滥用高价模型将被划入“担忧象限”，AI 时代的员工成本必须是动态的？
编译 | 王启隆
顶级科技播客 20VC 近日上线深度访谈，主持人 Harry Stebbings 对话 OpenRouter 联合创始人兼 CEO Alex Atallah。OpenRouter 作为大模型的“统一路由网关”，允许开发者通过单一接口调用全球数百个 LLM。这家估值 13 亿美元、融资超 1.53 亿美元的初创公司，近期更传出被 Stripe 以 100 亿美元收购的传闻。
Alex 曾是 NFT 交易平台 OpenSea 的联合创始人。OpenSea 早期因流量爆发导致的灾难性宕机经历，让他将基础设施稳定性视为核心使命。此次访谈中，Alex 基于流量路由一线的观察，提出了三个颠覆硅谷常识的观点：
第一，在开源大模型领域，美国已大幅落后于中国。DeepSeek、GLM 和 Kimi 等中国模型凭借极高的性价比和迭代速度霸榜。开发者缺乏模型忠诚度，唯价格与性能是从。
第二，企业日益警惕对 OpenAI 和 Anthropic 等前沿巨头的依赖。随着巨头直接推出应用层产品（如 Claude Design），仅做薄层包装的 SaaS 公司面临清算，极简的"Harness（驾驭层）”正取代传统 App。
第三，AI 时代员工成本结构彻底动态化。员工每日消耗的算力账单成为其成本的一部分，滥用高价模型却无产出的员工将被管理层划入“担忧象限”。
以下为访谈精华内容：
从 OpenSea 的灾难里活下来：为什么多模型才是 AI 的终局？
主持人：Alex，你在 OpenSea 的经历如何影响了 OpenRouter 的创立？
Alex：OpenSea 早期规模很小，直到 2020 年 NFT 爆发，我们遭遇了严重的服务器崩溃和索引故障，险些成为加密界的“宕机鲸”。这段经历让我深刻意识到基础设施稳定性的重要性。我们将这种对高可用性和可扩展性的极致追求带入了 OpenRouter，致力于构建一套即使在市场剧烈动荡时也能永远在线的基础设施。
主持人：生态中有哪些你未曾预料到的变化？
Alex：我们没想到会出现专门托管和服务开源权重模型的庞大生态。早期曾担心超大规模云厂商会垄断这一层，但事实证明，专门的推理提供商（如 Fireworks、Together）在速度和可用性上表现更佳。此外，Nvidia 为了保持客户多样性和生态竞争，也不希望 GPU 资源过度集中，这为推理提供商的生存提供了空间。
主持人：有人认为推理层会被商品化甚至移除，你怎么看？
Alex：目前市场仍受限于 GPU 供给。更重要的是，不同提供商对同一模型的优化效果差异巨大。Token 的效率并非固定，优秀的提供商能让 Token“走得更远”。OpenRouter 的核心价值在于实时路由：一旦检测到某提供商在质量、速度或价格上有优势，流量会立即倾斜。这种动态优化是单纯的商品化无法替代的。
主持人：如果每家公司都训练自己的专有模型，对 OpenRouter 是好事还是坏事？
Alex：绝对是好事。我们相信“多模型未来”是必然趋势。即使公司拥有专有模型，也需要结合外部模型以获得更好的创意和神经多样性。单一模型无法覆盖所有场景，企业更明智的做法是利用生态中的其他模型来降本增效，或将自有模型专精于特定领域，打造品牌化的智能护城河。
路由层会被商品化？给用户更多选择才是真正的杠杆
主持人：路由技术是否正在被商品化？
Alex：许多公司涌入路由器赛道往往是出于跟风，这会导致产品缺乏深度且落后于专注者。更关键的是，劣质的网关会削弱用户的杠杆。OpenRouter 的根本使命是赋予用户选择权，通过访问全市场的模型来降低对单一供应商的依赖，从而掌握真正的谈判杠杆。
主持人：关于定价和企业版策略？
Alex：我们的按量付费方案收取一定比例费用，但企业版基于承诺消费额，承诺部分不收费。若企业自带推理资源（Bring Your Own Key），也可免除相关费用。未来三年，无论市场增速如何，帮助企业应对计划外的推理容量需求、提供最佳的故障转移和高可用性，仍将是我们的核心收入来源。
主持人：Token 价格下降对你的生意有何影响？
Alex：这符合杰文斯悖论：价格下降往往带来使用量的更大增幅。例如，OpenAI 的 Luna 模型价格在 OpenRouter 上降低 10 倍后，使用量增长了 13 倍。这种增长不仅稳定，还推动了该模型进入平台用量前五，证明了低价高效带来的巨大市场潜力。
主持人：OpenRouter 的数据在多大程度上代表真实市场？
Alex：我们的数据偏向于信奉“多模型策略”的公司。虽然仍有部分公司仅使用单一前沿模型（主要位于超大规模云上），但随着更多企业意识到多模型的必要性，我们的数据代表性将越来越强。
前沿实验室正向外蚕食，而美国在开源模型上远远落后了
主持人：企业是否害怕依赖前沿模型供应商？
Alex：确实如此。当 Anthropic 推出 Claude Design 直接切入 Figma 的设计领域时，那些仅在 AI 外层做营销包装的 SaaS 公司感到了真实威胁。模型实验室通过“团队策略”让大企业内部的特定团队产生依赖，从而与应用层公司形成直接竞争。
主持人：美国在开源模型上是否落后于中国？
Alex：是的，美国非常落后。中国开源模型如 DeepSeek、GLM 和 Kimi 在速度和性价比上极具竞争力。中国团队拥有顶尖的研究人员，且在制度资源和资金支持上具备天然优势。相比之下，美国开源模型面临融资难、研发成本高以及与巨头直接竞争的多重阻力。我担心这一差距在未来一年还会拉大。
主持人：关于中国模型的安全性与后门问题？
Alex：我们有责任提供安全访问。对于被认为不安全的模型，我们会将其下架。同时，我们通过提示注入防护、PII 脱敏等技术手段，为企业部署新模型建立护栏。就像不能因互联网存在风险就禁用网络一样，我们应该用技术手段构建最好的安全防线。
主持人：企业更怕前沿模型还是中国模型？
Alex：通常更怕前沿模型。主要原因是数据政策的不确定性：数据存在哪里、被谁查看均不透明，且无法在自有基础设施上运行。相比之下，企业对自己可控的环境更有安全感。
主持人：如何看待 Kimi 等中国最新模型的表现？
Alex：Kimi 在文风和表达质感上表现出色，弥补了许多前沿模型在代码能力提升时语言能力退化的短板。虽然在处理超长复杂任务和攻防能力上与顶尖前沿模型仍有细微差距，但 GLM 5.2 和 Kimi 的最新版本标志着中国开源模型已迈上关键台阶。
开发者根本没有忠诚度，Harness 才是未来的应用形态
主持人：开发者对模型有忠诚度吗？
Alex：忠诚度很低。开发者倾向于 sticking with what works（坚持使用能跑通的方案），避免切换带来的不确定性。但只要新模型在价格或性能上有显著优势，或者旧模型出现退化，用户就会迅速迁移。记忆机制虽有一定粘性，但无法完全锁定用户，因为应用层掌握着大量关键上下文。
主持人：Harness 与传统 App 的区别及未来？
Alex：Harness（驾驭层）具有极强的可组合性，能像 API 一样灵活调用，但比传统 App 更可靠、确定性更高。大模型在 Unix 和命令行环境下的训练使其能更好地操控 Harness，而操作图形界面 App 则充满变数。未来，Harness 将成为开发者构建用户体验、拥有用户关系的关键层，而非被模型实验室吸收。
主持人：模型蒸馏（Distillation）是否有问题？
Alex：蒸馏是正统且高效的模型构建技术，连闭源巨头也在用（如 Sonnet 是 Opus 的蒸馏版）。只要遵守服务条款，利用开源模型进行蒸馏以训练更小、更专业的模型是完全合理的。这是快速追赶并提升模型能力的重要路径。
在 AI 时代，每个员工的成本都应该是动态的
主持人：关于 OpenRouter 被收购的传闻？
Alex：不予评论。但无论发生什么，执行愿景、确保 AI 生态的安全访问和多样性是我们的首要任务。
主持人：你看到的最疯狂但未被充分讨论的现象是什么？
Alex：许多公司对 AI 推理成本的管理感到抓狂。传统的员工成本是静态的工资，而在 AI 时代，员工成本变成了动态的算力账单。我建议企业将路由决策下放给员工，并根据其使用模型的效率来评估绩效。这将形成两个象限：“庆祝象限”（高效且低成本）和“担忧象限”（低效且滥用高价模型）。员工需要意识到，他们对自己消耗的公司资源拥有控制权，成本效益应成为考核的重要维度。
主持人：你最兴奋的未来应用场景是什么？
Alex：一是罕见病研究，AI 能突破智能瓶颈，加速药物发现；二是众包式的城市生活改进，利用 AI 解决如铅管定位等长期被忽视的复杂问题。AI 赋予了普通人实现疯狂想法的杠杆，这将广泛提升城乡生活质量。