硅谷风险投资机构门罗风投发布《2026年企业AI现状报告》，其中一组数字在国内外同时被大量转述：美国企业用于开源模型的支出里，89%付给了中国模型，其中月之暗面的 Kimi 占61%，DeepSeek 占15%，智谱的 GLM 占11%。报告基于对近400名美国企业人工智能业务负责人的调研，这些受访者负责的 AI 支出合计超过40亿美元。同一份报告里还有另一个方向相反的数字，开源模型的词元使用份额从11%升到19%，支出份额却从6%降到4%。两个数字放在一起，才是这份报告真正想说的东西。
报告给出的总量是，截至2026年9月，企业 AI 部署支出达1768亿美元，2025年这个数字是330亿美元，一年涨了四倍多。拆开看，AI 应用市场773亿美元，编程类 AI 应用340亿美元，企业 AI 聊天机器人250亿美元。编程是单一体量最大的应用类别，这个结构并不意外，因为代码产出的质量可以被测试量化，采购方最容易算出投入产出。
集中度是另一条线索。Anthropic、OpenAI 与 Google 三家合计拿走1227亿美元，占整个部署市场的69%。这意味着企业采购仍然高度集中在少数闭源供应商身上，开源模型的89%份额是在剩下那三成里算出来的。很多转述把两个比例混着用，读起来像是中国模型已经拿下了美国企业市场的大头，实际不是。口径差一层，结论差很远。
89%的分母是"美国企业用于开源模型的支出"，不是"美国企业的全部 AI 支出"。这个区分对理解格局很关键。开源模型的支出盘子本身不大，报告里提到开源模型的支出份额只有4%，乘以1768亿美元大约是70亿美元量级，89%对应六十多亿美元。这个体量在整体市场里是配角，但在开源这个细分里是主导。
为什么中国模型能在这块占到九成，报告给的解释是性能、成本与开放生态三件事共同作用。开源模型正以较低价格接近前沿模型的性能，开放权重让企业能做后续训练适配自己的任务，降低成本的同时减少对闭源供应商的依赖。还有一条现实证据：AI 编程平台 Cursor 以 Kimi K2.5 为基础构建了自己的编程模型 Composer 2；中国开源模型也进入了亚马逊云服务等国际云平台，为海外企业提供了部署渠道。
词元份额从11%到19%，支出份额从6%到4%，这两个方向相反的变动是整份报告里信息量最大的部分。它说明开源模型处理的任务变多了，但单位价格掉得更快。用量翻倍、支出还降了三分之一，隐含的单价降幅超过六成。
这个价格曲线对整个产业链的影响不对称。对使用方是好消息，同样的预算能做更多事；对模型提供方是压力，尤其是在开源这条线上，谁都没法定价太高，因为权重是公开的，用户可以自己部署或者找更便宜的托管方。这也解释了一个现象：做开源模型的公司，收入结构里 API 调用的占比通常不高，主要靠企业定制、私有化部署与配套服务。
从采购决策看，报告提到企业仍然优先考虑模型能力，前沿模型持续吸引预算。这句话是对"开源要取代闭源"这类判断的修正。真实情况是分层：对准确率敏感、出错代价高的任务，钱还是流向闭源前沿模型；对成本敏感、任务边界清晰、可以接受一定误差的场景，开源模型在快速吃进。两条线并行，不是替代关系。
报告里另一组数字值得单独拎出来。在全球模型聚合平台 OpenRouter 上，智能体每周生成130.9万亿个词元，贡献了全部词元使用量的80%，约为人类直接使用量的7倍。这个比例说明调用结构已经变了：过去是人提问、模型回答，一问一答几百个词元；现在是智能体自己拆步骤、查资料、反复校验，一次任务几万到几十万个词元。
调用量的地域分布也有变化。10月26日至11月1日那一周，中国大模型的词元调用量已连续27周超过美国模型，当周平台调用量排名前五的模型里中国模型占四席。聚合平台的数据有它的偏向性，它统计的是开发者与初创公司的调用，不包含大企业的私有部署，也不包含直接在云平台上调用的情况。所以它能反映趋势，不能代表全市场。
第一个是留存。开源模型的切换成本低，这既是优点也是缺点，企业今天用 Kimi，明天换成 DeepSeek 只改一个接口地址。低切换成本意味着低粘性，谁也没法靠存量收租。报告没有给出客户的持续使用周期，而这恰恰是判断这块市场能不能长出新商业模式的关键。
第二个是任务难度分布。词元份额19%对应的是什么样的任务，是简单的分类与摘要，还是复杂的推理与代码生成，报告没有拆开。如果主要落在轻任务上，那这个份额的说服力要打折，因为轻任务的单价极低，用词元数衡量会高估实际价值。
第三个是合规与地缘变量。中国模型进入海外企业采购清单，涉及数据出境、模型来源审查、政府采购限制等一整套问题，这些在报告里基本没有涉及。对做海外生意的团队，这一层风险可能比价格优势更重要，因为一次合规事故的代价远高于省下的推理费用。三个问题里任何一个出现变化，89%这个数字都可能重新定价。