科技巨头转向开源AI模型：智能路由如何大幅削减AI账单

从专有模型到开源方案的转向

人工智能的落地成本正在成为企业不得不认真对待的一笔开支。近期，包括 Uber、Pinterest、Stripe、Coinbase、Ramp 以及 AT&T 在内的一批知名科技公司，正通过一个共同的策略大幅削减自身的 AI 账单——放弃部分专有（proprietary）模型，转而采用开源模型，并配合智能模型路由（smart model routing）技术。

这一趋势的背后，是企业对 AI 支出结构日益精细化的管理需求。当大语言模型从实验阶段走向大规模生产环境时，每一次 API 调用的成本都会被放大成一笔可观的支出。对于日活规模巨大的公司而言，模型选择不再只是技术偏好问题，而是直接影响财务报表的经营决策。

为什么企业现在纷纷转向开源模型

过去两年，闭源商业模型（如 GPT 系列、Claude 等）凭借领先的性能占据了企业采购的主流。但随着 Llama、Mistral、Qwen、DeepSeek 等一批高质量开源模型的成熟，开源与闭源之间的能力差距正在快速缩小。

对于大量实际业务场景——例如内容分类、客服问答、信息抽取、代码补全等——开源模型已经能够提供"足够好"的效果，而成本却只是闭源方案的一小部分。

智能模型路由：降本的关键杠杆

真正让这轮成本优化落地的核心手段，是智能模型路由这一工程实践。它的核心思想很直接：并非所有请求都需要用最强、最贵的模型来处理。

路由的工作逻辑

智能路由会根据每个请求的复杂度、任务类型和质量要求，动态地将其分配给最合适的模型：

• 简单任务（如格式化、简短分类、常见问答）交给成本低廉的开源小模型处理；
• 中等复杂度任务分配给中等规模的开源模型；
• 高难度、高价值任务（如复杂推理、关键决策）才调用昂贵的顶级闭源模型。

通过这种分层策略，企业可以把绝大多数请求下沉到低成本模型，只把少量真正需要"重火力"的请求留给旗舰模型。由于生产环境中的请求往往遵循长尾分布——大量简单请求、少量复杂请求——这种路由方式能带来相当可观的整体成本下降。

模型路由的附加价值：不只是省钱

模型路由带来的价值远不止成本层面。将模型部署在自有基础设施上，还意味着：

• 更强的数据隐私控制：敏感数据无需传输至第三方服务器；
• 更低的推理延迟：本地部署减少网络往返时间；
• 降低供应商依赖：避免被单一模型厂商锁定。

对于 Stripe、Coinbase 这类处理敏感金融数据的公司而言，能够在自有环境中运行开源模型，本身就具有合规和安全层面的巨大吸引力。

头部公司的实践样本

此次被点名的这批公司，覆盖了出行、支付、社交、加密货币、企业财务和电信等多个行业，具有相当的代表性。

头部公司率先转型的三大条件

这些公司之所以能率先享受到开源模型带来的红利，与其自身条件密不可分：

1. 调用量足够大：只有当 AI 请求量达到一定规模，闭源 API 的成本才会成为痛点，也才值得投入工程资源去搭建路由和自托管体系；
2. 工程能力充足：部署、微调和运维开源模型需要成熟的机器学习基础设施团队，这恰恰是这些科技公司的强项；
3. 场景可分层：它们的业务中存在大量重复性、模式化的 AI 任务，非常适合用小模型批量处理。

值得特别关注的是，AT&T 这样的传统电信企业也出现在了名单中。这释放出一个重要信号：开源 AI 的降本逻辑，正在从纯粹的互联网科技公司向更传统的行业快速扩散。

对行业格局的深远影响

这一波"去专有化"的趋势，可能会对整个 AI 供应链产生深远影响。

闭源模型厂商面临的营收压力

当越来越多的高价值客户开始把大部分工作负载迁移到开源模型上，闭源模型厂商将面临真实的营收压力。它们要么在性能上继续保持难以替代的领先优势，要么在定价上做出让步，否则很难留住那些既有工程能力又对成本敏感的大客户。

开源AI生态的正向循环

反过来，头部企业的大规模采用会进一步推动开源模型生态的繁荣。企业级的使用会带来更多的反馈、微调数据和工具链贡献，形成正向循环。模型路由、推理优化、模型托管等中间层的工具和服务，也将迎来更大的市场空间。

普通企业如何借鉴这一策略

对于尚未开始优化 AI 成本的企业来说，这些头部公司的实践提供了清晰的路径参考：

• 先做请求分析：了解自己的 AI 调用中，有多少属于可以用小模型处理的简单任务；
• 引入路由层：不必一次性替换所有模型，可以先在部分场景引入路由，把简单请求分流到开源模型；
• 权衡自托管成本：自托管开源模型虽然省去了 API 费用，但需要算上 GPU 和运维的投入，只有在规模足够时才划算。

需要提醒的是，盲目追随并不可取。对于调用量小、工程资源有限的团队，直接使用闭源 API 反而可能是更经济、更省心的选择。降本的本质是"用合适的模型做合适的事"，而不是简单地追求开源或闭源。

结语

Uber、Pinterest、Stripe、Coinbase、Ramp 和 AT&T 的选择，标志着企业 AI 进入了一个更加务实、更注重投入产出比的新阶段。当模型能力普遍提升、开源生态日益成熟，"用最贵的模型解决所有问题"的粗放式做法正在被智能路由驱动的分层策略所取代。这不仅是一次成本优化，更是 AI 从技术炫技走向工程成熟的必经之路。