开源 vs 闭源

AI 时代的 Android-iOS 时刻,正在重演

一、两种路线,两种世界观

AI 行业的根本分歧,不在技术路线,而在商业模式。你怎么赚钱,决定了你敢不敢把模型权重交出去。

闭源派

OpenAI · Anthropic · Google

模型即产品,靠 API 定价和订阅赚钱。必须维持技术代差,才能为高溢价正名。

代表:GPT-5、Claude Opus、Gemini 3

开源派

Meta Llama · Mistral

权重免费开放,模型本身不直接收费,收入来自广告、云服务等其他业务。

代表:Llama 4、Mistral Large

第三条路

DeepSeek:开源权重 + 低价 API

既把权重开放,又以闭源十分之一的价格卖 API——史无前例。它同时吃了开源的"信任"和闭源的"便利",逼着所有人重新算账。

二、中国开源的"下沉包围"

2026 年最值得注意的趋势:中国 AI 模型正以开源为武器,从下沉市场向上包围。这不是情怀,是数据。

100 亿+
中国 AI 模型全球下载量
(工信部数据)
41%
Hugging Face 模型下载
来自中国
10 亿+
Qwen 累计下载量
超越 Llama 成第一
61%
OpenRouter token 消耗
来自中国开源模型

Qwen 登顶 · DeepSeek 破局

Qwen 以 10 亿+ 下载量、11.3 万+ 衍生模型,超越 Llama 成为全球下载量最高的开源模型。而 DeepSeek R1 证明了一件事:顶级的推理能力,是可以从闭源实验室里"逃"出来的。一旦逃出来,就再也回不去了。

OpenRouter 的数据更直白:token 消耗前五的模型里,有四个来自中国。开源不是慈善,是降维打击。

三、美国闭源的"高端固守"

另一边,美国闭源三巨头牢牢守住能力天花板。GPT-5、Claude Opus、Gemini 3 仍是公认的最强模型,尤其在复杂推理、长上下文、多模态等硬指标上。

厂商 企业采用率 核心优势
Anthropic(Claude) 50% 代码与长文档处理、安全合规口碑
OpenAI(GPT-5) 47% 综合能力最强、生态最广
Google(Gemini 3) 40% 多模态、与 Google Cloud 深度集成

闭源的护城河很清晰:高定价权、深度集成、合规支持。企业愿意为"可审计、可追责"付溢价。但硬币的另一面是:训练成本天文数字,持续亏损压力山大。一旦能力代差被开源追平,溢价就站不住了。

四、商业模式对比

三条路线,三种算盘。看懂了这张表,就看懂了 AI 行业的权力游戏:

维度 闭源 开源 DeepSeek 第三路
收入来源 API + 订阅 其他业务(广告、云) 低价 API + 开放权重
定价 高溢价 免费或极低 闭源的 1/10
锁定方式 API 生态绑定 开发者使用习惯 信任 + 便利
最大风险 代差缩小则溢价崩塌 模型本身无直接收入 定价权被持续侵蚀
闭源卖的是"能力差距",开源卖的是"覆盖率",DeepSeek 卖的是"性价比"。三者同时存在,谁也吃不掉谁。

五、为什么开放权重像 AI 时代的 Android

这个类比之所以成立,不是因为技术相似,而是因为市场动力学几乎一模一样

🍎
闭源 ≈ iOS

高端 · 封闭 · 平台税

体验最好,利润最高,生态锁定

你不拥有它,只是租用它

🤖
开源 ≈ Android

无处不在 · 可控 · 便宜

不总是最强,但哪里都有它

更便宜,更可控,更自由

企业的算盘:85 分可控 > 100 分租用

对企业管理者来说,一个 85 分但完全可控、可部署在私有云的模型,往往比 100 分但要求数据外发的租用模型更有价值。"买云不买卡"的趋势正在加速开源的渗透——与其自己烧钱训模型,不如直接用开源的。

未来的常态是混合路由:难题丢给闭源顶配,日常活交给开源,隐私敏感的跑在本地。一个请求,多个模型,自动分配。

六、安全与开放的两难

开放权重打开了一个无法关闭的盒子:能力可以被复制,但责任不能

闭源

可控但中心化

能通过账号、内容审核、速率限制来执行安全策略。

风险:单点权力过大,透明度不足。

开源

自由但失控

一旦下载,原始发布者就失去了对所有后续用途的控制。

案例:GLM-5.2 开源的网络安全能力已引发警报。

这不是"开还是关"的二选一,而是"开到哪一层"的连续光谱。开权重但不开数据?开小模型不开大模型?开能力但不开训练流程?每一层都是独立的决策。未来的治理框架,大概率会沿着这个光谱细化,而非一刀切。

七、混合路线是终局

未来不是二选一,而是分层编排

  • 最前沿模型:闭源,负责推高能力天花板
  • 中高端模型:开放权重,压低成本、扩大覆盖
  • 企业实践:不会只选一个,而是编排多个模型协同

新的机会正在浮现:模型路由层——把每个任务自动分配给最合适的模型,按成本、隐私、难度动态决策。这可能是下一个十亿美元的赛道。

微软的"中间路线":同时押注 OpenAI(闭源)+ Hugging Face(开源)+ GitHub Copilot(应用层)。无论哪条路线胜出,它都已经在牌桌上——这或许是 2026 年最聪明的对冲策略。
41%
企业计划增加
开源模型使用占比
40% → 8%
Bernstein 预测 NVIDIA
中国份额 2026 年骤降

开源与闭源不是谁取代谁,而是共同构成 AI 的基础设施——就像 Android 和 iOS 至今共存。