大数跨境
首页
>
OpenRouter CEO 访谈实录：中国开源模型正在领先，而企业更警惕的其实是 OpenAI 和 Anthropic
>

OpenRouter CEO 访谈实录：中国开源模型正在领先，而企业更警惕的其实是 OpenAI 和 Anthropic

OpenRouter CEO 访谈实录：中国开源模型正在领先，而企业更警惕的其实是 OpenAI 和 Anthropic AI产业链研究
2026-08-11
1
本周，风投播客 20VC 的主持人 Harry Stebbings 邀请到了 OpenRouter 的联合创始人兼 CEO Alex Atallah，进行了一场超过一小时的深度对谈。
Alex Atallah 的名字对关注加密行业的人来说并不陌生——他是 NFT 交易平台 OpenSea 的联合创始人。而如今，他创办的 OpenRouter 已成为 AI 行业最受关注的基础设施公司之一：一个统一的大模型调用接口，开发者通过它可以访问超过 400 个模型，从 OpenAI、Anthropic、Google 的闭源旗舰，到 DeepSeek、阿里 Qwen、月之暗面 Kimi 等中国开源模型。
这家公司目前累计融资超过 1.53 亿美元，最新估值约 13 亿美元。访谈播出前后，市场上正流传着一则更受瞩目的消息：据报道，支付巨头 Stripe 正洽谈以 100 亿美元收购 OpenRouter。
这场访谈的特殊价值在于 Alex 所处的位置。OpenRouter 是目前全球最大的第三方大模型流量入口之一，每周处理数以万亿计的 token。哪家企业的模型在被真实使用、价格下降对需求有何影响、开发者对模型有没有忠诚度——这些问题，他手里有一线数据。同时，作为既不训练模型、也不站队任何实验室的"中立路由层"，他对中美开源模型竞争、闭源大厂的策略、企业客户的真实心态的观察，也相对少有利益滤镜。
以下是对这场访谈核心内容的整理与分享，部分段落以问答形式直接呈现（内容经翻译和编辑，为便于阅读有适度精简，完整内容可观看原视频）。

一、从 OpenSea 到 OpenRouter：基础设施思维的来历

访谈从 OpenSea 的往事开始。Harry 问 Alex：从那段经历里带走了什么？
Alex 的回答很务实：OpenSea 作为第一个 NFT 市场，很长时间都维持着小团队，直到 A 轮之后才开始扩张。2020 年 10 月 NFT 突然爆发时，团队的第一反应是"我们人手严重不足"。加密市场的流量尖峰不可预测，完全取决于内容和社区情绪，这逼着他在基础设施和扩容上投入了大量精力——比如在真实流量到来之前就做 10 倍负载的压力测试。
Harry：从 OpenSea 的经历里，你带了什么东西到 OpenRouter？
Alex： OpenSea 很长时间都非常小，我们在 A 轮前后都保持着很小的团队。NFT 在 2020 年 10 月开始爆发，我们意识到人手严重不足。加密行业有一些不可思议的流量尖峰时刻，完全取决于内容和社区。所以我在基础设施和扩容上建立了很多能力，花了很多时间思考：怎么做一个基本永远在线、即使在极端动荡的市场里、人们也能真正依赖的基础设施。这对 AI 行业非常有帮助，因为像 Anthropic 这样的公司都经历了不可预测的增长，我们也是。OpenSea 把这些东西刻进了我的脑子里，让我能把它有效地带到 OpenRouter。
他坦言，OpenRouter 创立时的判断有一个重要的"没想到"：他们没想到会涌现出一个专门为开源权重模型做托管和推理服务的创业公司生态。早期的假设是，这个市场可能被三大云厂商（hyperscaler）垄断。但现实是，几乎没有人在云大厂上跑 GLM 这样的开源模型——开发者用的是 Fireworks、Together 这类专门的推理服务商。这些公司托管新模型的速度更快、处理边缘情况的能力更强、可用性也更好。

二、"一个 token 不是一个 token"：推理层会被商品化吗？

一个流行的观点认为，推理服务（inference）层是会被商品化的，利润会在竞争中被磨平。Alex 对此并不认同。
他的理由是结构性的：目前市场处于严重的供给受限状态，而且这种约束会持续相当长时间。为什么 Google、亚马逊、微软不直接买光所有 GPU、把这些推理创业公司挤出局？因为生产 GPU 的人不愿意——英伟达的首要任务之一就是避免客户集中，它希望算力层保持多样性和竞争。这对生态和终端用户也是好事，竞争会推动推理服务的持续创新。
他举了一个具体的例子：同一个模型 Kimi K3，月之暗面（Moonshot）曾发布过一份基准测试，对比各推理服务商托管该模型的表现，结果显示差异显著。OpenRouter 自己也在持续对所有开源模型在所有推理商上的表现做基准测试，结果同样不断变化、差异明显。
Harry 提到 Fireworks 的 CEO Lin Qiao 此前在节目中的说法——"一个 token 并不是一个 token"：同一个 token，不同的服务商可以让它"走得更远"。Alex 表示同意，并补充了 OpenRouter 的角色：他们的核心路由技术会持续检测哪家服务商出现了质量提升、速度加快或价格下降，一旦检测到，流量会立即倾斜过去。"这种事情每 5 分钟就在大模型上发生一次。"
至于路由层本身是否也在被商品化——Ramp、Merge 等公司都在推出类似产品——Alex 的回应分两层：

五、中国开源模型：领先、差距与 12 个月后的走向

这是整场访谈着墨最多的议题之一。7 月份，OpenRouter 平台上线了 70 个新模型——大约每 10 小时一个新模型。Alex 对中国的开源模型进展给出了坦率的评估。
> Harry：我们应该为中国开源模型的速度和质量感到担忧吗？
Alex： 应该。我们落后了，美国仍然非常、非常落后。不过我觉得情况在好转，我们有 Poolside、Thinking Machines 这些（美国开源/新模型实验室）在起来。
对于月之暗面最新发布的 Kimi K3 引发的关注，他给出了一个业内视角的校准：
> Harry：Kimi 的最新模型获得了巨大关注，它真的有那么重要吗？
Alex： 它相当不错。但在网络能力（cyber capability）和长周期任务上，它还没有达到前沿模型的水平，我认为仍然稍落后于前沿模型。GLM 5.2 对开源权重模型来说是非常大的一步，Kimi 更像是月之暗面追上了这一步——我是这么看的。另外 Kimi 的写作能力很强，文风和语气都很好。相比之下，一些前沿模型在代码能力变强后出现了"文风退化"，输出有时根本没法读。这些问题是可以修复的，但 Kimi 的文字一直写得很有意思。
Harry 接着提出了一个带有推演色彩的观点：12 个月后，中美开源模型的差距会更大还是更小？他担心会更大——因为中国的模型一旦被视为"国家冠军"，监管让路、资金集中、一路绿灯；而在美国，为一个开源模型公司融数十亿美元要困难得多，商业模式存疑、研究成本高昂，还要与 OpenAI 和 Anthropic 竞争。
Alex 部分同意这个判断，同时补充了两个美国仍然握有的变量：
> Alex： 他们有非常、非常优秀的研究人员，我觉得美国人对此低估得厉害。另外，他们似乎也很在意模型的网络能力姿态和内容管控。今天人们抱怨美国模型因为网络安全原因审查得更多，但我不确定事情会一直如此。随着中国模型对中国越来越重要，它们会怎么做？我不知道。如果说有什么是确定的，那就是有些东西迟早会改变。
（关于如何重建美国开源生态）我会花时间和现有的美国实验室聊，弄清楚蒸馏（distill）中国模型对他们效果如何。中国的开源模型大多允许蒸馏，这意味着你可以用这些模型的输出对自己正在构建的模型做强化学习——这是所有实验室都在用的重要且常见的做法。这是追赶开源模型的一条路，因为它们允许。而且蒸馏时你能看到输出，可以检查它们是否与你想要构建的模型的价值观对齐。
另一件事是算力。算力是我们相对中国仍然拥有的巨大优势。这些新实验室需要机会，需要有一条更容易的路径把算力给到对的人。英伟达在这方面做得不错，还有 Google 的 TPU、亚马逊的 Trainium，我会联合所有硬件公司一起来做。
对于"蒸馏是否不道德"的争议，Alex 的态度是去道德化的：蒸馏只是一种构建模型的技术，闭源实验室自己也在用——Sonnet 某种程度上就是 Opus 的蒸馏版本，这就是从大模型做小模型的方法。当然，实验室有权在服务条款里禁止以构建竞品为目的的蒸馏，市场会分化出"允许"和"不允许"两类厂商，OpenRouter 会帮助双方执行各自的条款。
Harry 还分享了一个有趣的观察：中国模型在境外的能力令人惊叹，但在境内由于严格的护栏，连"星巴克几点开门"这类基础问题都可能被拒答——"境内版本反而难用"，双方都觉得这个反差值得玩味。

六、开发者忠诚度、记忆与员工成本：来自数据一线的观察

凭借平台上的使用数据，Alex 对几个行业争论给出了一手观察。
开发者对模型有忠诚度吗？ 有，尽管 OpenRouter 努力把切换成本降到接近零。他们测量每个模型的留存和流失（并把数据分享给模型厂商），发现一些开发者会坚持使用某个模型，即便有更好的选择。原因大致有三：一是"我的应用能跑就别动它"——已经围绕旧模型做了大量优化和护栏，换模型可能引入意外行为；二是新模型未必更便宜——现有模型的价格会随时间下降，换新不一定划算；三是信任——很多开发者有自己的"私人评测集"，新模型在这些随机的个人测试上表现不佳，就会被放弃。
记忆（memory）还是留存机制吗？ Alex 认为记忆仍然是留存机制，但问题是它住在哪一层——模型层、推理层、应用层还是路由层。他的猜测是每一层都会试图以不同方式拥有记忆：应用层的记忆拥有最多应用上下文且与模型无关；模型层的记忆可能在个性化基准上表现最好。但没有哪一层能独占所有有价值的记忆，因为应用掌握着模型厂商没有的上下文。最终形态如何，目前没人知道。
透过数据看到的最被低估的现象是什么？ 他的回答是：员工成本正在从静态数字变成动态数字。
> Alex： 很多公司对推理成本感到恐慌，不知道该怎么思考——这是一种全新的经营和核算方式。过去你给员工发工资，基本就不用再想了，那是一个静态数字，可能每季度或每年绩效评估后调整一次。但现在，你每个员工的成本是完全动态的、各不相同的。我认为未来这个责任会下放到员工层面：员工自己决定用哪些工具和模型完成任务，而公司会根据你的选择计算你的成本。
我建议公司把两件事放在一起看：管理者照常评估员工的产出，同时对照员工的成本，然后画出象限——有一个"值得庆祝"的象限：活干得好，成本也划算；还有一个"需要关注"的象限：干得一般，成本还极其离谱。然后你去处理后一个象限。我觉得大家很少讨论 AI 时代该怎么看待员工成本——它应该是一个动态数字，而不是只有少数人才知道的静态数字。
Harry 打趣说："你能想象跟某人说，抱歉，你上个月值 10 万，这个月只值 5 万吗？"Alex 的回应是：关键在于员工自己能控制自己的成本——这是和工资的本质区别。

七、快问快答

访谈最后照例是快问快答环节，摘录几则：
- OpenRouter 上最被低估的模型？ Poolside 的模型——一家美国新实验室，做小而高效的编程模型，团队很好。
- "70% 的新模型实验室会在三年内死掉"，同意吗？ 不同意，70% 太高了；新实验室总共也没那么多。如果把"被大模型厂商收购"也算作"死掉"，会有一些整合——那他会说 50%。
- Dario Amodei（Anthropic CEO）是否应该在 AI 议题上更积极、少一点悲观？ "我认为需要有人对未来保持极度的警觉。我个人很欣赏 Anthropic 的偏执。如果没有任何人极度警觉，那就没有这个声音了。他们是'神经多样性'版图里重要的一块。"
- 现在最让你兴奋的是什么？ 两件事。一是罕见病研究——这类研究一直受限于"智能瓶颈"，需要试大量想法看哪个有效，现在可以被推动。二是用众包方式改善城市生活：比如有人想找出美国或英国的每一根铅水管，过去这种想法很难成熟和压力测试，现在可以用 AI 来做。"绝妙的想法均匀地分布在世界各地，可以来自任何地方——现在你只是给了它们真正起作用的杠杆。"

八、关于那笔 100 亿美元的传闻

主持人没法不问那个问题：据报道 Stripe 要以 100 亿美元收购 OpenRouter，会发生吗？
Alex 的回答在意料之中——"无法评论"。但他补了一句："无论发生什么，我们都会继续执行我们的愿景。我们做的事情对生态是关键的——确保对 AI 的安全访问，确保不会出现一家垄断接管一切，确保存在一个充满活力的模型生态，让新模型、新服务商、新工具上线时，都有一条容易的路径被发现、并接入你现有的 AI 体系。"
Harry 开玩笑说，换成他，持股 22% 意味着 22 亿美元，很难不去想。Alex 说他真的不去想这些。他更关心的是用个人资本去支持那些"不适合风投"的问题——那些人们需要解决、但因为没有商业模式而很难获得资金的问题。他提到 General Catalyst 联合创始人 David Fialkow 资助敏感题材纪录片（如讲述卡舒吉的《异见者》、揭露俄罗斯兴奋剂事件的《伊卡洛斯》）的例子，说自己也想做类似的事——用 AI 帮助研究者处理以前无法处理的海量数据，去触碰那些"被放弃的问题"。

【声明】内容源于网络
0
0
AI产业链研究
围绕人工智能展开研究，涵盖基础设施、算法及应用等多个方面，同时也会分享研究过程中的一些心得体会
内容 120
粉丝 0
AI产业链研究 围绕人工智能展开研究，涵盖基础设施、算法及应用等多个方面，同时也会分享研究过程中的一些心得体会
总阅读11.9k
粉丝0
内容120