核心内容总结
AI领域正在发生反常识的价格反转：闭源模型（如OpenAI、Anthropic）越来越便宜，开源模型反而越来越贵。背后不是简单的“免费vs收费”逻辑，而是成本结构、商业模式、地缘政治等多重因素交织的结果——闭源靠竞争和规模效应压价，开源的隐性成本（算力、运维）随规模膨胀；同时，双方商业模式开始融合（闭源卖“省心服务”，开源靠“云钩子”赚钱），开源定义也在漂移（从全公开变成半闭源），地缘政治还在介入模型选型。最终趋势是“混合共存”：企业用闭源做核心安全任务，用开源做高频长尾任务，中间没有交付能力的模型公司会被淘汰。
一、反常识！闭源变便宜，开源反而涨价？
你以为开源模型免费下载就省钱？错了！
- 闭源降价的原因：三家闭源巨头（OpenAI、Google Gemini、Anthropic）打价格战，你贵我就更便宜；加上规模效应（用的人越多，单token成本越低）和技术优化（比如Anthropic把毛利率从负94%拉到60%），闭源模型的API价格3年降了88%，现在前沿模型中位价才4.5美元/百万token，中端只要1.93美元。
- 开源涨价的真相：开源权重免费，但跑起来要花钱！租GPU、请工程师调参、半夜修bug、处理显存溢出……这些隐性成本随规模爆炸。比如中国开源模型的token份额从2%涨到46%，总账单自然往上跳。彭博数据显示，开源的“支出加权价格”（用户实际掏的钱）从0.66美元涨到现在和闭源接近的水平。
一句话：开源是“表面免费，隐性付费”，闭源是“明码标价，但越来越便宜”。
二、赚钱逻辑变了：闭源卖“省心”，开源靠“钩子”
现在AI公司不拼“模型能力”，拼“交付服务”：
- 闭源的新活法：Anthropic年收入从90亿冲到600亿，靠的不是模型更强（性能差距只剩3%），而是卖“安全感”——IP免责（出问题我担责）、SLA保障（服务不中断）、数据不出境（合规）、企业级权限管理。企业愿意多花钱买“省心”，毕竟部署开源要自己扛雷。
- 开源的“钩子策略”：阿里千问全栈开源，但推理必须走阿里云；DeepSeek、字节等都玩“基座开源+高端闭源+增值服务”——免费给你权重尝鲜，要稳定跑起来？得买我的云服务或运维支持。月之暗面的Kimi K3（2.8万亿参数开源）定价100元/百万token，48小时算力被打爆，靠的就是“开源引流+算力变现”。
本质：模型本身不值钱了，值钱的是“把模型安稳送到客户手里”的能力。
三、越省越花？AI版“杰文斯悖论”正在上演
19世纪英国蒸汽机效率越高，煤炭总消耗反而越多——因为用得起的人变多了。AI现在一模一样：
- 推理成本36个月降了50倍（从20美元到0.4美元/百万token），企业用AI的次数从“一次心疼”变成“十次随便跑”。MIT研究显示，企业转开源能省70%成本，但省下来的钱会投到更多AI应用里，总token量爆炸，算力消耗反而涨了。
- 摩根士丹利说：终端成本降得越狠，总盘子涨得越大。钱从模型层流到云厂商（推理账单）和企业内部（部署维护），工程师的头发都要烧光了。
四、“开源”掺水了？现在的开源可能是“半闭源”
原来的开源是“训练数据、代码、权重全公开”，现在很多开源是“只给权重，藏起核心”：
- MIT和HuggingFace调查显示，2022年79%的开源模型是真开源（全套公开），2025年只剩39%；“开放权重”（只给权重不给训练数据）首次超过真开源。比如某开源模型，你能下载用，但不知道它是怎么训练的，改不了核心逻辑——这叫“半开半闭”。
- 为什么？训练数据是核心资产，藏起来才能掌握定价权。月之暗面K3开源后，OpenAI估值砍了3140亿美金，钱跑到了掌握核心数据的开源厂商手里。
五、政治来搅局：AI选型成了“合规选择题”
AI不再是纯技术问题，地缘政治开始介入：
- 美国参议员要求禁止政府承包商用中国开源模型，白宫却豁免部分中国模型的安全测试；200多家硅谷公司反对禁令，DoorDash因用中国模型被调查。
- 中国开源模型在OpenRouter的周token占比超30%，监管绕不开。一边是企业想省钱用中国开源，一边是政治风险——选型时不仅要考虑技术和成本，还要看“是否合规”。
终局：混合共存，中间者死
摩根士丹利预测终局是“混合模式”：
- 企业把核心、敏感任务（比如金融风控）交给闭源（买安全），把高频、低敏感任务（比如客服回复）交给开源（省钱）。
- 谁会输？卡在中间的模型公司——只有模型能力，没有交付服务（合规、运维），企业不敢用。
下次有人说“开源免费”，你可以回：权重免费，账单在云上等你。闭源也没输，只要守住“交付服务”，永远有饭吃。
这篇新闻的本质是：AI行业正在从“模型竞赛”转向“服务竞赛”，谁能解决企业的实际痛点（省心、合规、稳定），谁就能拿到钱。