人工智慧 (AI) 产业竞争正进入新阶段。过去两年，各家科技公司比拚的是模型规模、效能与测试成绩，但随着 AI 逐渐从实验走向企业实际应用，市场竞争焦点正从「谁拥有最大模型」，转向「谁能以更低成本、更高效率完成特定工作」，也让开源模型、混合式 AI 架构及模型调度能力成为下一波竞争核心。

Perplexity 执行长 Aravind Srinivas 接受《CNBC》访问时表示，如今 AI 模型本身已不再是最终产品，真正重要的是能够整合不同模型、工具与企业资料来源的协调系统 (orchestration system)。他指出，AI 系统应能依照不同任务，自动选择最合适的模型，而非一味使用最强大的大型语言模型。

他表示，客服应用未必需要最昂贵的模型，复杂程式设计可能需要更高阶模型，而企业内部例行工作则可交由成本较低的开源模型处理，仅在必要时才切换至更高效能模型。他强调，企业应「针对不同任务使用最适合的模型」。

这股趋势也反映企业开始更加重视 AI 投资报酬率。随着美国企业持续控管 AI 支出，过去凭借最先进模型取得优势的 OpenAI 及 Anthropic，正面临新的市场挑战。

Perplexity 本周展示旗下电脑操作 (computer-use) 产品的新系统，采用中国 AI 公司智谱 (Z.ai) 推出的开源模型 GLM 5.2 作为核心架构，设计理念是由成本较低的模型处理大部分工作，只有在需要更高推理能力时，才调用更强大的模型执行任务。

市场人士认为，这反映整体 AI 市场正在转向。可供企业自行下载、部署及微调的开源 (Open-weight) 模型，不仅能力快速提升，运行成本也低于大型 AI 实验室推出的封闭式商业模型。

创投公司 Benchmark 合伙人 Peter Fenton 表示，未来 18 至 24 个月，甚至最快今年底以前，超过 90% 的 AI Token 将可能由开源模型产生，这项原本属于少数派的观点，如今正逐渐成为市场共识。

Token 是 AI 模型处理及生成资料的基本单位，也是衡量 AI 运算量的重要指标。

Fenton 指出，随着开源模型持续进步，大型 AI 模型供应商目前依靠推论 (Inference) 服务建立的高毛利率，未来将面临越来越大的价格压力。当企业可以自行部署足够优秀的开源模型时，就不需要支付大型 AI 公司额外收取的溢价。

他也表示，企业采用开源模型并非只是为了降低成本，针对特定用途微调后的小型模型，在某些情境下不仅速度更快，实际表现甚至优于大型通用模型。

这也是 Benchmark 投资 Ollama 的重要原因之一。Ollama 提供企业与开发者下载、部署及管理开源 AI 模型的平台。

Ollama 执行长 Jeff Morgan 表示，企业真正关心的不只是模型来自哪里，而是模型在哪里执行、如何执行。他透露，目前已有超过 85% 的《财富》500 大企业采用 Ollama，包括航空、保险及医疗等高度监管产业。多数企业一开始会先部署靠近自身资料的小型模型，之后再逐步导入更大型的开源模型。

另一方面，开源 AI 快速发展也对美国带来新的战略挑战。目前多款具竞争力的开源模型均来自中国 AI 公司，包括智谱 (Z.ai) 及 DeepSeek，使开源 AI 不再只是商业竞争，更涉及科技政策及国家竞争力。

Srinivas 认为，美国应积极支持开源 AI 发展，因为唯有降低 AI 使用成本，才能让更多中小企业及美国盟友普遍享有 AI 技术带来的效益。他表示，若希望 AI 真正普及，开源模式是最有效的方法。

此外，AI 发展方向改变，也可能影响全球科技业正积极推动的大型资料中心建设。过去市场普遍假设，AI 需求将持续集中于部署高阶晶片的大型云端资料中心，但 Srinivas 认为，未来部分 AI 工作可能直接在企业或消费者终端装置本地执行，仅将高难度任务交由云端大型模型处理。

分析认为，未来 AI 基础架构可能演变为混合式模式 (Hybrid AI)，由本地装置负责日常工作，复杂任务再交由云端运算，不仅有助降低企业成本，也可能改变未来 AI 算力及资料中心投资方向。

对投资人而言，随着开源模型能力持续提升，企业也更重视成本效益，未来 OpenAI、Anthropic 等大型 AI 模型供应商能否维持目前的产品定价能力，将成为 AI 产业下一阶段的重要观察指标。