OpenAI、Anthropic遇新威脅 AI初創掀自建模型潮

人工智慧(AI)模型成本持續攀升, 正促使愈來愈多AI初創企業重新評估對OpenAI與Anthropic等大型模型公司的依賴, 並轉向採用可自行下載、修改及訓練的開放權重(open-weight)模型。這項趨勢不僅有望降低AI應用公司的營運成本, 也可能對OpenAI與Anthropic未來的營收成長及商業模式帶來壓力。

法律科技新創Harvey是這波轉變的代表案例。這家估值達156億美元的公司原本主要依賴OpenAI的GPT-4等模型, 為律師提供專業AI服務。但今年3月Harvey更新AI代理工具後, 客戶使用量大幅增加, 同時推升模型運算成本, 毛利率從今年初約50%驟降至6月的負50%, 顯示AI服務需求快速成長未必能直接轉化為更高獲利。

Harvey表示, 今年AI token使用量已增加20倍。若持續依賴OpenAI與Anthropic的高成本模型, 這樣的使用增幅難以維持原有商業模式。因此, Harvey開始採用開放權重模型, 並於8月推出自己的AI模型, 以中國Moonshot AI的Kimi K3為基礎進行開發。知情人士表示, 新模型的表現接近Anthropic最先進的模型, 但成本僅為其一小部分; 配合其他AI使用方式調整後, Harvey的毛利率已重新轉為正值。

所謂開放權重模型, 是將模型參數公開供外部開發者下載與修改, 讓企業可以利用自身資料進行後訓練及客製化, 而不必完全依賴大型AI公司的封閉模型。對AI應用企業而言, 這不僅可以降低每次模型呼叫的成本, 也能增加對技術架構的控制權。

這項轉變正在不同產業擴散。醫療科技新創Abridge已宣布建立針對臨床場景的客製化基礎模型, 並以NVIDIA (NVDA-US)的開放模型為基礎。AI客服新創Decagon目前已有80%的查詢透過自有模型處理; 金融科技公司Ramp與金融AI新創Rogo也開始評估自行訓練模型。

在程式開發領域, Cursor及估值480億美元的Cognition已是較早推出客製化模型的AI應用公司。Cursor目前已成為SpaceX旗下公司。這顯示AI應用企業的競爭焦點, 正從單純取得最強大的基礎模型, 逐漸轉向如何以更低成本建立符合自身業務需求的模型。

Ramp共同執行長Karim Atiyeh表示, 公司過去認為自行建立模型在經濟上完全不合理, 但開放權重AI模型的能力大幅提升後, 情況已開始改變。Ramp今年6月完成7.5億美元募資, 目前正評估首次自行訓練模型。Atiyeh指出, 一年前自行建立模型「完全沒有意義」, 如今隨著開放模型進步, 經濟效益開始變得更加合理。

創投業者也開始支持這項趨勢。Sequoia Capital與General Catalyst均參與支持相關企業, 原因之一是自行掌握模型可以降低AI支出, 同時讓企業不必完全將關鍵技術能力外包給OpenAI或Anthropic。

AI模型成本問題之所以受到關注, 也與企業使用量快速增加有關。部分AI公司目前不只支付模型訂閱費, 還必須按照模型使用量支付額外費用。OpenAI與Anthropic近來均推出價格較低的模型, 以回應客戶對成本的疑慮, 但企業仍需負擔大量token使用費。

例如, Uber今年便在4月前耗盡全年AI預算。原因之一是工程師被鼓勵最大化使用Anthropic的Claude Code, 使AI使用量快速增加。這類案例凸顯, 當AI代理工具被大量導入企業工作流程後, 模型使用量可能呈現爆炸式成長, 同時也可能迅速推高成本。

AI初創企業轉向自行建立模型, 對OpenAI與Anthropic而言尤其值得關注, 因為兩家公司本身也正積極向AI應用市場延伸。兩家公司今年均加速招募人才、推出外掛及不同產業的試點計畫, 涵蓋法律、金融及醫療等領域, 與原本使用其模型的AI初創企業形成更直接的競爭關係。

Anthropic近期曾向投資人展示AI初創企業自行建立模型的趨勢, 並將Rogo及醫療AI公司OpenEvidence列入相關簡報。Anthropic也提到Harvey自身的AI模型開發, 但指出Harvey在處理最複雜的工作時, 仍需要使用Claude Opus等先進模型。這反映出企業自行建立模型並不意味著完全放棄OpenAI或Anthropic, 而更可能形成「自有模型處理大量一般任務, 頂尖閉源模型處理複雜任務」的混合模式。

對AI初創企業而言, 開放權重模型另一項吸引力在於降低供應商依賴。近期SpaceX完成收購Cursor後, OpenAI便宣布暫停Cursor使用其模型的權限, 理由是Cursor過去曾涉及Elon Musk旗下企業違反OpenAI服務條款的情況。這類事件也讓部分企業開始思考, 如果核心產品高度依賴單一模型供應商, 一旦供應商改變商業策略或終止服務, 可能直接影響自身產品運作。

不過, 自行建立或調整模型也存在明顯障礙。首先是人才成本。具備模型訓練與後訓練能力的AI工程師供不應求, 頂尖人才年薪可能達到數百萬美元, 同時還面臨被OpenAI及Anthropic等大型AI公司挖角的風險。

其次是資料問題。企業若希望建立真正具有競爭力的專用模型, 必須取得大量高品質且具專業性的資料。Harvey無法直接使用客戶敏感的法律資料訓練模型, 因此需要透過AI資料公司Mercor取得相關專業資料與能力。

此外, 執行開放模型也並非必然比使用閉源模型便宜。企業下載模型後, 仍需自行負擔運算基礎設施、模型託管及維護成本。對流量規模較小的初創企業而言, 直接按照使用量支付閉源模型費用, 有時反而更具經濟效益。

部分企業也已發現自行建立模型未必值得。Salespeak過去曾計畫建立自己的大型語言模型, 但經過數個月測試後放棄, 因為公司認為與市場上現成的Anthropic及OpenAI模型相比, 自建模型沒有帶來足夠優勢。

因此, 目前AI產業更可能出現模型混用, 而非全面由閉源模型轉向開放模型。Redpoint Ventures董事總經理Logan Bartlett表示, AI初創企業降低對Anthropic模型的依賴趨勢可能持續, 但當企業需要最強大的AI能力時, 仍會使用最好的模型, 即使價格較高。

這項趨勢也發生在OpenAI與Anthropic準備進入公開資本市場之際。Anthropic的年化營收截至7月底已突破650億美元, 相較2025年底約90億美元大幅增加; OpenAI的年化營收則在今年7月突破400億美元。Anthropic預估2028年營收約可達1,900億至2,000億美元。

但隨著企業客戶開始尋找更便宜的模型, 兩家公司的營收成長能否持續, 將取決於其高階模型相對開放權重模型的性能優勢是否足以支撐價格差距。另一方面, AI應用市場本身仍快速成長, 因此部分企業即使增加自有模型使用比例, 仍可能繼續採用OpenAI與Anthropic處理最複雜的任務。

對整個AI產業而言, 這意味著模型供應商與應用公司之間的價值分配可能正在改變。當開放權重模型性能逐步接近頂尖閉源模型, AI初創企業便有更多選擇, 可以根據任務、成本及資料控制需求在不同模型之間切換。這將使OpenAI與Anthropic不僅面臨彼此之間的競爭, 也必須面對愈來愈成熟的開放模型生態系統。