海外企业把AI主力模型换成中国的,究竟能省多少钱、提多少效?目前公开信息里最完整的一份企业级账单给出了量级:英国金融科技公司Revolut将自托管的智谱GLM设为主要AI编程服务后,不到一年推理成本下降约90%,编码时间和交付周期也显著压缩。这笔账由该公司运维与基础设施负责人在纽约AI Engineer大会上公开披露,原始报道来自英国科技媒体The Register,数字、前提和局限都比较齐全。36氪
宏观层面,这场切换的规模也已可查。硅谷风投Menlo Ventures在11月3日发布的《2026年企业AI现状报告》估算,美国企业在开源模型上的支出九成流向了中国模型,且Kimi一家占了大头。但约90%不是随便换就能拿到的数字,它背后有一整套前提条件;而同样真实存在的是,换完模型之后还有三笔没算清的账。36氪
这笔降本账是怎么算出来的
Revolut的路径很有代表性。2025年初先用Gemini帮工程师查资料读文档,2026年初引入Claude Code,规模一大成本立刻失控:部分工程师每月AI开销在1000美元到1万美元之间,投资回报却看不清楚。公司随即给AI编程工具设置Token预算上限,结果出现一个反直觉的现象:额度越贵,工程师越不敢用,反而把调试、工单、文档这些AI能干的活留回给人。36氪
换成自托管GLM-5.1后,价差被拉到数量级层面:按该公司披露的数据,输入输出综合成本约每百万Token 0.30美元,大约是OpenAI Codex、Claude Code等商业服务的十分之一。便宜到什么程度会改变行为?工程师不再"省着用",而是想还有什么活可以交给AI——这正是效率数字的来源。编码时间缩短约60%、交付周期缩短约70%,后者大于前者,是因为AI接管的远不止写代码,还包括排查Bug、处理工单、更新文档这些真正挤占开发流程的琐事。36氪
但省下来的钱要有对价。为支撑约2000名工程师的使用,Revolut部署了56张英伟达B200 GPU,模型权重和上下文缓存吃显存,GLM-5.1总参数约754B、每Token激活约40B,仅权重就需要约380GB显存。硬件之外靠的是工程优化:GPU数量不变的前提下,通过NVFP4量化、拆分Prefill与Decode、限制过长的上下文预留,每秒处理请求量提升76%,首Token延迟从迁移期的14.26秒降到1.68秒。原报道也提醒:56张显卡加部署运维不是小开支,省下的API账单能否覆盖这部分成本,才是这笔账真正要算清楚的地方——换言之,约90%的降本属于"高用量+有能力自托管"的大企业。36氪
换的人在用什么、在哪用
回到份额。Menlo报告里的89%容易被读高:它指的是企业开源模型支出内部的集中度,Meta Llama只分到7%,而企业AI整体预算中,Anthropic与OpenAI仍拿走大部分API支出——便宜模型接住的是一块快速增长但体量有限的市场。切换最激进的是两类场景。一类是在中国开源模型上做垂直后训练:法律AI公司Harvey以Kimi K3为基座,只用了大约150块英伟达B300、两个月完成法律任务后训练,在基准上完成任务数几乎翻倍。另一类是直接调用:按每经基于OpenRouter平台数据的周度测算,11月2日至8日当周全球大模型Token调用量210万亿,中国模型占116.18万亿,连续28周超过美国。36氪知乎
成本差的底座在机房外面。按Wood Mackenzie统计,中国AI数据中心的单吉瓦建造成本为55到65亿美元,美国同期则要80到120亿美元,交付速度也明显更快。再叠加西部绿电与低折旧算力集群的传导,这套基建差正是中国模型的API与自托管定价能长期低于海外对标的底层原因。视频赛道同理:MiniMax的H3开源后,fal、Pika、HeyGen等海外产品直接拿它做底座,累计下载超2400万次、衍生模型300多个。36氪36氪
换完之后,还有三笔账没算完
第一笔是价差在缩小。OpenAI于10月底发布的GPT-6.1 Terra把API价格直接砍半:每百万输入Token 1美元、输出5美元,且性能同步上调,杀进的正是国产模型赖以获客的性价比地带。36氪
国产阵营这边反而没有跟进降价:Kimi K3.1 Pro的API定价为每百万输入2美元、输出10美元,高于Terra,对位的是正面硬刚前沿闭源旗舰的开源产品。对只按API付费的团队,"中国等于便宜"正在变成过去的表述,持久的优势转移到自托管成本与垂直后训练的性价比上。36氪
第二笔是稳定性与额度。国产模型的用户增长快过算力供给:Kimi K3.1 Pro发布不到48小时,月之暗面就因限流和额度异常消耗公开致歉,并向会员补偿月度总额25%的用量。对把AI嵌入核心流程的企业来说,服务中断和限流的代价并不体现在Token单价里。36氪
第三笔是隐性成本。Agent长会话改变了账本结构:收入按Token计,成本却随存储走,会话一旦用起百万级上下文,每一路活跃并发都要预留数十GB的HBM来驻留会话状态,而内存与存储恰在本轮硬件涨价的中心。企业侧的验收口径也在纠偏:切换模型的收益不能拿目录价对比,行业总结的经验公式是——每项合格任务的成本=该批任务总成本÷验收合格任务数,重试、返工、人工修正和工具调用行为差异都要计进去;数据保留区域、日志用途、商用授权(H3对欧美市场部署即要求事先书面许可)这些合同条款,决定的是"能不能长期跑"。36氪知乎
所以这道题的答案是分层的:对有约2000名工程师量级刚需、又能投入56张显卡和一支推理优化团队的企业,换国产开源模型的账是通的,Revolut的降本约90%、交付周期缩短70%已经给出实证;对只按API调用的中小团队,价差红利会随海外每轮降价而收窄,收益更多取决于任务结构。省多少、提多少效,最终不取决于谁的Token牌价低,而取决于你的用量结构撑不撑得起自托管、你的任务能不能按"每项合格任务成本"验出真实的返工率。