开放权重模型的使用增长有多快？

  • 在模型调用平台OpenRouter上，开放权重模型占平台前50个热门模型处理的Token比例，从一年前约22%升至约72%；这50个模型覆盖平台追踪Token的约90%。
  • 应用与智能体平台Vercel的数据也显示，开放权重模型的Token使用占比从2025年12月的7%升至63%。较低的单Token成本使更多日常任务有经济性。
  • 两个平台的数据反映各自用户的使用情况。OpenRouter用户可能偏向注重成本、技术能力较强的开发者和较小工作负载，因此这些比例不能直接当作全行业份额。

成本下降为何不一定变成软件商利润？

  • 开放权重模型让厂商减少对昂贵专有模型接口的依赖，并可针对工作流微调模型、将简单任务分配给更便宜的模型。此前成本过高的自动化流程和免费试用，也可能因此更可行。
  • 但竞争对手和企业自建团队同样可以使用这些模型。客户若要求分享成本节省，或转向替代方案，软件商的定价和毛利率就可能承压。
  • 摩根士丹利整体预计开放权重模型有助于稳定软件毛利率；不过，分析型数据基础设施历来会把部分技术效率收益让给客户，短期收入和毛利额可能受压，之后使用量和工作流扩展有望抵消影响。
  • 该行认为，拥有独有数据、企业背景信息和复杂工作流的厂商更有能力维持定价；依赖简单流程或单点功能的厂商则较难获得同样的毛利率改善。

企业采用还取决于什么？

  • 非西方开放权重模型目前占据使用量多数，但欧洲和北美企业可能因地缘政治、声誉或安全顾虑而犹豫。摩根士丹利预计，未来一年更多美国模型可供选择，将促进企业采用。
  • 该行认为，模型的开发地与托管、治理方式需要区分：大型云平台可通过区域托管、私有连接、加密、访问控制和持续监控，帮助应对企业顾虑；西方模型能力提升也有助于扩大选择。

哪些软件环节更有机会，约束又在哪里？

  • 基础设施方面，更多AI应用需要企业数据、检索、监控和治理。数据平台可能受益于查询量和受控数据访问需求，监控厂商则可服务智能体新增的调用、错误和成本管理需求。
  • 但客户也可能把开放权重模型与开源基础设施结合，自建较便宜的替代品；自动优化若减少重复查询或数据处理，按用量收费的厂商在同一工作负载下的消费量也可能下降。
  • 安全方面，智能体访问企业数据、身份凭证和应用会扩大防护范围，同时低成本模型也能帮助处理告警和自动响应。客户或竞争对手也可能借此替代部分原本收费的高级安全功能。
  • 应用软件方面，摩根士丹利看好掌握复杂工作流的横向及垂直软件商，例如ServiceNow、Atlassian和Shopify。垂直厂商可用行业数据调整模型，自动化原先依靠人工的流程；但行动过慢也可能让AI新进入者夺走执行工作流的入口。