AI 部署的重心，可能正從最先進的專有模型，轉向更便宜、可客製化、而且企業能以更高控制度運行的系統。這是 Hugging Face 執行長 Clem Delangue 的說法。他告訴 TechCrunch，企業使用者愈來愈希望採用開放模型與私有部署，而不是完全依賴前沿實驗室提供的封閉 API。

這個主張之所以重要，是因為大多數關於 AI 的公共討論，仍然聚焦於 OpenAI、Anthropic 等公司的最新發表，以及圍繞這些系統存取權的政策拉鋸。但 TechCrunch 引述的證據顯示出不同的營運現實：許多開發者與企業團隊正在以開放權重的替代方案建立生產工作負載，尤其是在成本、客製化與資料控制比單一基準最佳分數更重要的情況下。

論戰中的變化

根據 TechCrunch，最新的討論是由 AI 聲望所在與實際使用成長所在之間日益擴大的落差所引發。前沿版發布仍然主導新聞頭條，但 Delangue 在 TechCrunch 的 Equity podcast 中主張，長期趨勢可能不同：前沿系統或許會保留給實驗與較少數的高價值任務，而日常的生產工作負載則愈來愈多地在 開源模型 或企業內部私下控制的模型上運行。

這個立場與 Hugging Face 在市場上的角色相符。該公司最為人所知的是開放模型、資料集與開發者工具的儲存庫與部署樞紐，因此其領導層顯然有動機強調開放生態系的實力。即便如此，這個論點仍反映出更廣泛的企業憂慮，而這種憂慮在過去一年更加明顯：如果 AI 正成為核心基礎設施，許多買家並不想讓最重要的能力綁在一個無法檢視、修改，或在有利位置談判的黑盒 API 上。

TechCrunch 報導，Delangue 把這件事同時視為擁有權問題與成本問題。在他的說法中，一旦真正的生產帳單開始出現、而整合又變得關鍵，企業就會重新思考，是否還有道理向少數外部供應商租用智慧。

變化背後的使用訊號

這則報導中最具體的訊號來自平台層級的使用資料，不過各自都有其限制。TechCrunch 報導，春季期間，Hugging Face 上 41% 的下載來自中國的開放權重模型，超過了該平台上的美國模型。它還指出，在 OpenRouter 上，最受歡迎的六個模型都是來自 Tencent、Xiaomi、DeepSeek、MiniMax 和 Z.ai 的開放模型，而 Anthropic 的 Claude Opus 4.7 在撰稿時排名第七。

此外，TechCrunch 引述 Vercel 的資料指出，開放權重模型在 6 月處理了該平台近三分之一的 AI 請求。文章將此解讀為開放模型正在承擔越來越多的高流量基礎設施工作，而封閉模型則繼續作為更昂貴的高級層。

這些對建構者來說是很有意義的指標，因為它們捕捉到團隊在測試、路由與部署模型的平台上的真實開發者行為。不過，它們並不能完整呈現 AI 市場全貌。TechCrunch 也指出，這類平台並不包含直接由最大型實驗室託管的大量使用量，而 OpenAI 與 Anthropic 很可能佔據總需求中的很大一部分。換句話說，報導出的資料支持了開放模型在生產環境中提升相關性的看法，但並不能證明前沿 API 在整體上已不再居於核心地位。

同樣的審慎也適用於 Hugging Face 自身的規模指標。Delangue 表示，Hugging Face 每 7 秒就會建立一個新儲存庫，而該平台幾乎託管了 300 萬個公開模型與 100 萬個公開資料集。他還說，Fortune 500 企業中有一半使用 Hugging Face 來部署私有模型與開源模型。這些數字是由公司執行長在 TechCrunch 的報導中提出，應視為公司提供的採用聲明，而非經獨立稽核的市佔資料。

為什麼中國開放模型是這則故事的核心

這次被報導的轉變，有一個值得注意的面向是地理因素。TechCrunch 將開放使用的成長，與中國 AI 公司持續推出的節奏連結起來。這些公司一直在發布開放權重系統，與許多封閉替代方案相比，這些系統部署成本更低，也更容易客製化。

文章特別提到 Z.ai 與其 GLM-5.2 模型，TechCrunch 將其描述為在代理式編碼方面表現強勁，且在辨識安全漏洞上能與 Anthropic 的系統競爭。這對產品團隊很重要，因為編碼、自動化與安全審查，正是推論成本與部署控制會直接影響利潤率與合規性的最明確企業應用場景之一。

如果開發者能從一個可以自行託管、微調、檢視，並在自家技術堆疊中路由的模型取得可接受的表現，那麼經濟模型就會和高價的封閉 API 大不相同。對許多內部工具、客服流程與軟體工程助理來說，「夠好而且可控」可能勝過「目前最強但昂貴且受限」。

這並不代表領先的專有實驗室正在失去相關性，而是代表競爭版圖可能正在分化。前沿模型對最嚴苛的任務、研究能見度與高階企業銷售仍然重要。但包括 DeepSeek 與其他中國實驗室系統在內的開放模型，似乎正在對一個假設施壓：也就是最大的價值永遠都會流向擁有絕對頂尖模型的公司。

鎖定效應、資料控制，以及企業的取捨

市場論點不只來自 Hugging Face。TechCrunch 也引用 Microsoft 執行長 Satya Nadella 警告企業不要被單一供應商綁死，並主張公司應該掌握自己的資料與「learning loop」。這個框架把故事從開源理念，擴展到企業架構層面。

對企業 AI 買家而言，實務問題很直接。模型能否在受控環境中運行？團隊能否防止客戶互動資料回流到供應商的更大系統？他們能否在不重寫應用程式堆疊的前提下，進行蒸餾、微調或切換供應商？又能否在規模擴大後預測成本，而不暴露於單一供應商的定價與存取規則之下？

這些疑慮在涉及受監管資料、專有工作流程，或有大量推論量的客戶端體驗的企業 AI 部署中特別尖銳。在這些情境中，開源模型與私有模型之所以有吸引力，不是因為它們在哲學上是開放的，而是因為它們支持採購談判力、部署彈性與營運可預測性。

對建構者而言，這表示模型編排的重要性正超越對單一供應商的忠誠。團隊愈來愈需要決定哪些工作負載值得前沿級效能，哪些則可以用較低成本的開放模型來跑。這會把產品設計推向混合式堆疊：把高階模型用於複雜推理或敏感邊緣案例，而把開放權重系統用於檢索、分類、寫程式輔助、流程自動化，或全天候背景任務。

證據、風險與有爭議的說法

這篇報導也揭示了當下進行中的政策與安全爭議。Delangue 對 TechCrunch 表示，把 AI 能力集中在少數封閉供應商手中，本身就會帶來風險，而透明度有助於防守方理解並修補漏洞。他認為，把強大的模型維持在封閉狀態並不會消除危險，反而可能加劇權力不對稱。

這種觀點是有爭議的。TechCrunch 指出，Anthropic 執行長 Dario Amodei 曾主張，若將愈來愈有能力的模型權重廣泛釋出，可能會很危險，因為一旦散布出去，系統就更難以控制。反對開放釋出的批評者也警告說，易取得的權重可能讓網攻、假訊息或生物風險等領域的濫用更容易發生。

這篇報導並未解決雙方更廣泛的安全論點，文章也沒有提供可一槌定音的新獨立證據。它所展示的是，部署動能與政策理念如今已彼此交織。企業出於實務理由愈來愈多地採用開源模型，就愈難把「開放」視為小眾或純粹意識形態的議題。

接下來要觀察什麼

最清楚的後續訊號，是不是會有更多企業平台像 Hugging Face、OpenRouter 與 Vercel 一樣，公開具體的使用數據。如果開放模型持續吸收大量應用流量，那麼「前沿系統正在成為高級層，而非預設選項」的論點，將更具可信度。

另一個訊號是，像 Z.ai 與 DeepSeek 這樣的中國供應商，能否持續快速縮小在編碼、安全與代理式工作流程上的能力差距。如果開放權重發表在這些領域仍具競爭力，對專有定價與套裝方案的壓力就應會增加。

也值得觀察 Microsoft 與其他大型基礎設施公司，是否會把反鎖定的說法轉化為產品預設，讓多模型路由與私有部署更容易。如果企業工具能簡化在 Anthropic、開源模型與自架選項之間的切換，採用率可能會進一步加速。

最後，監管機關與前沿實驗室可能會讓關於模型權重是否應受更嚴格管制的辯論更尖銳化。這條政策路徑，可能直接決定下一代高能力模型有多少會進入開放生態系。

Creati.ai 觀點

這則故事之所以重要，是因為它把 AI 競爭從排行榜表演，轉向部署經濟學。對許多團隊而言，關鍵問題不再是抽象地誰的模型最好，而是哪一組模型能在生產環境中提供可接受的品質、可控的風險與可持續的成本。這也是 Hugging Face、OpenRouter 與 Vercel 成為有用指標的原因：它們顯示開發者實際路由進應用的是什麼，而不只是哪些模型贏得了基準測試。

短期內最可能的結果不是前沿實驗室的終結，而是分層化。Anthropic 與其他高階供應商可能會保住推理與關鍵任務的頂端市場，而開放模型會承接更多重複性高、流量大、可客製化的工作。對創業者與企業買家來說，這意味著競爭優勢可能較少來自單一前沿 API 的存取，而更多來自打造能夠混用 Claude Opus 4.7、GLM-5.2 與其他開放模型，且不被任何單一供應商綁住的系統。