AI 行业的成本问题正变得越来越难以忽视。那些急于基于 OpenAI、Anthropic 和 Google DeepMind 最强大模型构建产品的公司，如今正面临可能失控的账单——而且越来越多的公司开始转向开源 AI 模型，将其视为更可持续的前进道路。这一转变曾经还比较谨慎，如今已经明显到让亚马逊的首席技术专家公开点名谈论。
Summary
要点速览
- 亚马逊首席技术官 Werner Vogels 表示，为了控制不断攀升的 AI 成本，企业正越来越多地转向更便宜的开源 AI 模型。
- Uber 在短短四个月内就烧光了其整个 2026 年的 AI 预算，据报道在单月内的支出高达 5 亿美元。
- 开源模型通常可以免费下载安装；用户只需为云基础设施付费，这往往比使用专有替代方案更便宜。
- 亚马逊在联合国“善用 AI（AI for Good）”峰会上推出了一款新的开源 AI 工具，帮助研究人员使用自然语言搜索超过 1,100 个科学数据集。
- 围绕 AI 训练数据的透明度，正在医疗、政府和人道主义等领域成为不可妥协的硬性要求。
不断攀升的 AI 成本推动向开源模型转型
在 2026 年 7 月 10 日联合国“善用 AI（AI for Good）”峰会期间，亚马逊首席技术官 Werner Vogels 在场边直言不讳地表示：“我们看到正在发生一种转变：大家在更便宜的开源模型和更大、更昂贵的模型之间做出选择。”这是一种坦率的承认：AI 淘金热是有价格标签的——而许多公司不再愿意无条件为此买单。
行业领军者昂贵的专有模型
OpenAI、Anthropic 和 Google DeepMind 的旗舰模型位居性能排行榜前列。但大规模性能背后伴随的成本结构，让不少组织措手不及。这些系统按 token 计费，意味着随着团队和产品使用量的增长，成本会迅速复利上升。
最鲜明的例子来自 Uber。据报道，该公司在短短四个月内就烧光了整个 2026 年的 AI 预算——并且在未能为员工设定 AI 使用上限后，单月支出大约高达 5 亿美元。这种支出轨迹会迫使即便是大型组织也必须迅速重新评估自己的策略。
Vogels 将这一问题界定为架构问题，而不仅仅是财务问题。“成本是你架构中非常重要的一部分，你必须把它考虑进去，”他说。“你真的需要用最大、最高端的模型来解决这个问题吗？答案是否定的，你不需要。”
开源 AI 模型的成本优势
开源模型——有时也被称为开放权重模型（open-weight models）——通常可以免费下载。主要成本来自运行这些模型所需的云计算基础设施。与向专有服务商持续支付按 token 计费的费用相比，这种架构在大多数情况下要便宜得多，尤其是在大规模使用时。
这种成本优势并非微不足道。根据开发者平台 OpenRouter 的数据（该平台聚合了对多种 AI 模型的访问），中国的开源模型相比领先的 Anthropic 和 OpenAI 替代方案可以便宜 60% 至 90%。这一差距有助于解释，为何美国公司通过 OpenRouter 使用中国 AI 模型的 token 占比一度高达 46%——而在此前 12 个月中，这一比例平均仅为 11%。
这一趋势并不仅仅是为了削减成本。正如 Benchmark 的 Peter Fenton（开源 AI 开发者工具 Ollama 的投资人）所说：每一家推理成本很高的公司，都有一个将其推向开放权重模型的“至关重要的生存项目”。Ollama 本身帮助开发者在本地运行开放权重模型，如今月活跃用户接近 900 万，并已进入 85% 的《财富》500 强公司——这表明这种转变已经相当主流。
亚马逊 CTO 强调 AI 采用中的透明度与务实态度
单从成本角度并不能完整解释这一切。除了经济因素之外，组织在思考其部署的 AI 时，观念上也发生了更为结构性的变化。
Werner Vogels 在联合国“善用 AI”峰会上的发言
在成本讨论之外，Vogels 还指出了正在重塑 AI 采购的第二股力量：对透明度的需求。“透明度变得极其重要，”他在峰会上表示。“人们想知道，输入其中的数据是什么。”
这并不是一个抽象的担忧。公司现在不仅审视 AI 模型能做什么，还要审视它是如何构建的——训练使用了哪些数据、可能嵌入了哪些偏见，以及其决策如何被解释。这种审视反映出企业 AI 采用的整体成熟：从最初的炒作阶段，转向对AI 透明度和数据治理更为冷静理性的评估。
在敏感领域中信任的重要性
在那些错误或无法解释的 AI 输出会带来高风险的领域，透明度的要求尤为迫切。在医疗、政府和人道主义工作中，了解系统是如何训练的，往往与其原始性能同样重要。“如果这些人服务的是弱势群体，如果他们不信任这个系统，他们就不会使用它，”Vogels 说。
在这方面，开源模型具有结构性优势。因为开发者可以审查和修改代码，并且更容易在自己的专有数据上微调模型，它们往往更符合受监管或敏感环境对透明度的期待。当然也有现实的限制：即便是大多数开放权重提供方，也不会完全披露模型最初训练所用的全部数据。开放程度是一个光谱，而不是非黑即白的二元选择。
让这一时刻在分析上颇具意义的是，两种不同压力的汇合——成本控制与信任需求——却指向同一个方向。那些在试验阶段还能为高昂的专有模型成本找到理由的组织，如今面临的是另一种算账方式：当成本不可预测、训练数据来源不透明时，他们还能在董事会层面维持对 AI 投资的信心吗？对许多组织而言，答案正在重塑其整个 AI 技术栈。
亚马逊新开源工具旨在赋能科学研究人员
在峰会上，亚马逊的 Vogels 不仅仅是对行业走向做出诊断——他还宣布了一个顺应这一趋势的具体举措。亚马逊推出的一款新的开源 AI 工具，旨在让科学数据变得更易获取，尤其关注那些缺乏大型研究型大学或资金充足实验室那种技术资源的机构。
与 AWS 开放数据注册表的集成
该工具连接到 AWS Registry of Open Data（AWS 开放数据注册表），该注册表收录了超过1,100 个数据集，来源包括 NASA、NOAA 和 NIH 等主要科学机构。研究人员无需再浏览复杂的数据目录——这一过程过去可能要耗费数小时——现在可以使用自然语言来查询注册表。科学家可以请求具有特定许可条款的卫星图像，或请求针对特定人群的基因组数据集，而无需理解底层数据架构就能获得相关结果。
为资源不足的机构提供便利访问
这一工具对科研实践的影响十分显著。资源不足的机构——规模较小的大学、非政府组织、发展中地区的公共卫生机构——在数据发现方面长期处于结构性劣势。处理大型科学注册表的技术门槛，往往有利于拥有专职数据工程师的机构。通过将这一门槛降低到自然语言搜索，该工具为气候科学、公共卫生等领域的数据集打开了大门，使非专业团队也能更容易获取这些原本较难触及的资源。
这也让亚马逊在开源 AI 生态系统中占据了一个明确的位置，而这一生态系统正吸引着大量资本和人才。Ollama 最近完成 6,500 万美元的 B 轮融资，使其总融资额达到 8,800 万美元，这表明风险投资界认为开源 AI 工具是一门可持续的生意——而不仅仅是专有模型重新占据主导地位前的过渡阶段。换言之，开源路线如今不仅有成本逻辑支撑，也有制度性动能在背后推动。
悬而未决的更难问题是性能上限会发生什么变化。开源模型正在缩小与前沿专有系统之间的差距，但在最复杂、最能为高昂模型成本提供正当性的任务上，封闭且资源雄厚的系统仍然更具优势。公司最终可能会采用混合技术栈：大部分推理负载由开源模型承担，而将专有模型保留给特定的高风险任务。行业最终落脚点，很可能是这种架构，而不是在两者之间做出干净利落的二选一。
常见问题
为什么公司正在转向开源 AI 模型？
公司转向开源 AI 模型，主要是为了降低不断攀升的 AI 成本。OpenAI 和 Anthropic 等提供商的专有模型按 token 计费，在大规模使用时会产生难以预测且非常庞大的开支。开源模型通常可以免费下载，用户只需为运行它们所需的云基础设施付费——这种安排在高并发、高流量部署场景下往往便宜得多。
亚马逊 CTO 对 AI 透明度提出了哪些担忧？
亚马逊首席技术官 Werner Vogels 强调，关于 AI 训练数据的透明度对企业采用 AI 越来越重要。组织希望了解用于训练其所部署模型的数据是什么。在医疗、政府和人道主义工作等领域，这一点尤为关键，因为对系统的信任是实际使用的前提——尤其当这些系统服务的是弱势群体时。
亚马逊新的开源 AI 工具有何用途？
该工具允许研究人员使用自然语言查询 AWS 开放数据注册表（AWS Registry of Open Data）——其中包含来自 NASA、NOAA 和 NIH 等机构的 1,100 多个数据集——而无需浏览复杂的技术目录。其目标是减少寻找相关科学数据集所需的时间和技术门槛，尤其是让资源不足的科研机构能够更公平地获取这些数据。
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”为什么公司正在转向开源 AI 模型？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”公司转向开源 AI 模型，主要是为了降低不断攀升的 AI 成本。OpenAI 和 Anthropic 等提供商的专有模型按 token 计费，在大规模使用时会产生难以预测且非常庞大的开支。开源模型通常可以免费下载，用户只需为运行它们所需的云基础设施付费——这种安排在高并发、高流量部署场景下往往便宜得多。”}},{“@type”:”Question”,”name”:”亚马逊 CTO 对 AI 透明度提出了哪些担忧？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”亚马逊首席技术官 Werner Vogels 强调，关于 AI 训练数据的透明度对企业采用 AI 越来越重要。组织希望了解用于训练其所部署模型的数据是什么。在医疗、政府和人道主义工作等领域，这一点尤为关键，因为对系统的信任是实际使用的前提——尤其当这些系统服务的是弱势群体时。”}},{“@type”:”Question”,”name”:”亚马逊新的开源 AI 工具有何用途？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”该工具允许研究人员使用自然语言查询 AWS 开放数据注册表（AWS Registry of Open Data）——其中包含来自 NASA、NOAA 和 NIH 等机构的 1,100 多个数据集——而无需浏览复杂的技术目录。其目标是减少寻找相关科学数据集所需的时间和技术门槛，尤其是让资源不足的科研机构能够更公平地获取这些数据。”}}]}
本文由人工智能协助生成，并由编辑团队审核。
