模型趋同：AI 价值正从底层大脑向工作流迁移

据 Woofun AI 消息，AI 行业的竞争逻辑正在发生根本性逆转，核心变量已从基础模型的绝对能力转向工作流效率与分发渠道。在最新一期 中，科技创业者 、 创始人 、 CEO 以及 联合创始人 展开深度对谈，指出随着模型迭代加速与推理成本骤降，产业利润池正从'卖智能'向'卖结果'迁移，真正稀缺的资产重新定义为用户、场景及将智能转化为实际价值的能力。

首先，模型竞争的底层逻辑已从能力稀缺性转向成本效率比。过去，、、 以及快速崛起的 、 等模型通过不断刷新 benchmark 确立'前沿能力'作为定价基础，企业为获取更高准确率与更强推理能力愿意支付显著溢价。

然而，随着模型发布频率急剧增加，开放权重模型性能持续逼近闭源前沿模型，API 厂商主动降价，导致'最好'的模型从刚需变为可计算投入产出比的选择。对于大量非极限任务而言，单纯的 benchmark 排名重要性下降，价格与性能的比值成为关键决策因素，模型性能依然重要，但其在商业决策中的权重正被成本效率稀释。

其次，Token 正在从高毛利产品演变为标准化基础投入，企业开始实施分层路由以优化成本结构。当同类任务可在多个模型间迁移且价格差距达数倍甚至数十倍时，企业自然将不同任务分配给不同成本层级的模型。简单摘要、客服、内部流程及普通代码任务被移交至廉价模型，仅科学研究、复杂工程、高价值金融决策等少数任务继续调用最强模型。

这一转变挑战的并非前沿模型的价值，而是其收入构成的可持续性：究竟有多少收入必须依赖前沿能力才能成立，还是大量收入仅因企业习惯使用最强模型而暂时存在，后者在成本优化压力下将面临巨大风险。

第三，模型公司的竞争边界被迫向上移动，从'大脑'转向'手脚'。Chamath 将基础模型比作'大脑'，而将围绕模型构建的工具调用、浏览器、记忆、权限及任务规划系统称为 harness。当'大脑'间的差距缩小，最终决定产品体验的不再是模型本身，而是其是否具备完成任务的'手脚'。 等 Agent 产品因此具有战略意义：用户不关心背后调用哪个模型，只关心其能否整理邮件、订机票、处理文件。基础模型越便宜，这类产品的经济性越易成立，竞争优势向 Agent、工具调用、记忆、权限和工作流迁移，本质上是价值从'大脑'转向'执行系统'。

第四，前沿模型的商业模式呈现两极化趋势，通用智能与前沿智能分化明显。一端是规模巨大但高度价格敏感的通用智能，由开放权重模型和低成本模型承接；另一端是数量更少但愿意支付极高溢价的 Frontier Intelligence，涵盖复杂科研、数学、工程、生物医药及高度竞争的专业场景。、 等公司的关键问题不再仅是提升模型性能，而是证明最先进模型创造的增量价值足以长期覆盖其更高的训练、推理和资本开支。

如果无法证明不可替代性，大量现有收入可能因更便宜模型的商品化而流失，商业模式面临重构压力。

近期密集的模型发布与 API 价格大幅下调为上述趋势提供了关键数据佐证。DeepSeek 于 9 月 10 日发布 V4.1 Flash，这是一个 5520 亿参数的 MoE 模型，输入时仅激活约 80 亿参数，输出时激活约 160 亿参数，同时下调 API 价格并优化 KV Cache 以减少显存和存储需求。OpenAI 于 9 月 22 日推出 和 ，相比此前 的推广价格，API 价格分别降低约 50%。