开放权重模型推动企业降本增效，人工智能竞争转向多模型格局

概览

报告围绕过去一周的三项开放权重模型进展展开：一是中国模型通过直接提价和商业许可改善盈利；二是美国企业采用开放权重模型并获得明确投资回报；三是 Meta 重返开放权重生态。Morgan Stanley认为，人工智能市场正快速走向多模型格局，开放模型有助于降低单位成本、加速企业采用并维持计算需求，但中美模型价格差将决定开放与闭源模型的竞争边界。

核心观点

中国模型正在从低价竞争转向分层定价和商业化，进入模型规模扩大、进入壁垒提高与变现改善阶段。与此同时，美国闭源模型价格预计继续下降，开放模型占比提升也在压低整体令牌价格。企业不会简单地在开放与闭源之间二选一，而会根据任务复杂度、成本、定制需求、安全性和可信度进行动态路由。开放权重模型更适合高频、成本敏感及行业专用任务，前沿闭源模型则可能继续主导复杂推理和智能体工作负载。

分析框架

报告结合模型定价、许可条款、企业财报案例和产业链情景分析，评估开放、闭源及混合模型路线对企业采用速度、令牌需求、云计算资本开支和科技产业链受益者的影响，并使用“三种世界状态”框架映射相关股票。

方法论与常识提炼

• 情景分析三种世界状态

  分别假设闭源模型胜出、开放与闭源混合共存以及开放模型胜出。

  该框架用于比较不同模型格局下云服务、模型提供商、半导体、网络、数据中心、网络安全、企业软件和边缘硬件的相对受益程度。

• 需求弹性杰文斯悖论

  单位计算或令牌成本下降可能刺激更多使用，使总需求不降反升。

  报告认为开放模型和闭源模型降价将提升人工智能使用量，因而不能将单位成本下降直接等同于计算基础设施需求下降。

• 技术架构多模型路由

  根据任务性能、成本和风险，将不同工作负载分配给最合适的模型。

  企业通过集中式路由层混合使用开放模型与闭源模型，可在保持令牌使用量和服务质量的同时降低支出。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• 闭源模型胜出组合：GOOGL、AMZN、META、PANW、CRWD、ANET、NVDA、AVGO

  受益于前沿模型能力壁垒、集中式云端工作负载和高强度训练需求。

  优势

  资本、算力、数据、安全和部署能力形成较高壁垒，企业更重视准确性、可靠性及责任保障。

  劣势

  模型寡头格局可能维持较高计算成本，并限制企业对模型的控制和定制。

  对比

  相较开放模型情景，更偏向超大规模云平台、前沿实验室及集中式数据中心。

  风险

  开放模型能力快速追赶、闭源接口持续降价以及企业自建能力增强可能削弱集中度。

• 混合模型组合：AMZN、GOOGL、MSFT、DDOG、PLTR、PANW、SAP、NOW、CSCO、NVDA

  受益于开放与闭源模型并存，以及企业对路由、编排、可观测性和安全能力的需求。

  优势

  可覆盖复杂推理、高频任务和行业专用任务，允许企业按性能与成本灵活选模。

  劣势

  架构复杂度、治理成本和跨模型数据安全要求更高。

  对比

  较单一路线具有更强适应性，也是报告认为越来越符合企业实际采用情况的状态。

  风险

  模型标准化、价格快速趋同或单一平台形成压倒性优势，可能降低独立编排工具的价值。

• 开放模型胜出组合：MSFT、BABA、Tencent、PLTR、DELL、HPE、NTAP、AAPL、SAP、NOW、SHOP、NVDA

  受益于开放模型普及、令牌成本下降以及更多工作负载转向本地或边缘部署。

  优势

  支持行业数据定制、模型控制、私有部署和较低推理成本，有助于扩大企业采用。

  劣势

  企业需要承担更多部署、安全、更新和模型治理责任。

  对比

  相较闭源模型情景，更利好本地基础设施、边缘设备、渠道商和开放模型提供商。

  风险

  商业许可趋严、开放模型提价、前沿闭源模型降价以及监管限制可能削弱成本优势。

关键数据

• 中国大模型接口相对价格约为美国同类产品的15%至20%价格差仍然显著，但中国模型提价和美国模型降价预计将推动差距收窄。
• DeepSeek V4-Flash基础价格每100万输入令牌0.14美元；每100万输出令牌0.28美元报告测算，若价格翻倍，运行该模型的200MW数据中心利润率可接近Kimi K3及其他前沿模型。
• 商业许可收入分成Moonshot最高可收取30%主要面向利用相关模型取得超过2000万美元收入的客户，影响可能更多落在提供模型服务的超大规模云厂商。
• Rippling令牌支出由研发人员成本的40%降至15%采用GLM 5.2和定制模型路由后实现，令牌使用量仍稳定在每月约6000亿。
• Pinterest开放模型交易成本低于可比闭源专有模型成本的8%通过使用基于自有数据后训练的开放模型及模型路由层实现。

影响与含义

多模型格局有利于模型编排、可观测性、网络安全和分布式基础设施，并可能通过成本下降加速企业人工智能渗透。闭源模型胜出更利好超大规模云平台、前沿模型实验室及集中式训练基础设施；混合格局更利好跨模型路由、基础设施软件和安全厂商；开放模型胜出则更有利于本地部署、边缘设备、企业硬件和渠道分销商。半导体及现场电力供应商在多种情景下均具备一定受益基础。

风险

• 中国模型盈利改善可能形成研发再投资循环，加速缩小与美国前沿模型的能力差距并改变竞争格局。
• 美国或其他地区限制中国模型可能造成供应中断、合规和业务连续性风险。
• 若开放模型显著替代高价闭源调用，而新增使用量不足以抵消单位价格下降，令牌收入和部分基础设施需求可能承压。
• 商业许可趋严及收入分成要求可能削弱开放模型原有的低成本和宽松使用优势。
• 企业在开放模型部署中需承担额外的安全、治理、维护、责任保障和人才成本。
• 报告涉及的情景仍在快速演变，相关产业链受益排序具有较高不确定性。

后续跟踪

• 中美大模型接口价格差是否继续收窄，以及美国低端和中端模型降价速度。
• DeepSeek、Moonshot、Alibaba等中国模型厂商的提价幅度和商业许可执行情况。
• 企业开放权重模型采用率、模型路由渗透率及可验证的成本节约案例。
• 整体令牌价格下降是否带来更高使用量，并验证杰文斯悖论。
• Meta Muse Spark 1.2及其他美国开放权重模型的能力、采用率和生态建设进展。
• 中美人工智能政策、主权人工智能要求及潜在模型禁令。
• 开放、闭源和混合三种情景下云资本开支、数据中心电力及半导体需求变化。