本文小节On this page
一家行业追踪网站估计，亚马逊、谷歌、Meta和微软2026年计划投入AI基础设施的资本开支合计约7250亿美元，较其估算的2025年水平高约77%。与此同时，CNBC报道，AI创业公司Lindy在6月初将全部模型流量从Anthropic的Claude转向DeepSeek，原因是后者更便宜，且提供开放权重模型。(AI Spending Tracker 2026；CNBC)
这两件事并不意味着算力投资失效。它们指向的是商业化中的两个不同环节：模型提供商和云厂商仍在扩大计算供给；企业客户则开始审视高频模型调用的成本。前沿模型竞争因而不能只看融资、估值或基础设施投入，还要看高价模型在具体工作负载中是否能持续证明其成本合理。
算力仍是供给约束
Information Matters在2026年5月的行业报告中，将OpenAI、Anthropic、Google DeepMind和Meta归为具有“结构性规模”的一组。报告称，四家公司的已披露年化收入合计超过500亿美元，至2032年的承诺算力支出合计超过1万亿美元；该机构据此认为，算力供给是这一群体面临的约束条件。(AI Foundation Model Providers Landscape 2026)
云服务增长也构成这一判断的背景。Towards AI在5月的一篇行业综述中称，Google Cloud同比增长63%，Azure及其他云服务增长40%，AWS增长28%；该文将算力称为当年AI增长的约束之一。上述增速和判断均来自该文对当周财报的整理，而非对所有模型供应商经营状况的直接证明。(TAI #203: OpenAI, Anthropic, and Wall Street Race to Build the AI Deployment Layer)
但计算资源紧张，不等于客户会无条件接受高成本调用。数据中心、芯片和云服务可以增加训练和推理能力，却不能替企业判断某项任务是否需要最强模型，或是否能由更便宜的替代方案完成。
企业开始控制模型调用成本
CNBC将这一变化概括为企业从追求大量使用模型转向关注效率。报道援引D.A. Davidson分析师Gil Luria的话称，OpenAI和Anthropic的一些大型企业客户“may start limiting their out-of-control token spend”。报道还提到，开放源代码模型正成为较低成本的替代方案，微软、亚马逊和谷歌也在提供更强调效率的产品。(CNBC)
Lindy的迁移不能代表整个企业市场，但它展示了一种具体选择：该公司没有停止使用模型，而是将流量从一家前沿模型供应商转向成本较低的开放权重模型。对模型提供商而言，这意味着竞争不只发生在模型能力层面，也发生在价格和替代方案之间。
现有材料不足以说明企业客户将以何种速度、在多大范围内压缩高价模型的使用。但至少可以确认，调用量增加本身并不必然意味着供应商的商业化质量提高；客户还会比较任务效果与使用成本。
从模型能力到企业部署
模型能力和算力并不能自动转化为稳定采购。Towards AI称，OpenAI和Anthropic正在建设或支持更依赖人工服务的部署体系，包括顾问、私募股权机构和前置部署工程师。该说法是该文的行业观察，但它指出了一个具体问题：通用模型进入企业流程，仍需要集成、调整和维护。(TAI #203: OpenAI, Anthropic, and Wall Street Race to Build the AI Deployment Layer)
Information Matters在其框架中将Google DeepMind评为九家样本中“稳健性”最高者，同时认为OpenAI和Anthropic具有最高的“颠覆潜力”。这些评分是该机构的分析结论，不能替代经营结果；不过，它们区分了拥有既有平台和云资源的公司，与主要依靠模型和产品增长的独立实验室所处的不同位置。(AI Foundation Model Providers Landscape 2026)
资本开支、估值和模型能力仍是竞争的重要指标，但它们主要说明供应商能够投入多少资源。企业开始核算调用成本后，商业化的另一项检验是：模型在具体任务中是否足够难以替代，其价格是否能经受替代方案的比较。