原文標題： Anthropic IPO at Risk, Meta』s Muse Pop, Token Prices Fall, Open Source Gains Share, Alignment Fails
節目： All-In Podcast
參與者： Chamath Palihapitiya、Jason Calacanis、David Sacks、David Friedberg

編者按：過去兩年，AI 行業的競爭幾乎一直圍繞一個核心變量展開：誰擁有更強的基礎模型。GPT、Claude、Gemini，以及隨後快速崛起的 DeepSeek、Qwen 等模型，不斷刷新 benchmark，也讓「前沿能力」成為模型公司最重要的定價基礎。但隨著模型迭代速度越來越快、推理成本持續下降，討論正在從「誰的模型最強」轉向「當足夠好的模型越來越多，最強模型還能值多少錢」。當模型能力逐漸從稀缺品變成一種更容易獲得的基礎能力，一個更關鍵的問題開始浮現：AI 產業真正長期稀缺的，到底是模型本身，還是建立在模型之上的產品、工作流與分發能力？

最新一期 All-In Podcast 中，科技創業者 Jason Calacanis、Social Capital 創始人 Chamath Palihapitiya、Ohalo CEO David Friedberg，以及 Craft Ventures 聯合創始人 David Sacks，圍繞近期密集的模型發布、開放權重模型擴張、Token 價格下降，以及 Anthropic、OpenAI 等前沿模型公司的商業模式展開討論。相比「下一代模型又提升了多少性能」，這場對談更值得關注的地方，是它試圖回答模型能力快速擴散之後，AI 產業的利潤池可能向哪裡遷移。

All-In Podcast 四位主持人圍繞 AI 模型商品化、開放權重模型與前沿模型商業模式展開討論。

在這場對談中，幾位主持人實際上是將「模型越來越強」拆解成了一組更底層的結構性問題：當模型之間的性能差距縮小，企業為什麼還要支付前沿模型的高溢價？當開放權重模型能夠承擔越來越多日常工作負載，Token 本身是否正在走向商品化？以及當「大腦」越來越便宜，價值是否會向 Agent、企業工作流和垂直應用重新集中？

第一，是模型競爭正在從能力稀缺轉向成本效率。過去，最先進模型與第二梯隊之間往往存在明顯能力差距，企業為了獲得更高準確率、更強推理和更穩定的輸出，願意支付顯著溢價。現在的變化是，模型發布越來越密集，開放權重模型的性能持續逼近閉源前沿模型，而 API 廠商本身也在不斷降價。這意味著，對大量並不要求極限能力的任務而言，「最好」正在從剛需變成一種可以計算投入產出比的選擇。模型性能依然重要，但價格與性能之間的比值，開始比單純的 benchmark 排名更重要。

第二，是 Token 可能正在從高毛利產品變成標準化基礎投入。過去一輪 AI 商業化的邏輯相對直接：模型公司提供 intelligence，開發者購買 Token，再在外部封裝成應用。但當同一類任務可以在多個模型之間遷移，而且價格差距達到數倍甚至數十倍，企業自然會把不同任務分配給不同成本層級的模型。簡單摘要、客服、內部流程和普通代碼任務可以交給廉價模型，只有科學研究、複雜工程、高價值金融決策等少數任務繼續調用最強模型。這裡真正受到挑戰的不是前沿模型有沒有價值，而是究竟有多少收入必須依賴前沿能力才能成立。

第三，是模型公司的競爭邊界正在被迫向上移動。Chamath 將基礎模型比作「大腦」，而把圍繞模型構建的工具調用、瀏覽器、記憶、權限和任務規劃系統稱為 harness。這個區分很重要：當「大腦」之間的差距不斷縮小時，最終決定產品體驗的可能越來越不是模型本身，而是它有沒有「手腳」，能不能真正完成任務。Meta Muse 一類 Agent 產品因此具有另一層意義——用戶並不關心背後調用哪個模型，而關心它能不能整理郵件、訂機票、處理文件和完成工作。基礎模型越便宜，這類產品的經濟性反而越容易成立。

第四，是前沿模型的商業模式可能因此走向兩極化。一端是規模巨大但高度價格敏感的通用智能，由開放權重模型和低成本模型承接；另一端則是數量更少、但願意支付極高溢價的 Frontier Intelligence，例如複雜科研、數學、工程、生物醫藥和高度競爭的專業場景。OpenAI、Anthropic 等公司的關鍵問題因此不再只是「還能不能繼續提升模型」，而是能否證明最先進模型創造的增量價值足以長期覆蓋其更高的訓練、推理和資本開支。

如果將這場對談壓縮為一個判斷，那就是：AI 的核心矛盾正在從「智能夠不夠強」，逐漸轉向「智能如何被定價、分配和產品化」。

在這個意義上，本文討論的對象已經不只是 OpenAI、Anthropic 或某一款新模型，而是整個 AI 產業價值鏈的一次重新定價：當模型本身越來越容易獲得，真正稀缺的資產，可能重新變成用戶、場景、工作流，以及把智能轉化成實際價值的能力。

以下為原文內容（為便於閱讀理解，原內容有所整編）：

TL；DR

AI 模型競爭正從「誰最強」轉向「誰更便宜地達到夠用水平」，本質是模型能力開始從稀缺品走向標準化供給。

Token 價格持續下探，意味著基礎模型本身的利潤空間可能被壓縮，AI 價值鏈正在從「賣智能」轉向「賣結果」。

開放權重模型最大的衝擊不是取代前沿模型，而是接管大量通用工作負載，迫使企業重新計算「最強模型溢價」是否值得。

前沿模型未來更可能集中在科研、工程、金融等高價值複雜任務，關鍵不在覆蓋所有場景，而在證明其不可替代性。

模型能力越趨同，競爭優勢就越向 Agent、工具調用、記憶、權限和工作流遷移，本質上是價值從「大腦」轉向「執行系統」。

企業 AI 成本結構將從「統一調用最強模型」轉向分層路由，不同任務匹配不同價格和能力層級的模型。

OpenAI、Anthropic 的核心商業風險不是模型停止進步，而是大量現有收入最終被更便宜的模型商品化。

下一階段 AI 行業真正稀缺的可能不再是模型本身，而是用戶、場景、分發和把智能轉化為實際產出的能力。

視頻要點

模型還在變強，但更重要的是：它們正在變便宜

過去幾年，AI 模型競爭有一個非常清晰的邏輯：誰擁有最強模型，誰就擁有稀缺性。

GPT、Claude、Gemini 每次跨越一個能力台階，都足以帶來一輪新的產品和資本敘事。模型性能差距足夠大時，企業願意為「最強智能」支付明顯溢價。

但 All-In 認為，這套邏輯正在變得複雜。

Friedberg 在節目中列舉了近期一連串模型更新。雖然自動轉寫中的部分型號和發布日期存在誤差，但背後的趨勢並沒有錯：模型更新正在變得極其密集，而且性能提升與成本下降正在同時發生。

例如，DeepSeek 9 月 10 日發布 V4.1 Flash。這是一個 5520 億參數的 MoE（Mixture of Experts，混合專家）模型，但輸入時只激活約 80 億參數，輸出時激活約 160 億參數。DeepSeek 同時下調了 API 價格，並稱新的 KV Cache 設計將顯著減少顯存和存儲需求。

OpenAI 也在往同一個方向走。9 月 22 日推出的 GPT-6 Sol 和 Luna，相比此前 GPT-5.6 的推廣價格，API 價格分別降低約 50%。

Anthropic 同日推出 Claude Opus 5.5。其每百萬 Token 的輸入價格從 Opus 5 的 5 美元降至 4 美元，輸出價格從 25 美元降至 20 美元；對於 Agent 場景中使用頻率很高的 Cache Read，價格則從 0.5 美元降至 0.2 美元。Anthropic 稱，綜合 Token 使用效率計算，典型任務運行成本可以下降約 40%。

單獨看，每一家公司的降價都可以解釋為架構優化或規模效應。放在一起看，信號更加明顯：AI 智能本身正在經歷快速的價格壓縮。

開放權重開始搶量，Token 正在變成「商品」

價格下降之外，還有另一個變化正在發生：越來越多工作並不一定需要最貴的模型。

這裡需要先區分一個經常被混用的概念。節目中多次使用「open source」，但嚴格來說，open-weight（開放權重）並不完全等於 open-source（開源）。前者通常意味著模型權重可下載、可自行部署，但許可證、訓練數據或完整訓練代碼未必完全開放。

對於企業而言，商業含義卻很直接。

如果一個內部摘要、客服分類、程式碼輔助或者常規 Agent 工作流，可以用一個便宜十倍的模型完成到足夠好的程度，那麼繼續調用最昂貴的 Frontier Model（前沿模型），就會越來越難向 CFO 解釋。

Vercel 的 AI Gateway 數據已經出現類似趨勢。其 9 月發布的 Production Index 顯示，在 Vercel AI Gateway 處理的 Token 中，開放權重模型佔比已經從 2025 年 12 月的 7% 上升至今年 8 月的 56%，首次超過一半。

與此同時，平均 Token 成本已經降至五個月前的一半以下，僅 8 月一個月，單位 Token 價格又下降 23.2%。

這裡需要強調：這是 Vercel AI Gateway 的生產流量數據，不能直接外推成「全球 56% 的 AI Token 已經來自開放模型」。但它至少提供了一個真實生產環境中的樣本：開發者開始越來越頻繁地把工作負載遷移到更便宜的模型。

Chamath 將這一變化概括為「模型開始 clustering」。他的判斷是，越來越多模型在大量任務上的能力已經接近到足以互相替代。於是問題不再只是「哪個模型最高分」，而是：為了最後那一點性能差距，你願意多付多少錢？

前沿模型不會消失，但必須證明自己「貴在哪裡」

這也是 OpenAI 和 Anthropic 面臨的真正商業問題。

David Sacks 在節目中的觀點比其他幾位主持人更樂觀。他認為，開放權重模型即使拿走絕大多數 Token，也不意味著 Frontier Intelligence（前沿智能）失去商業價值。

原因是總會存在一批任務，對「最好」有極高支付意願。例如藥物研發、複雜數學、尖端工程、網絡安全，或者高度競爭的金融交易場景。對於這些任務來說，如果更強的模型能夠提高一點成功率，它創造的經濟價值可能遠遠超過 Token 成本。

Friedberg 也持類似看法。他所在的生命科學研發組織會使用 Anthropic 的模型，因為在一些高難度科學任務上，模型能力差異仍然足夠大。

因此，真正值得關注的並不是「開放模型會不會消滅 Claude 或 GPT」，而是一個更加具體的問題：OpenAI 和 Anthropic 的收入中，有多少來自真正不可替代的前沿任務，又有多少來自最終可以遷移到廉價模型的普通任務？

如果絕大多數收入來自前者，模型公司仍然擁有很強的定價權。但如果大量收入只是因為企業暫時習慣使用最強模型，那麼隨著企業優化 AI 成本，這部分收入可能面臨越來越大的價格壓力。

這也是為什麼模型公司的客戶結構和收入質量，未來可能比單純的 Token 增長更值得觀察。

從資本市場角度看，這一點尤其重要。投資者真正需要判斷的，不只是「Claude 或 GPT 還能不能繼續增長」，而是這種增長背後的前沿智能溢價到底有多持久。

當「腦」越來越便宜，價值開始轉移到「手腳」

Chamath 在節目中提出了另一個更值得關注的判斷。如果把模型看成「大腦」，真正決定最終產品體驗的，正在越來越多地變成包裹在大腦之外的 agent harness（智能體執行框架）。

所謂 harness，可以理解為讓模型真正「做事情」的整套系統，包括瀏覽器、工具調用、記憶、任務規劃、權限管理、代碼執行以及與不同軟件連接的能力。同樣一個模型，裝進不同的 harness，最終表現可能完全不同。

這意味著，當基礎模型逐漸趨同時，AI 公司競爭的重點可能開始向上移動一層。

過去的核心問題是：誰有最聰明的模型？接下來可能越來越變成：誰能讓這個模型真正完成工作？

Meta 的 Muse 正是這一趨勢的一個代表。

Meta 9 月 8 日發布 Muse，把它定位為 personal AI agent（個人 AI 智能體）：它不只是回答問題，而是能夠通過獨立的虛擬計算環境操作瀏覽器和應用，完成發送郵件、安排旅行等任務。

節目中，Chamath 提到自己用 Muse 整理私人郵箱，也嘗試讓它訂機票和酒店。他認為，這類產品最重要的意義不是底層用了哪一個模型，而是它把原本複雜的 AI 能力包裝成普通用戶可以直接使用的軟件。

這也解釋了為什麼 Token 價格下降未必意味著 AI 行業價值縮水。相反，更便宜的智能可能讓更多產品變得經濟可行。模型層賺得更薄，並不等於整個 AI Stack 賺得更少。價值只是可能從模型本身，重新分配給擁有用戶、工作流和最終產品的公司。

AI 下一輪競爭，可能不再是誰的模型第一

這場變化仍處於早期階段。

前沿模型與開放權重模型之間依然存在能力差異，不同 benchmark 也遠不能代表所有真實企業任務。All-In 所提出的「模型正在收斂」，目前更適合被理解為一種商業判斷，而不是已經完成的行業事實。

但價格變化已經更加明確。開放權重模型正在進入越來越多生產環境，API 單價持續下降，閉源模型廠商也在主動降價。與此同時，Meta Muse 等產品開始嘗試把 AI 從聊天窗口推向真正可以執行任務的 Agent。

接下來真正值得觀察的，已經不只是下一代 GPT 或 Claude 在 benchmark 上又提高了多少分。

更重要的是四個變量：

第一，開放權重模型在真實生產 Token 中的佔比能否繼續提高；第二，單位智能成本還能下降多快；第三，高價前沿模型能夠保住多少不可替代的複雜任務；第四，Agent 能否真正形成穩定使用頻率和商業收入。

如果前三個趨勢繼續發展，AI 模型可能越來越像雲計算中的基礎算力：仍然重要，但價格不斷透明、標準不斷統一。

而真正決定下一階段公司價值的，可能不再只是「誰擁有最聰明的大腦」。而是誰能把越來越便宜的大腦，變成真正有人願意使用和付費的產品。

[視頻鏈接]

歡迎加入律動 BlockBeats 官方社群：

Telegram 訂閱群：https://t.me/theblockbeats

Telegram 交流群：https://t.me/BlockBeats_App

Twitter 官方帳號：https://twitter.com/BlockBeatsAsia