企業美國的開源AI轉型

企業AI正從封閉模型轉向開源模型

企業美國正日益從OpenAI和Anthropic等封閉原始碼AI供應商轉向開源及開源權重模型。此轉型主要由API成本急劇上升、對更高程度客製化的渴望，以及避免供應商綁定的戰略需求所驅動。

例如，AT&T已大幅調整其AI策略。在最初依賴封閉模型進行客戶服務、語音轉錄和程式設計後，該公司轉向開源模型以控制成本。截至2026年5月，開源模型佔AT&T AI使用量的20%；此後不久，該比例上升至40%，預計未來幾個月將達到60%。AT&T表示，與今年初相比，AI成本最高可降低80%。

開源AI採用的主要驅動因素

成本降低與商品化定價

許多企業的主要動機是降低營運支出。隨著AI使用量擴大，向封閉原始碼供應商按token付費的成本變得難以負擔。開源模型讓企業能下載並修改軟體，無需持續支付費用或獲得第三方批准。

OpenRouter的產業數據顯示更廣泛的趨勢：上個月，開源模型佔美國AI使用量的58%，遠高於一年前的10%。此趨勢顯示，前沿模型正逐漸商品化，封閉與開源模型之間的效能差距已縮小至足以讓成本節省超過最先進封閉系統的邊際效益。

風險管理與供應商獨立性

除了成本，企業也優先考慮風險管理。依賴單一封閉原始碼實體提供核心商業智慧，會帶來顯著的供應商綁定與營運風險。

• 可靠性： 使用者指出，主要AI實驗室的停機可能中斷關鍵的銷售與客戶服務功能。
• 控制權： 開源模型讓企業能將資料保留在安全環境中，避免將專有商業邏輯或財務資料傳送給第三方供應商。
• 可預測性： 投資者與私募股權公司越來越將對單一、不可預測AI供應商的依賴視為技術盡職調查中的負面因素。

客製化與法律確定性

開源模型提供靈活性，可微調並修改底層程式碼以符合特定企業需求。然而，選擇使用哪種開源模型，通常受法律與法規考量所主導。例如，AT&T因資料隱私與法規顧慮，避免使用中國開發的模型，轉而選擇美國開發的替代方案，如Google的Gemma與Meta的Llama。

產業影響與市場反應

「挖 shovel 的人」的優勢

隨著市場轉向自建與開源模型，財務利益正從模型供應商轉移至基礎設施供應商。Nvidia以129億美元收購Hugging Face——開源AI模型的核心圖書館——凸顯了基礎設施與分發層次的重要性，遠超過特定模型權重。

對封閉原始碼實驗室的威脅

封閉原始碼實驗室如OpenAI與Anthropic面臨潛在的「商品化陷阱」。若開源模型達到前沿模型80-90%的效能，大多數企業將選擇「幾乎一樣好」的開源版本，以避免封閉API的風險與成本。這對封閉原始碼實驗室造成壓力，迫使他們大幅削價，或轉向本地使用授權模式，而非僅作為推論服務提供者。

技術上的反駁與限制

儘管開源AI趨勢強勁，部分技術專家認為轉型並非無縫進行：

• 硬體負擔： 自建需大量投資GPU與電力基礎設施（例如，為高階GPU機架升級至240V電力）。
• 程式碼效能： 一些開發者認為，對於複雜的軟體工程任務，最頂尖的封閉模型（如Opus 4.5）仍顯著優於開源替代方案。
• 營運複雜性： 管理內部AI基礎設施會引入路由器複雜性與安全風險，這些原本由API供應商處理。

"我認為使用開源AI已不再只是關於API成本，而是公司生存問題……企業無法將其智慧外包給潛在競爭對手。"

"投資者知道企業需要搭上AI列車，但他們真的不喜歡對大型AI公司產生供應商綁定。"