核心内容总结
最近两个月，全球AI模型市场发生了颠覆性反转：开源模型的Token调用份额从28%暴涨至62%，首次超过闭源模型（如OpenAI的GPT、Anthropic的Opus）。与此同时，AI硬件巨头英伟达砸70亿（60亿技术授权+10亿投资）扶持开源团队Poolside，目标是打造能与闭源抗衡的超万亿参数开源模型。闭源巨头虽频繁推新、降价防御，但用户仍大量流向开源——这背后是开源模型从“能用”进化到“值得大规模商用”，而闭源靠“智能溢价”赚钱的模式正在失效。
1. 开源逆袭：Token份额反超闭源，数据背后的趋势
Token可以理解为AI模型处理的“信息单位”（比如你问模型一个问题，它的回答长度就是Token数）。全球主流AI部署平台Vercel的数据显示：
- 4月开源模型仅占11%的Token份额；
- 6月涨到28%（此时开源模型只花了不到4%的API成本，却承担了近三分之一的调用）；
- 8月22日直接冲到62%，第一次超过闭源。
其中，中国开源模型表现亮眼：DeepSeek单独拿下22.6%的份额，GLM-5.2上线两周Token量暴涨50倍。更关键的是，闭源模型的绝对调用量其实还在增长（比如OpenAI、Anthropic7月调用量加速），但开源涨得更快——这说明用户不是因为闭源不好用，而是更愿意为性价比买单。
2. 英伟达的“阳谋”：砸钱不是为了做模型，而是卖更多GPU
英伟达这次操作很“鸡贼”：没有直接收购Poolside，而是用60亿买技术授权、10亿投资（投前估值120亿），还收编100多工程师到自己的开源产品线Nemotron。这么做是为了绕开反垄断审查，真正目标是Poolside的强化学习技术和顶尖人才。
英伟达的终极算盘是：让开源模型变得极度便宜且好用，全世界的应用都会疯狂消耗Token——而所有这些Token的处理都需要英伟达的GPU（比如A100、H100）。不管最后哪个开源模型赢，利润都会流回英伟达的硬件底座。之前它牵头成立开源联盟、发布自己的开源模型，都是为了这个战略。
3. 闭源巨头的焦虑：“智能溢价”模式崩了
闭源模型以前的玩法是：先做出最聪明的模型（比如GPT-5），然后卖高价，用赚的钱再研发下一代。但现在这个循环被打破了：
- 追赶速度变快：早期Llama2追GPT3.5要很久，现在Kimi K2.6追Anthropic Opus4.5只要4.8个月，领先窗口从一年缩到几个月；
- 企业算性价比账：为了5%的性能提升，付10倍的钱值得吗？比如Anthropic的旗舰Fable5（能力最强但最贵），发布两个月仅占企业支出的11.4%，而便宜的Opus5反而更受欢迎——企业不再默认选“最聪明”的，而是选“够用且便宜”的。
4. 开源模型的进化：从“玩具”到“生产工具”
以前开源模型只是“能用”（做些简单问答），现在已经能承担生产级任务：
- 方向转向实用：DeepSeek、Qwen、Kimi重点做Coding（写代码）、Agent（智能助手）；
- 能力覆盖商用：GLM-5.3能处理长文本、调用工具，阿里开放了2.4万亿参数的模型权重；
- 进入工作流：不再是边缘测试，而是直接帮企业做邮件总结、信息抽取、代码编写等日常工作——这才是Token量暴增的核心原因。
5. 行业格局变天：未来是开源主导的“普惠AI”
这次反转不是偶然，而是趋势：
- 开源会渗透到大多数行业：中小企业、普通应用会优先选开源（便宜、可定制）；
- 闭源退守小众市场：只有需要最顶尖智能的场景（比如高端科研、复杂决策）才会用闭源；
- 英伟达成最大赢家：不管开源还是闭源，都需要它的GPU。
未来AI不再是少数巨头垄断，而是更多企业和开发者能用上——进入“普惠AI”的时代。
一句话总结：开源模型用性价比打败了闭源的“智能溢价”，英伟达在背后推波助澜，最终目的是卖更多硬件。AI行业的游戏规则，正在从“比谁更聪明”变成“比谁更便宜好用”。