DeepSeek處理了超過三分之一的Token。

Anthropic仍然拿走了超過一半的AI支出。

這兩個事實同時成立。看似矛盾，實則揭示了AI經濟當下最真實的格局。

Decagon首席執行官Jesse Zhang本週一發表了一篇 provocative 的文章，標題叫「Everyone is wrong about open source AI in the enterprise」。他拋出了一個核心觀點：前沿模型和開源模型不是競爭對手，而是同一採用生命週期的兩個不同階段。

昂貴的前沿模型用來驗證和探索新用例。一旦工作流程成熟、被充分理解，企業就會把它遷移到更便宜、更輕量的開源模型上。

Zhang把這稱爲「雙層經濟」——前沿實驗室「主導發現」，開源模型「主導生產」。

Vercel的數據把這個分化刻畫得非常清楚。

過去一週，DeepSeek在Vercel AI Gateway上的Token處理量躍升至第一，佔平臺全部Token的三分之一以上。Z.ai的GLM-5.2也跳到了第四位。

但如果你看實際美元支出，故事完全不同。

Anthropic仍然佔據Vercel平臺AI總支出的一半以上。即便考慮到Anthropic近期漲價導致份額略有下降，這個比例也沒有明顯變化。

OpenRouter的數據講述了同樣的故事。

DeepSeek V4 Flash在原始Token量上領先——每週5.3萬億Token。Opus 4.8大約2萬億。

但Opus 4.8每百萬Token的價格約爲1.37美元，DeepSeek V4 Flash僅爲0.06美元。

相差23倍。

這意味着，前沿模型雖然Token量少，但仍然拿走了大部分支出。

Vercel更早的數據顯示，5月份DeepSeek的Token份額在一個月內從不足1%飆升至17%，但支出份額始終維持在1%附近。Anthropic的支出份額在同一時期從61%增長到了65%。

用量和營收，正在朝着兩個方向走。

爲什麼前沿實驗室還沒有感受到壓力？

第一個原因：AI可處理任務的整體市場正在快速擴張。新用例不斷湧現，前沿模型是早期實驗的默認選擇。正如Zhang所說：「前沿實驗室將繼續主導發現。開源將越來越多地主導生產。」

第二個原因：許多企業級應用足夠複雜，無法完全被便宜的替代方案取代。需要高可靠性、安全性和高級推理能力的高風險應用，仍然依賴高端模型。

說實話，真正值得關注的不是DeepSeek拿了多少Token。

而是：AI市場正在形成一種穩定的雙層結構。

早前關於基礎實驗室會淪爲商品供應商的預測——像向星巴克賣咖啡豆那樣——目前只實現了一部分。垂直AI應用確實轉向了更輕量的模型，但前沿供應商仍然保持着對高端Token的定價權。

NVIDIA的Nemotron等新模型的出現，憑藉NVIDIA的強大行業關係和模型本身的極強適應性，可能會進一步加劇兩個層級的競爭。但「前沿用於探索、開源用於生產」這個基本動態，在可預見的未來似乎仍將持續。

一個容易被忽略的視角：

如果Zhang的理論是對的，那麼Anthropic的營收與其說是被開源「侵蝕」，不如說是被開源「餵養」。每一個最終遷移到DeepSeek或GLM的智能體、編碼助手或工作流，最初都必須從Opus這樣的模型開始。護城河是發現工作，而不是生產Token——至少在前沿模型進展放緩之前是這樣。

開源AI模型在Token量上贏得了戰役，但Anthropic這類前沿實驗室尚未在營收上輸掉戰爭。

市場足夠大，增長足夠快，能夠同時支撐兩個層級。

目前，高端Token的價格依然是AI經濟中最有價值的資產。

未來市場將繼續觀察：前沿模型的能力提升速度是否會放緩？開源模型能否在複雜推理和可靠性上進一步追平差距？NVIDIA這類新玩家的進入會如何改變競爭格局？

這些問題的答案，將決定這套雙層結構能維持多久。

FAQ

Q1：開源AI模型真的比前沿模型便宜很多嗎？
是的。以DeepSeek V4 Flash爲例，每百萬Token成本約0.06美元；而Anthropic Opus 4.8約1.37美元，兩者相差約23倍。不過便宜不代表完全替代——企業會在簡單任務上用開源模型省錢，在複雜任務上繼續用前沿模型。

Q2：爲什麼企業不把所有AI任務都換成開源模型？
因爲很多任務太複雜了。需要高可靠性、安全性和高級推理能力的場景——比如金融風控、醫療診斷、代碼生成——開源模型目前還不夠穩定。這些高風險應用仍然依賴前沿模型，企業願意爲可靠性買單。

Q3：這種「前沿探索、開源生產」的模式會一直持續嗎？
目前數據和專家分析表明，它可能成爲AI經濟的長期穩定特徵。但NVIDIA Nemotron等新玩家的進入可能改變格局。如果開源模型在複雜推理上持續追平前沿模型，或者前沿模型進步放緩，這套結構就可能被打破。