國產AI大模型定價權凸顯，產業鏈迎來重估？
從DeepSeek漲價看算力定價權：大摩推演AI三劇本，誰是通吃市場的「最大公約數」？
今日，DeepSeek發布公告稱，計劃近期全面上調API服務價格，預計漲幅較大，具體方案將以後續通知為準。
這並不是一個孤立的漲價事件。近期模型市場正出現一個看似「反常識」的變化：閉源模型越來越便宜，開源模型的實際使用成本反而持續上升。
追蹤大模型推理價格的Silicon Data最新數據顯示，整體LLM Token價格指數穩中有降，目前約為每百萬Token 1.29美元；閉源模型指數從3.07美元的高位持續回落，開源模型指數則從0.66美元的低位不斷攀升。
換句話說，閉源降價、開源漲價，兩者的價格差距正在快速收窄。
開源不等於免費，也不等於算力需求下降
Silicon Data追蹤的是大模型的實際綜合使用成本。開源模型指數上升，不一定代表所有模型同步提價，也可能是DeepSeek、Kimi、GLM等性能更強、推理成本更高的模型獲得更多調用。
開放權重也不等於零成本。企業仍需自購GPU、租用雲端算力，或通過API按Token付費。隨著模型參數增大、推理鏈延長及Agent反覆調用工具，單次任務消耗的算力也在上升。DeepSeek漲價，正反映開源模型正從「低價搶用戶」走向按性能、算力和服務能力定價。
但摩根士丹利認為，模型效率提升會通過「傑文斯悖論」降低AI使用門檻，推動更多企業和場景採用AI。決定算力需求的，不只是單位Token價格，而是：總算力消耗＝用戶數量×調用頻率×單次任務Token量×模型推理複雜度。
即使單位Token價格下降，只要用戶數、調用頻率和推理長度增長得更快，GPU、存儲、網絡和電力需求仍會擴張。
目前超過60%的受訪企業已同時使用開放權重與閉源模型，未來未必只有單一贏家。基於不同模型的能力、成本及部署方式，大摩進一步推演了AI產業的三種發展情景。
大摩推演AI產業的三種發展格局
情景一：閉源模型勝出
如果前沿模型的性能持續難以被複製，少數資金雄厚的實驗室將繼續主導市場。
企業會更加重視準確率、可靠性、安全保障、知識產權賠償和部署便利性，而不是模型控制權。AI訓練和推理仍集中在大型雲端數據中心，閉源模型保留較強的定價權。
在這一情景下，主要受益方向總算力消耗＝用戶數量×調用頻率×單次任務Token量×模型推理複雜度。包括：
閉源模型越強，訓練集群規模越大，對高速互連、光模塊及GW級電力供應的要求也越高。
情景二：開源與閉源形成混合格局
這也是目前企業部署方式最接近的情景。
閉源前沿模型負責複雜推理和Agent任務，開放權重模型負責高頻、成本敏感及高度專業化的工作。企業根據準確率、成本、延遲和安全要求，將不同任務自動分配給不同模型。
在這種格局下，真正重要的將不只是模型本身，而是負責模型選擇、路由、監控、評估和安全治理的中間軟件層。
大摩看好的方向包括：
模型越多、部署位置越分散，企業越需要統一的調度、可觀測性和安全管理平台。
情景三：開放權重模型勝出
如果開放權重模型的性能全面接近前沿水平，基礎模型能力將逐漸商品化，模型API價格也可能在競爭下再次下降。
企業可以利用自身數據微調模型，並根據成本、延遲和數據主權要求，將AI部署到私有雲、本地數據中心甚至PC和手機等邊緣設備。
創新重心也將從大規模預訓練，轉向微調、推理優化、Agent工具和行業應用。
主要受益方向包括：
開源勝出並不代表雲計算消失，而是算力從少數超大規模數據中心，進一步擴散到公有雲、私有雲、本地部署和邊緣設備。
無論開源還是閉源，誰是最大公約數？
大摩的三種情景雖然對模型廠商、雲服務商和網絡設備公司的影響不同，但有幾個方向幾乎貫穿所有格局。
其次是電力。無論算力集中在超大規模數據中心，還是分散至私有雲和本地機房，電力供應都是不可繞過的瓶頸。
第三是安全和模型管理軟件。模型數量越多、部署位置越分散，企業面對的數據洩露、模型攻擊、權限管理和合規風險也越複雜。
因此，DeepSeek漲價真正值得關注的，不是「開源是否還便宜」，而是AI模型正在從技術競賽走向商業化和算力定價。
模型權重可以免費開放，但GPU、顯存、電力和推理服務永遠不會免費。未來開源還是閉源勝出，決定的是算力由誰部署、利潤由誰獲得；但只要AI調用量繼續增長，算力基礎設施仍然是三種格局下最大的共同受益者。
風險及免責聲明：以上內容僅代表作者個人觀點，不代表富途任何立場，亦不構成任何投資建議，富途對此不作任何保證與承諾。更多信息
評論（14）
發表評論
103
291