开源模型调用量涨了，支出占比反而降了

11 月 12 日，Menlo Ventures 发布《2026 年企业 AI 发展现状》。报告里有两个数字，放在一起看才有意思。

第一个：2026 年全球企业 AI 支出预计 1768 亿美元，其中美国那边开源模型的支出，89% 流向中国模型——Kimi 占 61%，DeepSeek 占 15%，智谱 GLM 占 11%。

第二个：开源模型在企业 Token 消耗里的占比从 11% 涨到 19%，但对应的支出占比从 6% 掉到 4%。

开源模型调用量涨了，花在上面的钱反而占比更小。

这两个数字不矛盾。报告会解释得很清楚：OpenAI 和 Anthropic 拿的是复杂推理那种高价值的活，国内模型承接的更多是批量抓取、批量整理这类成本敏感的活，这部分任务本来就更愿意付低价。价格还在往下走——智谱披露单位 Token 的推理成本比年初降了约 80%。

我的看法是：开源模型调用量涨得快，说明企业已经把 AI 当水电在用了；单价往下掉，说明它已经是水电价。

这话落到汕头、潮州、揭阳的老板身上，意思是这样的。

第一，凡是批量、重复、不涉密的活——把客户留言整理成表、把产品参数拆成字段、把一堆文档里的数字挑出来——这类活现在值得花钱做了，别再让文员加班。单位价格一年比一年低，做这件事的门槛也在一年比一年低。

第二，凡是涉密的、或者要求一次问准的活——报价单、客户名单、条款文本、图纸——那就别看开源模型调用量了。调用量再高跟你也没关系，因为这部分根本不能出你的门。这笔账要算的是本地部署的账，大模型私有化部署，什么情况下才值得做那篇算过一次。

第三，选型的时候别看谁的榜单第一。模型选型这件事，一年前的评测报告已经过期了。开源模型调用量这个数字背后，是同质化——同一份权重可以在好几个平台上被托管，价格迟早向推理成本靠拢。你的活到底需要多强的模型，比「谁家最强」重要得多。

还有一笔账要算在前面。AI 越来越便宜，这笔钱到底该怎么算那篇说过：省下来的钱别记在成本表上，记在人头和时间上。调用价降八成，省下的钱变成多出来的活，这部分才值钱。

落到具体动作：先挑一件最烦、最重复、不涉密的活，用一个月跑一遍，看看省了多少时间，再决定要不要往下铺。

系统这块我们也能帮上忙，按你的业务流程定制功能模块，可对接你现有的系统，按需扩展。AI 应用和本地化部署这两条线，我们在汕头做过不少，流程是熟的。

这个判断放到汕头更实际。开源模型调用量已经涨到企业 Token 消耗的两成，本地跑的小模型这一年进步最快，几百亿参数那一档在普通办公机上已经能用了。

所以我们的建议就一句：先做一件不涉密的活，跑一个月，用数据决定要不要往下铺。别一次买一堆账号，也别一上来就装一屋子机器。

想聊的可以打 13829578822，微信同号。