
Harvey随后基于中国月之暗面旗下Kimi K3发布自有模型，叠加其他优化，毛利率已重新转正。用大白话说＝ 从"用别人的模型越用越亏"切换到"自己的模型越用越省"。
Uber因鼓励工程师最大化使用Anthropic Claude Code，4月便耗尽了全年AI预算——Token极大化策略正遭遇定价惩罚。
为什么"现在"自建才有意义？
Harvey联合创始人佩雷拉表示，直到去年底AI应用性能主要取决于底层模型，自训练意义有限；但随着底层模型成本持续攀升，这一逻辑已根本转变。
Ramp联合CEO阿提耶称，一年前自建模型"完全没有意义"，但开源系统能力大幅提升后，该公司已在今年6月完成7.5亿美元融资后将自建列入议程。
这反映出 一个临界点的到来：开源模型的能力追上了专有模型的门槛，而专有模型的价格还在涨——两条曲线交叉，自建的经济账第一次算得过来。
哪些赛道已经在动？
医疗：Abridge基于英伟达开源模型构建临床专用基础模型。客服：Decagon已将80%查询流量切换至自有模型。
金融科技：Ramp和Rogo正首次探索自训练模型。编程工具：Cursor和估值480亿美元的Cognition是最早发布定制模型的AI应用之一。
这意味着→ 迁移不是个别案例，而是跨赛道的结构性趋势——法律、医疗、客服、金融、编程，几乎所有垂直领域同时在动。
投资人怎么看这件事？
红杉资本和General Catalyst均在支持这一趋势。风投机构Basis Set创始合伙人蓝雪昭直言：不通过微调自有模型优化成本的公司"从定义上讲就是低效的"，且"难以获得融资"。
但Anthropic投资方门洛风险投资合伙人克兰宁持保留意见：自建需要专业人才、前期成本较高，对许多公司而言更多是营销策略——"有没有自己的模型根本不是关键问题，大多数情况下不过是一种表演"。
用大白话说＝ 支持方认为"不自建就是浪费钱"，反对方认为"自建本身才是浪费钱"——分歧的核心在于对团队能力门槛的判断。
对OpenAI和Anthropic意味着什么？
两家公司今年均已在基础订阅费之上额外收取模型使用费，直接惩罚了Token极大化策略——这正是推动客户迁移的价格触发器。
同时两家还在法律、金融、医疗等行业加速扩张，与自身客户形成直接竞争。这意味着→ 初创企业同时面对"涨价"和"被抢生意"两重压力，出走动机叠加。
两家公司均在筹备IPO，这波迁移浪潮对其营收增长的实质性侵蚀，将是外界持续观察的核心变量。
市场有风险，内容仅供研究参考，不构成投资建议。