Ox Alpha，一個無人認領的匿名模型，剛剛在世界上最繁忙的 LLM 市場上奪得第一名。這不是關於中國的故事。這是關於定價權，以及誰最終能從兆美元的 AI 基礎設施中獲利。

8 月 20 日，一個名為 Ox Alpha 的模型出現在 OpenRouter 上，沒有附帶任何名稱。OpenRouter 是 AI 經濟的基礎設施：一個單一的介面，開發者可以透過它接觸到數百個模型並隨意切換。其每週排行榜不是根據基準分數對模型進行排名。它根據開發者實際消耗的 token 數量進行排名，捕捉的是已顯示的偏好而非賣方評級，以及實際的訂單流而非研究筆記。

幾天之內，Ox Alpha 就以每週 17.5 兆 token 的數量位居第一，遠遠領先於 DeepSeek。它提供一百萬 token 的上下文窗口，接受文本、圖像和影片，在預覽期間免費，並且其提供者聲稱不會使用用戶提示進行訓練。開源代理框架 OpenCode 報告稱，該提供者每天有 100 兆 token 的容量。Stripe（全球支付技術公司）的聯合創始人兼首席執行長 Patrick Collison 稱其「非常令人印象深刻」。一些早期較為驚人的數據依賴於微小的樣本，更廣泛的評估更為細緻。但基本事實是：一個身份不明的參與者現在可以發布一個足夠好的模型，以至於社群認真爭論它究竟來自 Google、微軟還是像 Z.ai 這樣的中國實驗室。兩年前，這是不可想像的。

看看表格的其餘部分。前十名模型中有六個來自中國：DeepSeek、小米、騰訊、Z.ai。來自美國頂尖實驗室的最高排名模型位居第六。在衡量開發者實際在生產環境中運行的指標上，美國的領先地位已經消失。

「技術前沿」就是機器在給定時刻能獲得的最佳性能。對投資者來說，重要的是前沿在哪裡並不重要，而是有多少參與者站在上面，以及第十名追趕第一名的速度有多快。

三種力量正在壓縮這種距離。研究透過已發表的論文、開源權重模型、大型模型的蒸餾以及相對較少的研究人員的流動而傳播。效率也在複利增長：混合專家架構、量化和投機性解碼將每單位能力所需的計算量降低了一個數量級。而且，一旦證明是可能的，新能力就比發現它時便宜得多。美國的半導體限制仍然是中國的真正制約，但它們正被演算法效率、推理優化和對可用計算的嚴格使用部分抵消。前沿的推進速度並沒有變慢。跟隨在其後面的隊伍正在變得短得多。

Token 是這個行業的計價單位，它的行為就像一種商品。追蹤 OpenRouter 和 Epoch AI 數據的學術研究記錄了自 2020 年以來 token 價格約下降了 600 倍。2023 年，GPT-4 級別的能力成本約為每百萬輸入 token 30 美元；現在，同等質量的能力價格約為 0.10 至 0.40 美元。市場上最便宜和最昂貴模型之間的價差現在以數千倍來衡量。

市場已經一分為二。一個前沿層仍然為真正困難、高風險、長週期的工作收取高價。在其下方是一個無情下跌的商品層，沒有可見的底線，供應商幾乎完全在價格上競爭，並且至少有一個主要參與者似乎願意以低於成本的價格出售。

將這種通貨緊縮傳導到收入的機制是路由。一旦一家公司將路由器放在其應用程式前面，模型就成為一種可替代的輸入，根據規格、延遲、上下文長度和每次成功輸出的成本來購買，而不是根據品牌。AT&T 最近報告稱，僅透過路由就節省了 56% 的編碼成本。這對市場來說是關鍵點：商品化不需要挑戰者在頂端與領導者匹敵。它只需要他們足夠好，能夠處理 90% 到 95% 的非頂級工作負載。前沿實驗室很可能會保住王冠，但失去銷量。銷量才是支付數據中心費用的來源。

如果模型本身成為一種輸入而不是產品，那麼護城河必須存在於其他地方。它正在轉移到分銷和預設位置，這決定了誰擁有最終用戶；轉移到專有、非公開數據；轉移到工作流程和記錄系統的所有權，而這才是轉換成本真正所在；轉移到代理、編排和評估層；以及轉移到真正稀缺的實體資產，如電力、電網連接、冷卻、高頻寬記憶體和先進封裝。

類比是雲端運算。原始計算已經商品化，其價格在十五年裡持續下跌，但那些擁有分銷和工作負載的人賺取了巨大的財富，而不是賣出最便宜計算週期的那些人。我們自己的行業以微縮模型提供了相同的教訓。沒有一家私人銀行會因為能夠接觸到前沿模型而獲得持久的優勢，因為每個競爭對手都會擁有一個。優勢在於它與什麼相連：客戶數據、監管邊界、人類判斷、分銷。

四大超大規模雲端服務提供商預計 2026 年的資本支出約為 7250 億美元，比去年增長約 77%，共識預計 2027 年將超過一萬億美元。這個數字之下有一個隱含的假設，值得明確說明：推理將以包含少量模型提供者經濟租金的價格出售，並且這種租金將持續足夠長的時間來折舊資產。

如果按能力調整後的價格每年繼續下跌四到十倍，而數據中心資產的折舊期為五到六年，那麼這個假設要求銷量增長速度快於價格下跌速度。到目前為止，它一直輕鬆實現。Jevons 效應是真實的：更高的效率正在推動更大的使用量，代理工作負載正在 voraciously 地消耗 token。風險不是對 AI 的需求消失。而是單位收入下降的速度快於利用率上升的速度，並且邊際 token 最終由任何願意接受最低資本回報的人提供。今天，這可能是一個中國實驗室或一個免費提供的匿名提供者。

免費不是慈善。有人在為這種推理付費。他們正在購買評估數據、開發者習慣、市場份額以及以後重新定價的選擇權。這正是市場在商品化過程中會發生的情況。

結論不是要賣掉 AI。而是要更精確地判斷 AI 價值鏈的哪些部分提供了有吸引力的回報。

將租金與收入分開。對於每一項與 AI 相關的持有，問一個簡單的問題：不斷下降的 AI 成本是讓這項業務更容易運營，還是更容易被取代？擁有第一類業務。對於那些假設在技術領先優勢僅以數月而非數年來衡量的情況下，能夠產生持久競爭優勢的估值要持懷疑態度。

應用程式層是 AI 被低估的受益者。不斷下降的推理成本降低了將智慧嵌入現有工作流程的費用，為軟體公司創造了強大的利潤順風。因此，AI 將摧毀軟體的普遍觀點可能正好相反。隨著智慧變得豐富且廉價，最接近用戶的公司可能會獲得更多，而不是更少價值的份額。

關注正確的指標，而不是基準測試。追蹤 token 銷量、前沿模型定價、企業從模型路由中節省的成本以及超大規模雲端服務提供商的折舊趨勢。這些數據點揭示了價值在哪裡積累以及定價權在哪裡被侵蝕。最重要的信號將是領先的西方 AI 實驗室為了保護市場份額而降低價格。這將標誌著一個轉折點，迫使市場重新評估整個 AI 生態系的獲利預期。

我們下週可能會發現 Ox Alpha 實際上是微軟未發布的模型，而不是中國的突破。但這幾乎不會改變分析。重要的是誰開發了模型，而是區分它們的難易程度。真正的信號是，領先模型之間的差距可能正在縮小到...