开源大模型正在杀死一批AI创业公司

2023年，谷歌内部泄露了一份文件，标题很直白：《我们没有护城河，OpenAI也没有》。

文件里有一句预言：免费开源替代品在质量可比时，用户不会为闭源模型付费。

三年过去了，这句预言正在变成现实。而且杀死的不是OpenAI，是一批基于闭源模型做应用的创业公司。

开源模型能力追上闭源的速度有多快

看三组数据就够了。

Llama 3，4000亿参数，商用开源，在多个基准测试中与GPT-4打平甚至胜出。权重可下载，允许二次分发。

DeepSeek-V2，推理成本只有GPT-4 Turbo的几十分之一，性能挤进第一梯队。数学、代码等硬核任务表现惊人，模型权重开源。

Mistral Mixtral 8x7B，用稀疏MoE架构，单张消费级显卡就能跑，性能超过了很多百亿参数的大模型。

2025年1月DeepSeek-R1发布，更是被行业视为"临界点事件"——以极低训练成本（557万美元，行业平均的1/50）训练出对标GPT-4的能力，技术细节全开，权重开源。

到2026年，国产开源模型API调用成本降至0.3美元/百万Token，是美国闭源模型的1/16。开源模型不再只靠"堆参数"取胜，开始在架构创新上反哺整个行业。

速度有多快？从DeepSeek-R1到V4，推理计算量压缩至前代的27%，KV缓存降至10%。闭源模型还在加码训练成本——GPT-5的训练成本据报超过50亿美元。开源在降本，闭源在加码，这两条线的交叉点已经不远了。

创业者基于闭源做的壁垒正在崩塌

这才是最致命的。

很多AI创业公司的商业模式是：调用GPT-4或Claude的API，加上自己的Prompt工程和行业Know-how，包装成产品卖给客户。这个模式的前提是：底层模型贵且难以替代，你的"包装"有价值。

但当前提不成立了呢？

当DeepSeek开源了一个效果接近、成本只有1/16的模型，你的"包装"突然就不值钱了。客户会算账——我直接用开源模型，自己搭个简单的Prompt，不比花大价钱买你的"包装"强？

更狠的是，开源模型还在不断进化。每次开源模型升级，基于闭源模型的创业公司就得重新证明自己的价值。你刚花半年优化好的Prompt，开源模型一个版本更新就默认支持了。

Stability AI的教训已经够深刻了。作为开源文生图领域的鼻祖，免费社区版本的冲击让它的付费产品失去了意义，最终陷入危机。而现在，同样的事情正在更广泛的AI应用领域上演。

据36氪报道，2026年一季度中国AI应用类新创公司数量同比上升超过60%——因为开源模型把创业门槛拉低了。但门槛低意味着竞争激烈，大量同质化产品涌入，每个人都能用同样的开源模型做同样的事情。

哪些创业公司最危险

最危险的是"套壳型"AI公司——产品本质就是对闭源API的简单封装，没有核心技术壁垒。

AI Graveyard的数据显示，AI写作、Chatbot、AI助手这些低门槛赛道的死亡项目数量最多。这些领域恰好是最容易被开源模型直接覆盖的。

Manus AI就是典型案例。号称拥有自研核心AI能力，实际只是对第三方API的简单封装。当竞品出现，或客户要求更深度的定制化和私有化部署时，技术上的脆弱性暴露无遗。

其次是"通用型"AI工具公司。通用文案生成、通用PPT制作、通用客服——这些需求大厂免费版就能覆盖90%，开源模型+简单Prompt能覆盖剩下的9%。你卖19.9元/月，别人免费，你怎么活？

还有一个容易被忽视的危险群体：基于特定闭源模型做深度优化的公司。你的Prompt调得再好、微调做得再精，只要底层模型提供商自己推出了类似功能，你就完了。Jasper曾经是AI写作的明星，OpenAI自己加了写作功能后，Jasper迅速衰落。

开源生态里的新机会

但开源不是只有毁灭，也创造了新机会。

模型部署与优化。不是每家公司都有能力自己部署开源模型。LoRA微调、量化压缩、推理加速——这些技术服务的需求正在爆发。有团队做本地客服知识库部署，7B小模型微调+4位量化，单项目收费3-10万，客户复购率超过60%。

开源生态工具链。vLLM、llama.cpp、ollama——这些开源推理框架催生了新的工具需求。谁能把开源模型的部署门槛降到最低，谁就能赚到钱。

基于开源模型的垂直应用。开源模型提供了"水电煤"级的基础设施，降低了试错成本。创业者可以快速验证一个垂直场景的可行性，一旦跑通，再深入做行业数据和流程壁垒。

数据标注与微调服务。开源模型人人都能用，但微调需要行业数据。谁掌握了特定领域的高质量数据，谁就有壁垒。有团队做医疗影像标注，之前通用标注项目单价被压到几毛钱一条，转型做医疗影像标注后，客单价翻了上百倍。

安永基于DeepSeek开发的企业智能体平台，已将合同审查效率提升3倍。Airbnb用通义千问优化客服系统。这些案例说明，开源模型正在成为AI应用的"公共底座"，而真正值钱的是在这个底座上搭建的行业解决方案。

创业公司怎么活下来

一句话：把壁垒从"模型能力"转移到"行业理解"。

开源模型把底层能力拉平了，这是不可逆的趋势。未来不会有创业公司靠"我们用的模型比别人好"来竞争——因为好模型是免费的。

能活的创业公司，壁垒一定不在模型本身，而在模型之外：行业数据的独占性、业务流程的深度理解、客户关系的黏性、合规能力的积累。这些是开源模型替代不了的。

还有一条路：拥抱开源，而不是对抗它。用开源模型降低成本，把省下来的钱投入行业深耕。你的推理成本降到原来的1/10，你就有更多的利润空间去服务客户、去积累数据、去建立真正的壁垒。

开源大模型确实在杀死一批AI创业公司，但杀死的只是那些没有真正壁垒的公司。好公司不怕开源——因为他们卖的不是模型，是解决方案。