新智元报道
新智元报道
今日凌晨，美股遭遇重挫。纳斯达克指数暴跌5.52%，创下2025年4月以来最大单日跌幅，进入技术性修正区间；费城半导体指数狂泻12.3%，创2020年3月以来最惨纪录。
科技巨头市值大幅蒸发：英伟达跌9.26%，一日损失近4500亿美元；AMD跌17%，闪迪跌22%，博通跌10%。从芯片、服务器到数据中心电力供应，AI基建产业链全线受挫。媒体估算，美股单日蒸发市值约2.8万亿美元。
此次暴跌深层原因在于市场对天量AI资本开支回报率的集中质疑。然而，就在两天前（11月3日），硅谷老牌风投Menlo Ventures发布的《2026年企业AI现状报告》却展示了截然相反的趋势：
2026年企业AI部署支出从330亿美元飙升至1770亿美元，同比增长5.4倍；相较三年前17亿美元的规模，三年间增长百倍。
一边是股市2.8万亿美元市值蒸发，另一边是企业1770亿美元真金白银投入。这种反差表明，尽管华尔街怀疑供给侧资本开支的回报，但需求侧的CTO们正在加速增加预算。
报告揭示了两条关键线索：
第一，中国模型占据企业开源模型支出的89%，其中Kimi独占61%；第二，企业资金正加速流向更昂贵的旗舰模型，前沿模型支出份额由35%升至63%。
中国模型在美企账本中占据主导
在企业开源模型支出中，中国军团表现强势：Kimi占61%，DeepSeek占15%，GLM占11%，Qwen占3%，合计高达89%。相比之下，Meta的Llama仅获7%份额。这意味着美国企业在生产环境中使用开源模型时，绝大多数底层技术来自中国。
中国模型已不再仅仅是“便宜替代品”，而是深入嵌入他人产品体系。
11月5日，由OpenAI前CTO Mira Murati创办的Thinking Machines Lab发布新模型Inkling 2 Small。该模型拥有5940亿总参数和170亿激活参数的MoE架构。值得注意的是，其预训练后期数据并非来自网页抓取，而是由早期模型生成，其中月之暗面的Kimi K3被列为首要数据来源。这表明Kimi已成为硅谷顶级实验室的“老师”。
此外，Kimi K3还作为底座支持美国应用层开发。今年8月，法律AI独角兽Harvey（估值超百亿美元，OpenAI为股东）发布首个自有模型Tenet，其基座并非股东OpenAI的GPT，而是Kimi K3。Harvey仅用约150块英伟达B300芯片，耗时两个月在Kimi K3上进行法律任务后训练，最终在多项复杂法律任务上与Anthropic、OpenAI及Google的旗舰模型表现相当。
从被调用到成为“老师”和“底座”，中国模型已进入海外头部应用的生产链条。10月23日发布的Kimi K3.1 Pro在Terminal-Bench 4.0中取得65.7%的成绩，并于11月5日登陆微软Foundry，成为微软云上首个采用“收入共享”模式的开源权重模型。此前，Kimi已接入亚马逊AWS。全球两大云平台先后为中国开源模型提供入口。
用量激增与收入背离的商业逻辑
尽管中国开源模型表现出色，但商业变现仍面临挑战。数据显示，开源模型Token份额从11%升至19%，月处理量暴涨22.5倍至约2.9千万亿个；但其支出份额却从6%降至4%。
主要原因在于开源阵营过去一年聚焦于更小、更快、更便宜的“Flash”级模型，引发价格战。开源Token均价下跌3.3倍至每百万0.13美元，而闭源模型平均为0.70美元。虽然用量翻倍，但收入因降价而减少。
与此同时，企业更倾向于为高性能买单。前沿旗舰模型的支出份额从35%飙升至63%，Token份额从18%翻倍至42%。去年主流选择的Claude Sonnet 4.5和GPT-5已被更昂贵的Claude Opus 5.5和GPT-6 Astra取代。Anthropic和OpenAI占据了86%的企业LLM API支出，Google份额则从21%降至9%。
企业愿意支付更高费用，是因为廉价模型在处理复杂任务时容易出错，导致工程师需花费大量时间纠错，实际人力成本远超Token费用。因此，企业关注的并非单Token价格，而是完成任务的总成本。
尽管Kimi K3.1 Pro等开源模型在性能上已接近旗舰水平（如Terminal-Bench 4.0成绩超过GPT-6 Astra，OfficeQA Pro v2全球第一，幻觉率降至6.85%），但在合规、售后及长期路线等企业级服务方面仍有差距，导致其仅占不到5%的支出份额。
股价波动与产业现实的反差
美股暴跌反映的是华尔街对供给侧资本开支回报的担忧，而Menlo Ventures报告则显示需求侧正在强劲增长：每花费1美元训练模型，企业就会花费1.70美元使用它。AI并未侵蚀SaaS预算，55%的新增支出来自全新预算，仅9%来自传统软件预算转移。
AI正在做大蛋糕，而非争夺存量。
Menlo Ventures合伙人Tim Tully指出，企业买家并未收缩开支，反而在探索让AI承担更多工作，市场潜力可能被低估。
报告揭示了三组核心反差：
旗舰 vs 开源：旗舰模型凭借先发优势占据69%部署支出，但随着开源能力追平，其溢价权将面临考验。
用量 vs 收入：中国开源模型以89%份额证明能力，但需在商业化上突破。Harvey和Thinking Machines的案例表明，成为他人的“老师”或“底座”，以及与云巨头合作分成，是可行的路径。
股价 vs 账单：股价反映预期回调，账单记录现实加速。两者并存并不矛盾。
这场产业变革不仅是景气周期，更是权力的再分配。三年间，企业AI支出已达公有云收入的三分之一，80%的Token由Agent消耗。中国的开源力量正在重塑从模型训练到应用的整条产业链分工。
编辑：所罗门
