開源模型是 AI 產業最大利空嗎？天風證券：雲端商成最大贏家
閉源模型的壟斷正被中國為首的開源勢力瓦解，不過這非但不是 AI 產業的利空，反而是雲端服務商重奪定價權、升格為算力平台的大好機會。天風證券最新分析指出，利潤的流向正在重新分配，從模型公司手中，轉向掌握路由決策與垂直整合能力的雲端業者。
（AI「夠用就好」？Citadel Securities 報告揭露 AI 商品化後的投資危機）
閉源 AI 壟斷困境：雲端商「鋪路卻無法收費」
報告指出，過去幾年，雲端服務商在 AI 基礎建設上扮演的角色，可以說是吃力不討好。業者投入龐大資本採購 GPU、興建資料中心，卻因大多數 AI 工作負載必須呼叫 OpenAI 等少數閉源模型，導致需求入口與定價權實際上握在模型公司手中。
廣告 - 內文未完請往下捲動
雲端業者承擔資本密集型投資的全部風險，邊際利潤卻被模型層整碗端走，閉源模型成「收費站」，坐收雲端商耗時耗力建造的道路所帶來的通行費。這是 AI 產業商業模式中最關鍵的矛盾，也是雲端業者長期估值承壓的根本原因。
（黃仁勳首開 X 帳號分享輝達攜手 Palantir 公開連署、闡述 AI 開源重要性）
開源模型打破壟斷，利潤分配邏輯正在改寫
天風證券認為，這個格局已開始出現轉變。以 Meta Llama 系列及 DeepSeek 為代表的開源模型，性能持續提升，推理成本則持續壓低，使閉源頂尖模型不再是每一項任務的必要選項。當然，閉源模型在複雜推理與高價值任務上仍具有溢價空間，但其壟斷地位正受到侵蝕。
更關鍵的是，模型可替代性的提升，直接削弱了模型公司的議價籌碼，同時釋放出雲端業者重新掌握客戶關係與路由決策的空間。開源模型的崛起，並非在摧毀 AI 產業的整體利潤，而是在重新分配其歸屬。
分層路由成關鍵武器，雲端業者地位升級
報告指出，AI 工作負載的呼叫結構將從「用同一個模型解決所有問題」，轉向「分層路由（Tiered Routing）」架構：最複雜的任務仍交由頂尖閉源模型處理，一般任務則路由至成本更低的小型模型或開源模型，而穩定、高量的工作負載則由雲端業者在自有基礎設施上部署，並透過自研 ASIC 進一步壓低每個 token 的推理成本。
在這個架構下，雲端業者能夠同時實現出租 GPU 算力、自行託管開源模型、直接向客戶販售 token 三條獲利管道，流向外部模型供應商的利潤份額將明顯縮減。未來的模型，將從坐收通行費的「收費站」，蛻變為雲端平台可自由調度的計算資源。
硬體需求多空交集，需求彈性成最終裁判
另一方面，開源競爭加劇將驅動更多玩家投入模型訓練，token 價格下降則有望刺激呼叫量成長，二者都有望構成硬體需求的潛在利多。然而，模型壓縮技術的進步、推理優化演算法的迭代，以及雲端業者自研 ASIC 的大規模部署，同步壓低了每個 token 所消耗的通用 GPU 算力，這則是不可忽視的利空。
（AI 更便宜是壞事嗎？實測降價反擴大產業總收入、記憶體獲利僅下降 15%）
最終的硬體需求走向，取決於一個關鍵判斷：token 數量與每任務算力的成長速度，是否能夠持續跑贏演算法與晶片效率的改善速度。若答案為是，總算力需求將持續擴張；若否，即便 token 呼叫量高速成長，雲端業者的資本支出成長率也可能提前見頂。
雲端與硬體的正向飛輪能否真正轉動？
天風證券提出的多頭邏輯，是一個環環相扣的正向飛輪：開源模型削弱模型層壟斷，雲端業者透過路由與垂直整合提升算力貨幣化效率；推理價格下降刺激出增量新需求，需求成長再度超越效率提升；資料中心因此維持高稼動率與高資本報酬率（ROIC），進而驅動雲端業者持續投入算力資本支出，最終支撐硬體需求的長期成長。
然而，這個飛輪能否真正轉動，是整個論點的核心前提，也是當前市場上分歧最大的變數。天風證券的立場清晰：唯有需求彈性壓過效率壓縮，雲端與硬體之間才能形成真實的正向回饋迴路，而非紙上的美好邏輯。
風險提示
加密貨幣投資具有高度風險，其價格可能波動劇烈，您可能損失全部本金。請謹慎評估風險。
