过去两年，AI行业的核心议题是训练出最强模型；如今，企业更关注哪些任务值得调用最强模型，哪些可用便宜模型完成。这一转变标志着AI竞争正从能力转向经济性。Token优化与模型路由成为企业AI部署的两大关键词。
数据显示，某头部Coding Agent平台上，开源模型的Token份额在7个月内从0.1%飙升至15%。截至2024年6月，中国模型在OpenRouter平台上的Token使用量已超过美国模型，亚洲模型整体占比达60%。然而，Token份额不等于收入份额——Anthropic虽仅占约12–13%的Token，却在编程相关支出中长期占据超60%的收入。市场正分化为跑量车道与收钱车道。
模型市场呈现“哑铃结构”：一端是OpenAI、Anthropic等前沿模型，另一端是以DeepSeek为代表的高性价比开源模型，中间地带生存空间被压缩。DeepSeek凭借极致低价成为OpenRouter上最大单一供应商，市场份额超16%，设定了市场的性价比地板。
企业采购逻辑升级，不再单纯采购单一模型，而是部署能智能调度多模型的系统。Cognition等公司已实现将单次推理任务拆解为多个子任务，根据成本、延迟、准确率自动分配至不同模型。模型路由机制使企业既能控制成本，又能避免被单一厂商锁定。
模型API的标价正失去参考价值，企业更关注每次成功任务的完全成本，包含缓存命中率、重试次数、推理稳定性等因素。部分低价模型因输出不稳定需多次重试，实际节省有限。例如，DeepSeek虽便宜，但用户抱怨其结果一致性差，可能抵消成本优势。
尽管企业优化Token使用，但受杰文斯悖论驱动，单位成本下降反而刺激总需求增长，AI算力消耗仍在加速。Google第一方模型API吞吐量从每分钟160亿Token增至220亿。中国开源模型因本地算力不足，仍需依赖AWS、Azure等公有云部署，进一步推高云端GPU、HBM及高速网络需求。
模型层逐渐商品化，而能帮助企业自动选型、优化成本、提升ROI的平台价值上升。Fireworks等公司凭借推理效率与调度能力获市场青睐。但若OpenAI、Anthropic加速向软件层垂直整合，独立Infra软件公司可能面临压力。
未来需持续跟踪四个关键指标：Anthropic与OpenAI收入增速是否因高价模型干杂活减少而放缓；中国模型能否在公有云实现大规模稳定供给；开源与闭源模型的质量差距是收敛还是稳定；Fully Loaded Cost是否会成为采购决策的核心语言。这些将决定开源能否真正挑战闭源的商业护城河。