来源：新智元报道
今天凌晨，美股被血洗了。
纳斯达克指数暴跌5.52%，创下2025年4月以来最大单日跌幅，正式跌入技术性修正区间。费城半导体指数狂泻12.3%，这是2020年3月疫情崩盘以来最惨的一天。
英伟达跌9.26%，一天蒸发近4500亿美元市值；AMD跌17%，闪迪跌22%，博通跌10%。
从芯片、服务器、光模块到数据中心的电力供应商，整条AI基建产业链几乎没有一个角落幸免。
媒体估算，美股一天蒸发约2.8万亿美元！
抛开选举影响，更深的一层，是市场对天量AI资本开支「到底能不能回本」的怀疑，终于集中爆发了。
可就在两天前，11月3日，硅谷50年老牌风投Menlo Ventures——Anthropic的早期投资人，发布了《2026年企业AI现状报告》，里面的数字跟股市走出了完全相反的方向：
2026年企业AI部署支出从330亿美元飙到1770亿美元，一年暴涨5.4倍。三年前这个盘子才17亿，三年涨了100倍。
一边是2.8万亿美元灰飞烟灭，一边是1770亿美元真金白银砸进去。
反差大得离谱。华尔街在怀疑供给侧的资本开支能不能回本，而需求侧的CTO们，正在加单加到预算失控。
这份报告里，还藏着两条更耐人寻味的线索：
中国模型拿下了企业开源模型支出的89%，其中，Kimi占61%；与此同时，企业的钱，正加速流向更贵的旗舰模型，前沿模型的支出份额由35%升至63%。
这两件事放在一起，才是真正的好戏。
企业开源模型支出中，中国军团以压倒性优势盘踞前四：Kimi 61%，DeepSeek 15%，GLM 11%，Qwen 3%，合计89%。Meta的Llama，西方世界最拿得出手的开源选手，只拿到7%。
换句话说，美国企业在生产环境里跑开源模型，十次里有九次，底层来自中国。
但更有意思的，是中国模型已经不只是「便宜替代品」了——它开始往别人的产品里「长」进去。
就在昨天，11月5日，Thinking Machines Lab发布了新模型Inkling 2 Small。这家公司不用多介绍：OpenAI前CTO Mira Murati出走创办，一轮种子就融了20亿美元，最近一轮谈的估值是400亿美元，硅谷含金量最高的明星实验室之一。
模型本身也不含糊：5940亿总参数、170亿激活的MoE，Artificial Analysis智能指数拿了31分。
但这些都不是重点。重点藏在技术博客里一个不起眼的角落——
预训练走到后半段，喂给模型的数据大部分不是从网上扒的，而是让几个更早的模型先跑一遍生成的。点名的第一个，就是月之暗面的Kimi K3。
这叫什么？这叫Kimi给硅谷的明星实验室当了一回老师。
能当老师的前提是：你写的答案，别人愿意抄。放在一年前，这个角色基本只属于GPT和Claude。
当老师还只是一种用法。Kimi K3还在给美国公司当底座。
今年8月，法律AI独角兽Harvey——估值超百亿美元，OpenAI还是它的股东，发布了自家第一个模型Tenet。
基座是谁？不是股东OpenAI的GPT，是Kimi K3。
Harvey只用了大约150块英伟达B300，花两个月在Kimi K3上做法律任务的后训练。
结果，Tenet在自家法律Agent基准上完成的任务数几乎翻倍，在多项复杂法律任务上，跟Anthropic、OpenAI、Google的旗舰模型打得有来有回。
造模型的Thinking Machines拿它当老师，做应用的Harvey拿它当底座。从实验室到应用层，Kimi都挤进去了。
对这些公司来说，开放权重意味着拿到了一把可以自己磨的刀，而不只是一把便宜的刀。
中国模型由此进入了海外头部应用的生产链条——从被调用，到被当作老师、底座。
而且，这股势头还在加速。
10月23日刚发布的Kimi K3.1 Pro，月之暗面自报的Terminal-Bench 4.0成绩达到65.7%；紧接着11月5日，它登陆了微软Foundry——
这是微软云上第一个采用「收入共享」模式的开源权重模型。简单说就是：企业在微软Azure上每调一次Kimi，月之暗面都跟着分钱。
而在微软之前，Kimi已经先上了亚马逊AWS。微软、亚马逊，全球最大的两朵云，先后给中国开源模型发了「入场券」。
中国开源这么能打，闭源模型是不是该慌了？
故事远没这么简单。
如果只看使用量，开源的势头确实猛：token份额从11%升到19%，月处理量暴涨22.5倍，达到约2.9千万亿个。
但钱呢？支出份额反而从6%降到了4%。
原因很扎心：过去一年，开源阵营大多在卷同一件事——做更小、更快、更便宜的「flash」级模型，拼命打价格战。
一年时间，开源token的均价跌了3.3倍，现在每百万token只要0.13美元；闭源模型平均0.70美元，贵五倍多。
价格战的结果就是：干的活多了一倍，收的钱反而少了——增量全被降价吃掉了。
打价格战的开源Flash模型们赢了吆喝，旗舰模型赢了钱包。
企业的预算不认开源闭源，只认谁能干活。只不过开源阵营里，够得上旗舰的选手一只手数得过来。
这是整份报告最反直觉的发现：前沿旗舰模型的支出份额从35%飙到63%，token份额从18%翻倍到42%。
去年企业的主流选择是Claude Sonnet 4.5（每百万输入token 3美元）和GPT-5（1.25美元）；今年换成了Claude Opus 5.5（4美元）和GPT-6 Astra（10美元）。价格翻了几倍，用户不仅没跑，反而蜂拥而至。
钱流到了谁手里？Anthropic从40%涨到55%，OpenAI从27%涨到31%，两家吃掉86%的企业LLM API支出。Google从21%掉到9%，掉队了。
而Kimi K3、DeepSeek V4、GLM-5.3这些性能已经逼近旗舰的选手，合起来不到5%。能力到了，但企业还没敢把命根子交过去。
最惨的是夹在中间那层：小型闭源模型降价80%以上，token份额仍从29%跌到13%。上面被旗舰抽走复杂任务，下面被开源抢走简单活，两头挤、两头打，里外不是人。
那为什么企业宁可花更多钱？
你设想一下：让AI修一个线上故障，读代码、查日志、定位问题、改文件、跑测试。便宜模型每走几步就跑偏，你得一遍遍解释、检查、返工，最后还是得自己上。Token账单是省了，工程师的整个下午搭进去了。
所以企业心里那本账，算的根本不是每百万token几块钱，而是这件事从头到尾干完，一共花了多少。模型调用费只是零头，人盯着、等着、改着，才是真正烧钱的地方。
便宜当然好，但得有个前提——活真能干下来。
不过话说回来，开源就干不了大活？
还是拿Kimi K3.1 Pro来说，2.8万亿参数的MoE架构，支持100万token的上下文窗口，Terminal-Bench 4.0跑出65.7%，超过了GPT-6 Astra。
在金融研究基准OfficeQA Pro v2上拿到64.4分，全球第一。幻觉错误率从前代的23.4%压到了6.85%。
这已经不是「凑合能用」的水平，这是跟闭源旗舰掰手腕的水平。
开源差的，从来不是智商，而是企业对它的放心程度——合规、售后、长期路线，这些「考场之外」的分数，才是最后一关。
说到底，今天美股的暴跌和这份报告的数据，讲的是同一件事的两面。
华尔街盯着供给侧：天量资本开支、数据中心审批、电力成本，样样都是悬在头上的剑。
而Menlo Ventures报告盯着需求侧：每花1美元训练模型，企业就花1.70美元使用它——下游的需求，正在给上游的投入兜底。
华尔街年初还为「AI吃掉SaaS」恐慌过一轮。结果报告显示：55%的AI新增支出来自全新预算，从传统软件预算挪给AI原生厂商的只有9%。
AI在做大蛋糕，不是在抢蛋糕。
写这份报告的Menlo Ventures，他们的合伙人Tim Tully说了句大实话：
华尔街天天追问AI到底能不能回本，但我们看到的是，企业买家一个都没缩手，反而在想办法让AI多干点活。
「我们可能仍然低估了这个市场。」
最后回头看这份报告里藏着的三组反差：
旗舰 vs 开源。旗舰模型拿走了69%的部署支出，前沿实验室的先发优势在Agent时代被放大。
但报告也说了一句意味深长的话——「能力的稀缺性不会持续太久」。
每当开源在某类任务上追平旗舰，原来的溢价就得重新接受检验。
闭源旗舰没有永久的溢价权。
用量 vs 收入。中国开源以89%的份额证明了自己的能力，但19%的token用量和4%的支出之间，横着一道商业化考题。
能被大量调用是一关，能稳定扛下复杂任务、让客户持续付费，是下一关。
Harvey和Thinking Machines的案例给出了一条路——不靠便宜，靠成为别人的老师、别人的底座；微软、AWS的分成模式给出了另一条——跟云巨头合作，调用一次，分账一次。
股价 vs 账单。华尔街和企业之间的反差，其实没那么矛盾。
股价算的是预期，账单记的是现实。一天蒸发2.8万亿是预期在回调，一年涨5.4倍是现实在加速。两者可以同时为真。
但往更远处看，这份报告揭示的可能不只是一次景气周期——而是一场产业权力的再分配。
三年前，AI还是实验室里的玩具；三年后，企业一年花1770亿美元用AI干活，这笔钱已经顶得上整个公有云收入的三分之一。
干活的主力也换了，80%的token是Agent自己烧掉的。
谁的模型能打、谁来训模型、谁来帮你跑模型，整条链上的分工，都在被中国的开源力量重新改写。
