廉價中國 AI 模型對 Anthropic 與 OpenAI 的營收模式帶來新壓力

生成式 AI 這項以兆美元計的投資論述，正面臨一場更即時的商業考驗：高階模型供應商是否仍能就那些低成本中國 AI 模型可能愈來愈能以極低價格提供的能力收費？

Tekedia 的一則報導將這項發展描述為對 Anthropic 與 OpenAI 營收的威脅；這兩家公司是銷售先進基礎模型與相關服務、最廣為人知的企業之一。現有的來源資料並未指出特定模型發布、未揭露經過驗證的價格比較，也未報告任一公司的營收出現確認下滑。不過，它確實指向一個核心市場疑慮：更便宜的競爭者可能迫使模型供應商不再只靠稀缺智慧的可取得性競爭，而是更著重於成本、可靠性、整合與通路。

為什麼較低價格現在很重要

這股壓力之所以重大，是因為 AI 產品的經濟效益與推論成本息息相關——也就是使用者或應用程式每次送出請求時，執行一次模型所需的費用。對於開發 AI 代理、程式編寫工具、客服系統與企業內部應用的開發者而言，模型品質固然重要，但延遲、使用限制，以及處理數百萬次請求的成本同樣重要。

如果某個較便宜的模型對特定工作流程已足夠好，買家可能就沒有那麼強的理由去使用最昂貴的可用系統。這不要求低成本模型在每一項基準測試上都超越 Anthropic 或 OpenAI。它只需要在摘要、分類、擷取、基本程式撰寫或例行客服等目標任務上表現得夠好。

這會讓既有供應商面臨棘手的定價問題。降低價格可以擴大使用量，但也可能降低每次請求的營收。維持高價或許能保護利潤率，同時鼓勵客戶測試替代方案。對於從試點轉向正式上線的新創與企業而言，這種拉扯尤其尖銳，因為模型帳單可能變成實質的營運支出。

現有證據顯示了什麼——以及沒有顯示什麼

這則新聞的來源證據僅限於一篇透過 Google News 查詢散布的 Tekedia 文章。其標題與摘要將廉價中國模型視為對 Anthropic 與 OpenAI 營收的挑戰，但全文無法取得。因此，這裡沒有根據可將特定基準分數、客戶轉換、營收損失或採用數字歸因於該報導。

這項區別很重要。關於模型效率、能力與商業動能的說法，往往來自有意影響市場預期的供應商、投資人或公司。較低的價格也不等於更低的總成本。買家必須將託管、工程工作、監控、資料控管、支援，以及修正不可靠輸出的成本納入考量。

因此，現有證據支持的是市場風險評估，而非已被確認的財務事件。它顯示中國 AI 模型已成為圍繞定價與模型可取得性之競爭討論的一部分；但並不能證明 Anthropic 或 OpenAI 已經出現可衡量的營收下滑，也不能證明任何一個競爭者已在大規模上取代它們。

Anthropic 與 OpenAI 面臨的競爭壓力

Anthropic 與 OpenAI 透過開發者 API、消費者產品與企業合作關係，建立起以高度能力模型存取為核心的業務。它們的商業優勢不僅僅是原始模型表現，也可能包括產品易用性、安全控制、文件說明、正常運作時間、生態系整合與客戶支援。

這些優勢在受監管或複雜的部署環境中，或許能保護它們。選擇用於法律審閱、軟體開發或敏感內部資料的 AI 系統時，企業可能更重視可預期的行為與管理控制，而非最低的 token 價格。切換模型也可能需要調整提示詞、進行評估、做安全審查，以及重新訓練員工。

但價格仍然具有策略性重要性。若中國 AI 模型以較低成本提供可接受的效能，它們就能在實驗與生產規劃階段，為開發者提供可信的替代方案。即使客戶仍會在最吃重的工作負載上使用高階供應商，這也可能削弱後者的定價能力。

對 OpenAI 與 Anthropic 而言，回應方式可能包括更積極的定價、更小型的專用模型、更好的模型間路由，或更強調完整產品而非僅僅是模型存取。來源並未報導任一公司的具體回應，因此這些應被視為可能的競爭路徑，而非已宣布的策略。

對建構者與企業買家的意義

AI 建構者應將模型選擇視為一項投資組合決策，而非一次性的選擇。高階模型仍可能適合複雜推理或困難的程式撰寫任務，而較便宜的模型則可處理重複性請求。將工作負載在多個模型之間分流可以降低成本，但也會增加評估與營運複雜度。

團隊應根據實際執行的任務來比較模型，包括失敗率、回應一致性、延遲、工具使用與拒答行為。公開基準結果可協助初步篩選，但不能取代使用公司自身提示詞與資料進行的測試。成本估算還應納入重試、人工作業審核、儲存、可觀測性與備援系統。

企業買家也應檢視模型的託管位置、可用的資料保護措施、更新如何管理，以及供應商是否提供具實質意義的合約承諾。若部署會帶來額外的法遵或安全義務，即使 API 價格較低，吸引力也可能下降。

更廣泛的市場意涵在於，模型供應商可能愈來愈是在營運經濟性上競爭。那些能在維持可靠性的同時降低推論成本的公司，可能會贏得市占；而主要依賴品牌知名度或吸睛能力的公司，則可能面臨來自更廣泛供應商群的壓力。

接下來該看什麼

最明確的後續訊號，將是來自具名中國模型供應商、經過驗證的價格與效能數據，最好是由獨立開發者測試，而不只是供應商素材中的說法。由知名企業實際在生產環境中使用的證據，也比一般性的興趣或下載量說法更有意義。

投資人與產業觀察者應留意 Anthropic 與 OpenAI 的價格變動、更小型或更高效率模型的發布，以及 API 使用量或客戶計畫的轉變。企業採購資料、模型路由工具與獨立成本基準，可能揭示買家是否真的正在把工作負載從高階供應商轉移出去。

也應區分開放或自架模型的競爭，以及受管理雲端服務的競爭。這兩個市場的成本、支援需求與安全取捨各不相同。

Creati.ai 觀點

這則故事最重要的部分，不在於某個更便宜的模型是否贏得單一基準測試；而在於可接受的 AI 效能是否變得足夠普及，進而改變客戶對高階存取權的評價。若買家能從多家供應商取得可靠結果，定價能力就會轉向那些能提供更佳工作流程、治理、整合與服務的產品，而不只是更大的模型。

就目前而言，證據支持的是審慎看待，而不是宣稱 Anthropic 或 OpenAI 的營收已經下滑。但競爭問題確實存在：隨著模型成本下降，AI 公司將需要證明其高階定價反映的是在生產環境中可衡量的價值。