开源与闭源大模型正沿两条截然不同的指数曲线加速分化，一场关乎 AI 行业权力格局的经济博弈正走向决定性时刻。
AI 研究机构 Interconnects AI 研究员 Nathan Lambert 于 6 月 1 日发表分析指出，以 Anthropic 和 OpenAI 为代表的闭源前沿实验室，正凭借编程智能体率先实现产品与市场的深度契合，开启了知识工作高端领域的商业化变现路径。在 Opus 4.5 与 Codex 5.2 等关键能力节点突破后，编程智能体已成为第一个用户愿意持续支付高额溢价的大规模 AI 市场。
这场分化的核心是一道经济学命题：用户是否会持续为顶级闭源模型支付远高于市场的溢价？从编程智能体领域的现有证据来看，答案已趋于明朗——依赖智能体处理复杂知识工作的专业用户，其净产出的显著提升使 " 足够好 " 的替代方案失去吸引力，这种需求粘性正在赋予头部闭源实验室可观的定价权。
佩泽希齐扬对俄罗斯支持伊朗人民捍卫国家主权和独立表示感谢，并介绍了当前冲突的最新情况。
韩国《东亚日报》报道称，韩国政府认为，美国可能在短时间内正式要求抽调部分驻韩美军军力至中东。报道援引多名政府消息人士的话称，驻韩美军正在进行相关准备工作。
对投资者而言，这一框架意味着两类机会同步浮现：闭源领域将呈现类似苹果与微软混合体的高利润订阅商业模式；而开源领域则将孕育基础设施、微调工具及推理服务等多层次价值链的分散式增长，总体市值潜力甚至可能超越 OpenAI 与 Anthropic 之和。
编程智能体开启闭源溢价时代
编程智能体的规模化采用，是本轮分化最具说服力的实证。Nathan Lambert 指出公告解读，用户在 Opus 4.5 与 Codex 5.2 阈值后迁移至编程智能体，并非出于惰性，而是因为其在复杂知识工作中的净产出 " 显而易见地更高 "。他本人表示愿意为此类工具支付每月 2000 美元的订阅成本，尤其考虑到其仍有巨大提升空间。
这一用户行为模式赋予了闭源实验室独特的定价逻辑。如同消费者购买手机——明知廉价机型可以省钱，但高端手机的性能回报使溢价合理——在生产力场景中，性能带来的回报甚至更高，进一步巩固了定价权。Nathan Lambert 认为，速度、智能水平、专用模型等多个维度的持续改进，将使这一溢价市场长期存续。
元股证券:ygzq.hk
在商业模式的长远形态上，Nathan Lambert 将顶级闭源实验室比作苹果与微软的混合重塑体：前者出售高度集成、极难复制的技术；后者则在全经济体系中销售高杠杆订阅服务。他预计，在未来 5 至 10 年内，OpenAI 和 Anthropic 的估值将落在 2 万亿至 10 万亿美元区间，形成类似当今云计算市场格局的寡头竞争。目前，这一前沿实验室名单主要由 Anthropic 和 OpenAI 构成，谷歌被认为有望跟进。
十大杠杆配资闭源壁垒：整合效应与模型保护
闭源实验室的核心竞争优势在于其整合效应。Nathan Lambert 指出，模型权重、工具链与服务基础设施的深度耦合，使前沿实验室在给定成本下始终能够产出最高效率的模型——这一整合优势可体现在改进模型的任何可能方向上，而这正是开源模型天然缺乏的特性。
他强调，提升绝对智能的前沿水平是创造最大价值、开拓全新市场的核心策略，而非在固定智能水平上优化效率。迄今为止，模型进步在每个方向上均未触及瓶颈，大规模智能基础设施建设仍处于早期阶段。
然而，这一商业模式也存在内在矛盾：闭源实验室旗下的 API 业务将随时间推移而承压。为保护最优模型、控制算力供给、规避知识蒸馏风险，实验室将倾向于推迟将顶级模型开放至 API，并向高利润率垂直场景集中。Nathan Lambert 指出，上述效应将在 5 至 10 年维度上清晰显现，而近期市场的价格与需求主要仍由算力快速扩张及代币大规模补贴所主导。
开源经济体：碎片化扩散，总量更大
开源模型的爆发路径与闭源截然不同，但最终可能带来规模更为庞大的总体价值捕获。Nathan Lambert 指出，开源生态的价值将分散于广泛的公司栈之中——从谷歌、亚马逊、微软等超大规模云计算平台，到 Together、Fireworks、OpenRouter 等新型 AI 基础设施服务商——而非集中于少数头部企业，总体市值潜力将 " 大幅超越 OpenAI 与 Anthropic 的累计价值 "。
开源模型目前的主要短板在于分布外任务（out-of-distribution tasks）表现不足，使许多企业仍对迁移持观望态度。但 Nathan Lambert 预计，当开源模型构建者停止单纯追赶 Claude 和 GPT 的评测排名，转而填补特定需求位的空白时，这一局面将发生改变。驱动转变的力量既可能来自经济因素——研发成本持续扩张使其难以维持规模化训练——也可能来自需求侧压力，因为部分 AI 解决方案天然只能存在于开源模型提供的低价格区间。
在企业部署模式上，由于切换成本较高，企业倾向于寻找在特定任务上满足 " 足够好 " 性能阈值的模型后长期沿用。随着开源微调工具栈（包括 Tinker、Fireworks、Prime Intellect 等）持续成熟，模型定制化门槛的下降将进一步扩大这一市场。
双轨并进：两条指数曲线，共同定义 AI 格局
对于市场上流传的 " 递归自我改进（RSI）将赋予闭源实验室不可撼动优势 " 的论断，Nathan Lambert 明确表达保留态度，认为此类说法 " 言过其实 "。其判断是：整个 AI 生态系统的进步速度仍将维持高位，开源与闭源并非零和博弈。
两条指数曲线的核心差异在于节奏与路径。闭源模型通过与知识工作高端领域的深度绑定，已率先开启变现的 " 整合型指数 "；而开源模型的爆发将耗时更长，但其所追踪的是 AI 向整个经济与社会更广泛扩散的宏观进程，潜在体量因此更为庞大。Nathan Lambert 将其描述为 " 更令人期待的进程 " ——因为它折射出 AI 真正意义上的全球渗透。
Nathan Lambert 指出，未来数年间，一个清晰的市场信号将是：在谷歌、亚马逊、微软等超大规模云平台及 Together、Fireworks、OpenRouter 等新兴 AI 基础设施公司中，开源模型推理服务所占的比例将相对于 OpenAI 和 Anthropic 呈现稳步上升之势。这一趋势，将是两条指数曲线并行演进最直观的市场映照。
元股证券旗舰官网提示：本文来自互联网，不代表本网站观点。