意见领袖 | 余华莘
前言：今天就人工智能大辩论的第三个问题 - “开源更好”还是“闭源更佳”进行系统分析。结合主要大模型提供商的公开数据，就开源大模型和闭源大模型的最新研究成果、商业竞争格局、主要运营和财务指标，比较优势和劣势等经济影响做个梳理，并形成投资结论。
一、核心框架：双轨分化与指数曲线逻辑
· 1）核心判断：开源与闭源沿不同维度加速分化，形成“高客单价溢价+高端智能体”（闭源）与“高渗透率+成本民主化”（开源）的双轨并进格局，并非零和博弈，而是互补共存。
· 闭源率先在编程智能体、复杂推理等高端场景实现产品市场契合（PMF）
· 开源则向实体经济、垂直定制、长尾应用与全球中小企业快速扩散。
· 2）关键行为学转变：专业/高净产出用户愿意为闭源模型支付绝对溢价（类似高端智能手机逻辑），普通流水线任务迅速被开源低成本方案侵蚀。
· 这种分层需求赋予闭源定价权，同时推动开源在规模化场景的渗透。预计2026年企业将普遍采用50/50混合策略。
· 3）最新研究成果（Epoch AI 2026）：开源模型落后闭源前沿平均3-12个月（较2023-2024年显著收窄）；
· 特定领域（如编码、数学）已实现局部超越或持平。
二、闭源大模型：商业模式、盈利模式与关键指标
1、OpenAI
· 1）商业模式：API基础设施+消费者订阅+生态平台转型；探索广告投放与模型授权收益分成应对高算力成本。
· 2）财务指标：ARR约25-33亿美元（2026年2-5月数据，Sacra等）；消费者基数领先，但企业份额面临分层采购压力。
· 3）运营亮点：GPT-5.5系列在多步推理领先；企业采用率约47%（ETR调查）。
2、Anthropic （Claude）
· 1）商业模式：企业API+编程智能体（Claude Code）驱动高客单价；Token吞吐量成为主要收入来源，超越传统SaaS席位付费模式。
· 2）财务指标：ARR已突破30-45亿美元（2026年4-5月），超越OpenAI；推理毛利率提升至约70%；从2025年初10亿美元级快速增长。
· 3）运营亮点：企业采用率约50%（+128% YoY，ETR）；编程/数理任务主导（35-50%流量）；Claude Opus 4.5/4.6在代理能力领先。
3、Google Gemini
· 1）商业模式：价格战+全生态整合（Workspace、Search、Cloud）；企业解决方案打包销售。
· 2）财务/运营指标：企业采用率40%（+48%）；月活超9亿；Cloud AI贡献显著增长；Ultra套餐降价20%推动迁移。
· 3）闭源共同特征：高定价权、深度整合体验、合规支持；盈利依赖高溢价API与订阅。但面临巨额训练成本与亏损压力。
三、开源大模型：生态系统、商业模式与主要指标
1、Meta Llama 4（2025年4月发布）
· 1）架构与成果：MoE结构，原生多模态，最高10M上下文（Scout）；Maverick（≈400B总参数）；长上下文与性价比领先。
· 2）商业模式：社区生态+云平台分发（AWS、Groq等）；Community License（商用限制）。
· 3）性能：编码/长上下文强，但在部分前沿基准略落后顶级闭源；微调生态成熟（Unsloth、torchtune）。
2、DeepSeek系列（V3.2/V4）
· 1）创新模式：权重完全开源 + 极低价API（约闭源1/10）；“开源引流→API变现+生态繁荣”闭环。
· 2）最新成果：V4-Pro（1.6T MoE）在SWE-bench Verified达80.6%（接近Claude Opus 4.6）、LiveCodeBench 93.5%；训练/推理效率领先；MIT许可。
· 3）财务/影响：估值大幅提升（部分报道逼近高位）；推动中国AI应用爆发，显著压缩全球推理成本。
· 4）开源整体：价值分散捕获于云基础设施（AWS、Google Cloud、Together、Fireworks）、微调工具与垂直集成；
· 推理成本1/5-1/10；a16z等调查显示企业开源使用意愿显著上升（41%计划增加）。
四、比较分析：优势与劣势
1、闭源优势（McKinsey/BCG）
· 1）技术深度领先（复杂多步推理、代理、安全对齐）。
· 2）企业级即插即用、可靠工具链与合规。
· 3）高毛利定价权与可预测收入（智能体Token吞吐驱动）。
2、闭源劣势
· 1）极高成本结构与持续亏损风险。
· 2）客户分层采购（高端闭源+规模开源）导致流失
· 3）技术代差收窄速度加快。
3、开源优势
· 1）极致成本与定制灵活性（本地部署、隐私控制、微调）。
· 2）广泛生态扩散、长尾覆盖与全球民主化。
· 3）信任低（权重公开验证）；加速创新与中小企业采用。
4、开源劣势
· 1）前沿分布外任务与通用复杂场景仍有差距（约3-12个月）。
· 2）商业模式分散，单一高利润实体难现；许可证不确定性。
· 3）需更高技术能力支持自托管。
五、宏观经济与劳动力影响
· 1）Token吞吐经济学：Anthropic Economic Index（2026年3月）显示，智能体单月消耗数千美元，驱动ARR高速增长；传统SaaS席位模式失效。
· 2）马太效应：高使用时长用户成功率+10%；编程任务主导；生产力分化加剧“超级个体/企业”优势。
· 3）地理与产业影响：开源加速民主化，但增量GDP仍集中于科技核心区域（McKinsey）；美国州内使用收敛快，全球差距持续。BCG预测2026年AI代理将成为价值主要驱动（占17%并增长）。
· 4）就业：自动化冲击中低技能岗位，同时提升高技能劳动者产出；Goldman Sachs等关注结构性转型。
六、竞争格局与市场份额演变
· 1）企业采用（ETR 2025-2026）：Anthropic Claude ≈50%、Gemini 40%、OpenAI ≈47%；开源通过自托管/低价API间接渗透显著。
· 2）趋势（a16z/McKinsey）：从闭源主导转向混合50/50；开源在标准化任务占比预计超70%。
· 大型云厂商（AWS Bedrock、Google Cloud）通过开源+闭源混合显著提升AI收入贡献。
六、监管要求与趋势分析
· 1） 核心趋势：全球监管呈现“风险分层+用途导向”特征，对开源与闭源模型的监管重点不同。
· 闭源模型因集中控制和商业化属性面临更直接的合规压力，开源模型则因透明度高但扩散快而获得部分豁免，但高风险应用场景下仍需承担实质义务。
· 2）欧盟AI Act（2024年生效，2025-2026年分阶段实施）
· 对通用目的AI（GPAI）模型实行分级监管：系统性风险模型（计算量大、广泛部署）需进行风险评估、缓解措施和透明报告。
· 开源模型获得有限豁免（Article 2（12）、53（2）等）：纯研究或非商业化免费开源模型可豁免部分文档和下游信息义务，但高风险应用（医疗、金融、就业等）、禁止用途或透明风险场景（如生成内容）不适用豁免。
· 闭源模型（如OpenAI、Anthropic）需承担更全面义务，包括版权合规、系统性风险评估和用户透明要求。
· 2026年8月后罚款机制全面生效，最高可达全球营业额7%。
· 3）美国监管趋势
· 联邦层面以创新优先（2025年特朗普政府框架强调减少监管壁垒、行业自律和沙盒测试），无全面联邦AI法。重点通过现有部门（如FTC、SEC）处理欺诈、偏见和数据隐私。
· 州层面碎片化加速（加州AB 2013要求生成AI训练数据披露，纽约RAISE Act等强调透明），对闭源提供商的审计和披露要求更高。
· 开源优势在于本地部署便于满足数据主权和隐私合规（如HIPAA、GDPR等），但仍面临安全审查；闭源API因数据传输风险在受监管行业（如金融、医疗）面临额外限制
· 4）中国监管格局
· 强调算法备案、内容安全和数据主权，对生成式AI服务提供商（包括开源权重发布方）要求内容真实性、社会主义核心价值观导向和安全评估
· 开源模型（如DeepSeek、Qwen）获政策支持以提升国家创新和全球影响力，但需遵守《生成式人工智能服务管理暂行办法》，涉及训练数据合法性、输出审查和国家情报法相关义务。
· 闭源模型面临更严格的备案和审查，开源通过权重公开一定程度上提升了透明度，但也增加了扩散后的合规追踪难度。
· 5）全球比较与影响
· 闭源模型：监管确定性较高，但合规成本上升（审计、报告、风险缓解），利于大厂通过资源优势应对；定价权可能部分被监管传导至用户。
· 开源模型：监管更复杂（分散开发难追踪），但透明度有助于审计和信任构建；在数据主权、隐私和成本敏感行业获得竞争优势；风险在于高风险部署时责任追溯和许可证兼容性问题。
· 未来趋势（2026-2028）：预计混合监管模式强化——风险越高、规模越大，义务越重。开源生态可能通过“负责任开源”框架（如治理、审计标准）寻求更多政策支持；中美欧监管分化将推动企业采用多辖区合规策略和混合模型架构（闭源高端+开源本地）。
七、未来展望与投资建议
· 1）5-10年预判：闭源形成3-4家超级寡头（高估值、高利润）；开源生态总产值更大，去中心化繁荣于基础设施层。
· 2）核心观测：开源Inference-as-a-Service占比；DeepSeek等在Frontier基准追平速度；监管对开源影响
最终判断：开源定义AI的广度、可及性与成本效率，闭源定义深度、前沿能力与高端价值。2026年混合策略将成为主流，企业与投资者需根据具体用例（成本 vs 性能、隐私 vs 便利）动态平衡。长期胜负取决于生态成熟度、技术收敛速度与监管环境。
监管环境正从“技术中立”转向“风险+透明”导向，开源模型在合规灵活性和创新空间上具备结构性优势，闭源模型则依赖强大合规能力维持高端定位。企业需将监管合规纳入AI战略核心，混合使用将成为主流应对方案。
（作者：余华莘，特许金融分析师（CFA），多伦多大学工商管理硕士学位。本文仅代表作者观点，与所在公司无关，文中观点不构成任何投资建议。）
【本篇报告的数据来源】
· 1）Anthropic Economic Index（2026年1-3月报告）
· 2）Sacra、SemiAnalysis、The AI Corner关于OpenAI/Anthropic ARR/估值（2026年4-5月）。
· 3）Epoch AI、Fireworks.ai、DeepInfra等开源基准与比较（2026）。
· 4）a16z、企业Technology Research （ETR）、McKinsey Global AI Survey、BCG AI Radar（2025-2026）。
· 5）Meta官方Llama 4文档、DeepSeek技术报告、Reuters融资报道
· 6）PwC AI Predictions、Goldman Sachs相关分析。
· 7）欧盟AI Act官方文件、Linux Foundation AI Act Explainer、Stanford AI Index 2026、中国相关管理办法、Reuters及行业报告。
(本文作者介绍：特许金融分析师(CFA)，多伦多大学工商管理硕士学位。现为歌斐资产公开市场（香港）高级股票组合投资董事。)