中国开源模型能以十分之一成本复现GPT-5级别能力，当智能本身变得廉价，万亿美元市场的价值锚点将落在何处？
近期，硅谷风投a16z掌门人马克·安德森近期的深度访谈中直言：“这是关乎万亿美元级别的问题，而非现成的答案。”
当全球围绕AI的讨论仍聚焦于技术突破与伦理边界时，安德森将目光投向了一个更为根本却常被忽视的维度——定价。
在他看来，AI行业正在经历一场“智能成本的大崩塌”，这场崩塌将重新定义整个科技行业的价值分配体系。
成本的幻觉：当稀缺性叙事开始瓦解
AI 行业最成功的营销之一，是创造了“算力稀缺”的集体认知。
安德森毫不留情地戳破这一幻象：“在任何商品化市场中，短缺往往是供应过剩的前兆。”这种观察基于他对技术周期长达三十年的跟踪——从互联网基础设施到移动芯片，每一次技术突破都伴随着从短缺到过剩的必然转变。
如今，全球已有数千亿甚至数万亿美元涌入AI基础设施建设。这种资本密集度的投资，在历史上总会导致产能的爆发式增长。安德森特别指出，硬件“保质期”的延长进一步加速了这一进程。
AWS最近宣布将GPU使用寿命延长到七年以上，这意味着单位算力成本将呈指数级下降。更重要的是，芯片制造本身正在经历地缘政治驱动的超周期投资。
中国、韩国、日本乃至欧洲都在构建本土芯片生态系统，这种全球范围内的产能竞赛，将使得“AI芯片短缺”在未来三到五年内成为历史记忆。
更具颠覆性的是模型架构的进化。中国的Moonshot AI开发的模型，仅用六个月时间就能在消费级硬件上复现GPT-5级别的推理能力。这种“能力蒸馏”技术正在改变游戏规则——当最先进的智能可以运行在一两台MacBook上时，依托稀缺性建立的技术壁垒开始摇摇欲坠。
定价权的转移：从技术垄断到价值分配的深层博弈
“你不想按成本定价。如果可以避免，你要按价值定价。”安德森的这句话揭示了AI行业正在发生的根本性转变。
早期AI企业沿袭了传统软件行业的定价模式，无论是按席位计费还是按API调用次数收费，本质上都是基于供给成本的定价逻辑。然而，随着技术迅速普及和成本急剧下降，这种模式正面临挑战。
更为复杂的定价革命正在发生：基于创造价值的百分比收费。
如果AI系统能完成年薪20万美元程序员的工作，那么收取其薪资的30%作为服务费是否合理？这种定价模式将彻底改变企业服务市场的经济结构，也将引发关于“智能劳动价值”的哲学与商业双重讨论。
安德森特别提到一个反直觉的观点：“高价往往被低估了，它反而是客户的挚爱。”这一观察源自他对企业软件市场的深刻理解——当客户的核心业务流程依赖于某项技术时，他们更关心的是可靠性和持续进化能力，而非绝对低价。
这种心理正在催生AI领域的“高端市场分层”。一些企业愿意为顶尖模型支付溢价，不是因为它们比开源方案聪明百倍，而是因为它们提供了确定的性能底线、企业级支持和完善的责任框架。
开源：一场精心设计的生态革命
当DeepSeek以开源形式发布接近GPT-4水平的模型时，许多人将其视为中国技术实力的展示。安德森看到了更深层的战略意图。
“华盛顿的怀疑论者认为这是‘倾销’，意在通过商品化摧毁西方产业利润。”他指出了一种可能性：通过开源策略加速技术民主化，从而削弱闭源模型的市场定价权。
开源AI正在扮演双重角色：一方面，它是技术传播的最佳载体，使全球开发者能够快速学习和构建；另一方面，它成为了市场竞争的调节器，每当闭源模型试图建立价格壁垒时，开源方案就会提供性价比更高的替代选择。
中国的开源策略尤其值得关注。从DeepSeek到Kimi，一系列高质量开源模型的涌现不仅是技术能力的展示，更是对全球AI治理体系的战略介入。
当技术本身变得开放，围绕技术构建的专利壁垒、数据垄断和算法黑箱都将面临挑战。安德森敏锐地指出，这种开源浪潮正在催生新一代的“地下室创业者”——他们不需要数亿美元的基础设施投资，就能基于最先进的开源模型构建创新应用。
基础设施的隐形权力：云厂商如何重塑AI价值链
“他们本可以将所有神奇的AI技术保密并私有化，仅用于自身业务。”安德森这样描述大型科技公司的战略选择，“但相反，为了推广云业务，他们基本上将这些神奇的新技术‘商品化’了。”
这一观察揭示了AI价值链中最微妙的权力动态。云服务商通过将尖端AI能力转化为可计量的云服务，实际上掌握了智能的“分销权”。无论是OpenAI的GPT系列，还是Google的Gemini，最终都需要通过云基础设施触达用户。
这种模式产生了双重效应：一方面，它极大地降低了AI应用的门槛，使创业公司能够以极低的初始成本接触最先进的技术；另一方面，它也使云厂商成为了AI价值分配的关键节点，所有流经其基础设施的智能交互都会留下“云税”。
安德森预测，随着AI芯片变得更加廉价和充足，这种权力结构可能面临挑战。当企业能够在本地或专属基础设施上高效运行先进模型时，对公共云的依赖将会减少，从而引发新一轮的价值链重构。
地缘政治与技术民主化的悖论
“AI本质上是美中双雄竞赛。”安德森的这句话简洁地概括了当前全球AI竞争的格局。但这场竞赛与以往的技术竞争有着本质不同。
传统技术竞争中，专利保护和标准垄断是核心策略。
但在AI时代，特别是生成式AI领域，开源的力量正在改变游戏规则。中国开源模型的快速发展不仅展示了技术能力，更创造了一种新的竞争范式：通过技术民主化来获取影响力。
欧盟的困境提供了反面教材。安德森尖锐地指出：“这是欧洲的一种典型心态：‘如果我们无法在创新上领先，至少我们可以在监管上领先。’”
结果便是《人工智能法案》这样的监管框架，在未能培育出领先企业的同时，却通过严格监管限制了创新空间。
美国的应对策略显得更加微妙。联邦政府意识到州级监管碎片化的危险性，正试图建立统一的AI治理框架。这种努力的核心挑战在于平衡：如何在防范风险的同时，不扼杀那些可能决定未来竞争格局的技术突破？
初创企业的生存悖论：在巨人阴影下的创新空间
“行业难免会有夸大其词和过度承诺。”安德森坦率地承认AI创业生态的泡沫成分，但他随即指出：“我们看到这波AI公司的收入增长速度绝对是前所未有的。”
这种矛盾现象揭示了AI初创企业的生存悖论：一方面，他们面临着来自科技巨头的全方位竞争；另一方面，技术快速迭代和成本下降创造了新的利基市场。
安德森特别强调了“应用层”的机会。随着基础模型能力的标准化，真正的差异化将来自对垂直领域的深度理解和复杂工作流的重新设计。像Cursor这样的AI编程工具，表面上只是“GPT包装器”，实际上却通过整合多个专用模型和深度领域优化，建立了实质性的竞争壁垒。
更值得关注的是初创企业的“后向整合”趋势。许多成功的AI应用公司开始构建自己的专用模型，这种从应用到基础设施的反向扩展，正在打破“大公司垄断基础层，小公司聚集应用层”的传统分工。
结语
智能的价格正在以摩尔定律无法解释的速度下跌，中国开源模型的出现使这一趋势进一步加速。当最先进的AI能力能被压缩到消费级硬件运行时，价值创造的核心正在从技术独占转向应用创新。
安德森的投资策略揭示了应对不确定性的方法：不对未来下单一赌注。
a16z同时投资大模型与小模型、开源与闭源、基础设施与应用层，这种看似矛盾的组合恰恰反映了AI行业的本质——多条技术路径并行，多种商业模式共存。
定价权之争远未结束，它只是从单纯的技术竞争，扩展到了生态系统、商业模式和全球治理的复合维度。
那些能够回答“智能值多少钱”这一问题的企业，将定义AI时代的价值分配规则。而这个问题，正如安德森所言，价值万亿美元。