核心内容总结
美国闭源大模型公司（如OpenAI、Anthropic、谷歌）曾靠“模型能力领先”获得高商业溢价，但如今这个“躺赢窗口”正在关闭。原因包括：闭源模型增长放缓、模型间能力差距快速收敛、前沿智能进入商品化阶段、开源模型（尤其是中国的Kimi K3等）持续逼近闭源水平，以及AI产业从“比谁模型强”转向“比谁能规模化落地”但遇阻（像卡在“死亡之谷”）。
一、闭源大模型增长“踩刹车”：算力不够，竞争更急
闭源模型的增长速度正在放缓。比如谷歌Gemini API的调用量，虽然还在涨，但增速从之前的60%降到了37.5%；Anthropic的年度稳定收入（ARR）虽然还比OpenAI高，但增长斜率也下来了。
为啥？表面看是算力不够——大家都缺GPU，连中国的Kimi K3都因为算力暂停过新用户。但更深层的是竞争节奏变快：以前模型领先能保持好几个月，现在可能几周就被超越。比如谷歌突然取消Gemini 3.5 Pro，换成Flash模型；Anthropic刚出Claude Opus 5，传言GPT6和Fable 5.1马上要上线。领先的时间越来越短，增长自然难以为继。
二、“模型领先”不再是护城河：交替领先成常态
以前大家觉得“谁模型最强谁就垄断”，现在发现根本不是。DeepSeek创始人说，Anthropic超过OpenAI不会长期持续，三家（OpenAI、Anthropic、谷歌）会交替领先。
比如Anthropic靠Claude Code火了一把，但OpenAI很快发布GPT5.6反超；Anthropic加快迭代出Opus5，价格比Fable5低一半，但性能只是接近更早的GPT5.6 Sol。模型领先变成“阶段性优势”，不是“永久壁垒”——你刚花大价钱训练出强模型，对手很快就能追上，想靠一次领先赚长期钱越来越难。
三、大模型成“标准化零件”：商品化时代来了
以前企业买模型看“谁最强”，现在更看“怎么用最划算”。这就是“商品化”：模型从“核心卖点”变成“生产组件”。
比如企业用Harness工具把模型和业务流程解耦——不管用哪个模型，只要能完成任务就行，切换成本很低。API模式本来想象空间大，但现在企业甚至可以让系统自动选模型（根据成本、速度、安全），API反而成了最容易被替代的一层。
企业心态也变了：以前比谁token用得多（炫技），现在追求“节流”——同样成本下完成更多任务。单一模型的强弱不再是全部，模型组合、调度能力更重要。
四、开源模型“抢地盘”：闭源低价市场被“干掉”
中国开源模型（如Kimi K3）正在挤压闭源模型的生存空间。比如Anthropic的Haiku系列（主打低价）因为开源冲击，已经退役两款，剩下的也快没了——开源模型价格更低，能力还不差，直接把闭源的低价市场“端了”。
更可怕的是，开源模型开始进入高价值市场。Kimi K3参数从1T涨到2.78T，能力逼近闭源，但价格比美国闭源模型低很多。这意味着闭源模型的“高溢价”空间被压缩——以前闭源能卖贵，现在开源也能做差不多的事，还更便宜。
Anthropic想通过限制芯片、打击蒸馏来延长领先，但历史证明，单一技术优势很难锁死整个产业。
五、AI产业卡在“死亡之谷”：规模化落地遇阻
AI产业从“能力竞赛”进入“规模化竞争”，但落地难。企业发现，AI增量市场没像预期那样打开——很多企业AI渗透率还很低，员工人均token支出增速放缓。
为啥？因为企业真正关心的是“用AI完成工作到底花多少钱”，而不是“模型有多强”。比如有的公司以前设“token消耗排行榜”，现在开始砍成本。这就像爬楼梯到一半卡住：模型能力够了，但怎么让企业愿意持续花钱用，还没找到好办法，卡在“死亡之谷”。
总结
闭源大模型的“黄金时代”正在过去，靠一次技术领先吃老本的日子结束了。未来比拼的是：能不能更快迭代、更低成本、更好地和企业业务结合，以及能不能应对开源模型的冲击。AI产业正在从“比谁模型牛”转向“比谁能把AI真正用起来”。