科技公司能否学会爱上更便宜的AI模型？
AI热潮一直建立在“更大即更强”的假设上，但成本压力正推动行业转向更小、更便宜的模型。Coinbase联合创始人Brian Armstrong预测，未来12-18个月内，80%的工作负载将迁移至成本降低99%的模型，仅20%的高强度任务保留在最新模型上。这一转变若成真，将深刻改变AI经济格局：大模型实验室如OpenAI和Anthropic的收入或受冲击，而用户可在不牺牲质量的前提下大幅降本。例如，法律AI工具Harvey与Fireworks AI合作测试，通过混合使用Claude Opus和GLM 5.1，将推理成本降低3倍且质量不变。质量的定义正从“一律用最强模型”演变为“以最高效方式获取正确答案”。行业真正的分水岭并非巨头与开源之争，而是成本效率优化的必然趋势。
成本压力下的模型选择
AI行业长期信奉“参数越多，能力越强”，顶尖模型如GPT-4和Claude 3的推理成本居高不下。但随着应用场景多样化，用户开始意识到：并非所有任务都需要最强大的模型。例如，简单的文本分类、客服回复或数据提取，完全可由小模型高效完成。这种成本敏感的模型采购正在成为新常态。
预测：80%工作负载转向廉价模型
Coinbase联合创始人Brian Armstrong在X上发文指出：“对智能的需求近乎无限，但未来12-18个月内，80%的工作负载将运行在便宜99%的模型上，只有20%需要最新一代模型以追求最高智商。”这一预测若实现，意味着AI行业的经济基础将发生根本性转变。此前，AI公司主要靠质量竞争，默认使用最先进模型；而现在，成本效率可能成为新的竞争维度。
实证：降本不降质
法律AI公司Harvey与推理平台Fireworks AI合作测试，将Claude Opus与Fireworks的GLM 5.1模型结合，仅对最复杂任务调用Opus。结果显示，推理成本降低3倍，且输出质量未受影响。Harvey联合创始人Gabe Pereyra表示：“质量始终第一，但质量的定义正在演变——从‘为所有任务使用最强模型’转向‘用最合适的模型高效获取正确答案’。”
行业影响：大模型实验室承压
如果大量用户转向廉价模型，OpenAI、Anthropic等头部实验室的收入将直接受损，尤其是在它们筹备IPO的关键时期。然而，这一趋势也推动行业创新：模型蒸馏、混合推理、任务路由等技术快速发展，帮助用户在不牺牲效果的前提下优化成本。
结论：成本效率成新战场
AI行业的竞争焦点正从单纯的模型能力，转向成本与质量的平衡。能够提供高性价比模型的公司将获得优势，而依赖高溢价模型的公司则面临挑战。Armstrong的预测或许激进，但方向已明确：更便宜的AI模型不是妥协，而是必然。