Penggunaan model berbobot terbuka melonjak, mampukah vendor perangkat lunak mempertahankan manfaat penghematan biaya?
Data dari dua platform pengembang menunjukkan porsi penggunaan model berbobot terbuka meningkat pesat. Morgan Stanley menilai penurunan biaya inferensi akan memperluas cakupan aplikasi perangkat lunak, tetapi persaingan dan daya tawar pelanggan dapat mengambil sebagian manfaatnya.
Sumber asli：Morgan StanleyPertama diterbitkan di Unhidea：Tanggal sumber asli：
Pokok utama
Model berbobot terbuka menurunkan biaya aplikasi AI. Vendor perangkat lunak yang paling berpeluang mendapat manfaat adalah perusahaan yang mampu memperluas alur kerja kompleks sekaligus mempertahankan harga melalui data eksklusif dan hubungan pelanggan.
Seberapa cepat penggunaan model berbobot terbuka tumbuh?
Pada platform akses model OpenRouter, porsi token yang diproses model berbobot terbuka di antara 50 model populer teratas platform naik dari sekitar 22% setahun lalu menjadi sekitar 72%; 50 model ini mencakup sekitar 90% token yang dilacak platform.
Data dari platform aplikasi dan agen Vercel juga menunjukkan porsi penggunaan token oleh model berbobot terbuka naik dari 7% pada Desember 2025 menjadi 63%. Biaya per token yang lebih rendah membuat lebih banyak tugas sehari-hari layak secara ekonomi.
Data kedua platform mencerminkan penggunaan oleh masing-masing penggunanya. Pengguna OpenRouter mungkin cenderung merupakan pengembang yang memperhatikan biaya dan memiliki kemampuan teknis lebih kuat, dengan beban kerja yang lebih kecil. Karena itu, proporsi ini tidak dapat langsung dianggap sebagai pangsa seluruh industri.
Mengapa penurunan biaya belum tentu menjadi laba bagi vendor perangkat lunak?
Model berbobot terbuka memungkinkan vendor mengurangi ketergantungan pada antarmuka model eksklusif yang mahal, menyempurnakan model untuk alur kerja, serta mengalihkan tugas sederhana ke model yang lebih murah. Proses otomatisasi dan uji coba gratis yang sebelumnya terlalu mahal juga dapat menjadi lebih layak karenanya.
Namun, pesaing dan tim internal perusahaan juga dapat menggunakan model-model ini. Jika pelanggan meminta bagian dari penghematan biaya atau beralih ke alternatif, harga dan margin kotor vendor perangkat lunak dapat tertekan.
Secara keseluruhan, Morgan Stanley memperkirakan model berbobot terbuka akan membantu menstabilkan margin kotor perangkat lunak. Namun, infrastruktur data analitis secara historis meneruskan sebagian manfaat efisiensi teknis kepada pelanggan; pendapatan dan nilai laba kotor dapat tertekan dalam jangka pendek, sebelum pertumbuhan penggunaan dan perluasan alur kerja berpotensi mengimbangi dampaknya.
Bank tersebut menilai vendor dengan data eksklusif, informasi konteks perusahaan, dan alur kerja kompleks lebih mampu mempertahankan harga; vendor yang bergantung pada proses sederhana atau fungsi tunggal akan lebih sulit memperoleh peningkatan margin kotor yang sama.
Apa lagi yang menentukan adopsi oleh perusahaan?
Model berbobot terbuka non-Barat saat ini mencakup mayoritas penggunaan, tetapi perusahaan di Eropa dan Amerika Utara mungkin ragu karena kekhawatiran geopolitik, reputasi, atau keamanan. Morgan Stanley memperkirakan lebih banyak model Amerika Serikat akan tersedia untuk dipilih dalam setahun mendatang, sehingga mendorong adopsi oleh perusahaan.
Bank tersebut menilai tempat pengembangan model perlu dibedakan dari cara model dihosting dan dikelola: platform cloud besar dapat membantu mengatasi kekhawatiran perusahaan melalui hosting regional, koneksi privat, enkripsi, kontrol akses, dan pemantauan berkelanjutan; peningkatan kemampuan model Barat juga membantu memperluas pilihan.
Bagian perangkat lunak mana yang lebih berpeluang, dan di mana kendalanya?
Di bidang infrastruktur, lebih banyak aplikasi AI membutuhkan data perusahaan, penelusuran, pemantauan, dan tata kelola. Platform data dapat memperoleh manfaat dari volume kueri dan kebutuhan akses data yang terkendali, sementara vendor pemantauan dapat melayani kebutuhan baru untuk mengelola panggilan, kesalahan, dan biaya yang ditimbulkan agen.
Namun, pelanggan juga dapat menggabungkan model berbobot terbuka dengan infrastruktur sumber terbuka untuk membangun alternatif yang lebih murah secara internal; jika optimasi otomatis mengurangi kueri berulang atau pemrosesan data, konsumsi pada beban kerja yang sama juga dapat turun bagi vendor yang mengenakan biaya berdasarkan penggunaan.
Di bidang keamanan, akses agen ke data perusahaan, kredensial identitas, dan aplikasi memperluas cakupan perlindungan, sementara model berbiaya rendah juga dapat membantu menangani peringatan dan mengotomatisasi respons. Pelanggan atau pesaing juga dapat memanfaatkannya untuk menggantikan sebagian fitur keamanan canggih yang sebelumnya berbayar.
Di bidang perangkat lunak aplikasi, Morgan Stanley optimistis terhadap vendor perangkat lunak horizontal dan vertikal yang menguasai alur kerja kompleks, seperti ServiceNow, Atlassian, dan Shopify. Vendor vertikal dapat menggunakan data industri untuk menyesuaikan model dan mengotomatisasi proses yang sebelumnya bergantung pada manusia; tetapi bertindak terlalu lambat juga dapat membuat pendatang baru AI merebut titik akses untuk menjalankan alur kerja.
