闭源模型的垄断正被中国为首的开源势力瓦解，不过这非但不是AI 产业的利空，反而是云端服务商重夺定价权、升格为算力平台的大好机会。天风证券最新分析指出，利润的流向正在重新分配，从模型公司手中，转向掌握路由决策与垂直整合能力的云端业者。

闭源AI 垄断困境：云端商「铺路却无法收费」

报告指出，过去几年，云端服务商在AI 基础建设上扮演的角色，可以说是吃力不讨好。业者投入庞大资本采购GPU、兴建资料中心，却因大多数AI 工作负载必须呼叫OpenAI 等少数闭源模型，导致需求入口与定价权实际上握在模型公司手中。

云端业者承担资本密集型投资的全部风险，边际利润却被模型层整碗端走，闭源模型成「收费站」，坐收云端商耗时耗力建造的道路所带来的通行费。这是AI 产业商业模式中最关键的矛盾，也是云端业者长期估值承压的根本原因。

开源模型打破垄断，利润分配逻辑正在改写

天风证券认为，这个格局已开始出现转变。以Meta Llama 系列及DeepSeek 为代表的开源模型，性能持续提升，推理成本则持续压低，使闭源顶尖模型不再是每一项任务的必要选项。当然，闭源模型在复杂推理与高价值任务上仍具有溢价空间，但其垄断地位正受到侵蚀。

更关键的是，模型可替代性的提升，直接削弱了模型公司的议价筹码，同时释放出云端业者重新掌握客户关系与路由决策的空间。开源模型的崛起，并非在摧毁AI 产业的整体利润，而是在重新分配其归属。

分层路由成关键武器，云端业者地位升级

报告指出，AI 工作负载的呼叫结构将从「用同一个模型解决所有问题」，转向「分层路由（Tiered Routing）」架构：最复杂的任务仍交由顶尖闭源模型处理，一般任务则路由至成本更低的小型模型或开源模型，而稳定、高量的工作负载则由云端业者在自有基础设施上部署，并透过自研ASIC 进一步压低每个token 的推理成本。

在这个架构下，云端业者能够同时实现出租GPU 算力、自行托管开源模型、直接向客户贩售token 三条获利管道，流向外部模型供应商的利润份额将明显缩减。未来的模型，将从坐收通行费的「收费站」，蜕变为云端平台可自由调度的计算资源。

硬件需求多空交集，需求弹性成最终裁判

另一方面，开源竞争加剧将驱动更多玩家投入模型训练，token 价格下降则有望刺激呼叫量成长，二者都有望构成硬件需求的潜在利多。然而，模型压缩技术的进步、推理优化演算法的迭代，以及云端业者自研ASIC 的大规模部署，同步压低了每个token 所消耗的通用GPU 算力，这则是不可忽视的利空。

最终的硬件需求走向，取决于一个关键判断：token 数量与每任务算力的成长速度，是否能够持续跑赢演算法与晶片效率的改善速度。若答案为是，总算力需求将持续扩张；若否，即便token 呼叫量高速成长，云端业者的资本支出成长率也可能提前见顶。

云端与硬件的正向飞轮能否真正转动？

天风证券提出的多头逻辑，是一个环环相扣的正向飞轮：开源模型削弱模型层垄断，云端业者透过路由与垂直整合提升算力货币化效率；推理价格下降刺激出增量新需求，需求成长再度超越效率提升；资料中心因此维持高稼动率与高资本报酬率（ROIC），进而驱动云端业者持续投入算力资本支出，最终支撑硬件需求的长期成长。

然而，这个飞轮能否真正转动，是整个论点的核心前提，也是当前市场上分歧最大的变数。天风证券的立场清晰：唯有需求弹性压过效率压缩，云端与硬件之间才能形成真实的正向回馈回路，而非纸上的美好逻辑。

本文链接地址：https://www.wwsww.cn/rgzn/40383.html
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。