開源AI落后僅四個月，成本低十倍，企業還在為“包裝紙”付費？

某個周三的下午，一家中型SaaS公司的技術負責人盯著兩份大模型服務報價單出神。一份來自某家知名閉源前沿實驗室，單次調用成本高得讓他需要重新做下半年預算；另一份來自一個基于開源模型的推理平臺，性能評測報告顯示其在核心指標上僅落后前者不到一個季度，但每個token的價格卻只有前者的十分之一。他在內部群里打了一行字：“如果我們現在簽閉源的三年合同，會不會和當年買Oracle授權一樣，幾年后發現自己困在了一座昂貴的孤島上？”

這個場景正在全球大大小小的技術團隊里反復上演。Boris Renski，AI智能體集成初創公司Apelogic的創始人兼CEO，在最近一次與The New Stack的交流中，把閉源大模型廠商當下的做法稱為“恐懼營銷”。他認為，這些前沿實驗室正在不遺余力地對外傳遞一種敘事：他們的模型具備某種獨特的、甚至具有潛在危險性的智能，而通用人工智能（AGI）即將到來。Renski說得非常直白：“這種恐懼因素旨在分散人們的注意力，讓大家忽略基準測試已經揭示的一個事實——開源模型僅落后四個月，成本卻只是一個零頭。”

Renski進一步拆解了這筆經濟賬。在他看來，大多數時候，企業付給OpenAI或Anthropic的錢，并不是在為“智能”買單，而是在購買圍繞模型搭建的一系列“商品化企業功能”。他在談話中列舉了這些功能：身份提供商（IDP）集成、模型上下文協議（MCP）連接器、可觀測性控制臺。這些能力當然重要，但它們本身并不構成前沿模型相對于開源方案的絕對壁壘。用他的話說，企業支付的溢價，更像是在為一層昂貴的包裝紙買單。

這層包裝紙的貴，可以用一個具體的數字來感受：如果開源模型每個token的成本的確是閉源方案的十分之一，那么一個每年在閉源模型上花費100萬美元的企業，切換到開源方案后，同等用量的成本可能降至10萬美元。而那多出來的90萬美元，換來的就是四個月的功能領先度，以及一堆已逐漸被開發生態所消化的集成與監控模塊。Renski毫不避諱地指出，這種選擇本身就隱藏著巨大的鎖定風險。他警告說，再過幾年，那些與前沿實驗室簽訂多年大語言模型（LLM）合同的企業，將會以今天看待Oracle許可證的同樣眼光來回看這些合同，但“為時已晚”。原因是，企業的業務肌理會被深度編織進閉源大模型廠商的生態中，屆時遷移將變得幾乎不可能。

Renski的這番激烈看法，很大程度上植根于他二十年來在開源基礎設施領域的創業經歷。他見證過一條反復出現的技術曲線：開源的追趕和超越。他列出的對比足以讓每一個經歷過企業IT演進的人產生共鳴——Windows對Linux、Oracle對MySQL、Docker Enterprise對Kubernetes。在這些對局中，垂直整合的閉源套件最初往往占據性能和易用性的制高點，但隨著時間的推移，開放、可組合、能夠被更大范圍社區共同鍛造的開源方案，在能力與采用率上后來居上，甚至實現反超。

云原生計算基金會（CNCF）的執行董事Jonathan Bryce明確站到了這條歷史規律的延長線上。他在接受The New Stack采訪時回應了Renski的觀點，用了一個非常務實的判斷：為一個四個月的能力領先期支付十倍的價格，“這不是一個企業AI戰略”。Bryce補充說，這顯然不是一種審慎的做法或策略，而是一種極其昂貴的鎖定形式。他反復強調的一個詞是“前沿一直在移動”。在他看來，面對不斷變化的技術格局，開發者的理性選擇應該是構建在開放式架構之上，這種架構允許他們在排行榜每一次變動時更換模型甚至硬件，而無需每次都重構整個應用程序。

根據Renski和Bryce的邏輯，當下的AI競賽，在技術層面遠沒有到定型的那一刻。閉源軍團拼命想固化的，恰恰是那四個月的窗口期——通過捆綁身份認證、協議連接器、日志監控等企業級外圍服務，在開源方案能夠完整替代這些能力之前，把客戶牢牢粘在自己的平臺上。當客戶習慣了“開箱即用”，當內部的權限體系、數據管道、監控儀表盤都圍繞某一特定閉源模型構建，即使某天開源模型在核心能力上完全追平，遷移成本也早已高到難以承受。這本質上是在重復當年數據庫和操作系統市場的故事，只是這一次，包裝盒上印著的是LLM。

當然，閉源廠商的立場并非毫無支撐。過去兩年，前沿模型在多步推理、長上下文理解、工具調用等維度上屢屢率先突破，這種持續拉開的代際感，會促使資金充裕或追求極致性能的企業甘愿支付溢價。而當監管機構從華盛頓到布魯塞爾再到北京，頻頻將目光投向“前沿AI風險”時，閉源實驗室對模型可控性和安全性的包裝敘事，也恰好切中了大型客戶的合規神經。這些因素共同構成了恐懼營銷的現實土壤，讓那四個月的差距看起來比實際上更寬、更深。

但隨著Featherless這類無服務器推理平臺的出現，以及更大范圍開源模型生態的快速迭代，那四個月的差距正在被壓縮得越來越扁平。當Hugging Face上的開源模型排行榜每周都在刷新，當社區驅動的微調方法讓中小企業都能針對垂直場景定制模型，四個月的滯后逐漸變成一種彈性選擇，而非性能鴻溝。Renski與Bryce所描繪的鏡像也越來越清晰：企業完全可以先在開源方案上構建穩定的應用骨架，只在某些尖端任務上暫時調用閉源接口，待社區追上后無縫切換。這才是他們所定義的“企業AI戰略”。

回看技術史，每一次看似牢不可破的閉源帝國的瓦解，起點都是一小群人開始認真比較那張昂貴的包裝紙和里面真正的產品。今天，當四個月的時間差與十倍的定價差同時擺在桌面上，越來越多的技術決策者開始用計算Oracle總持有成本的方式，重新按動手里的AI計算器。