開源AI模型用量占三分之一 分析師：運算需求恐同步攀升

開源權重人工智慧（AI）模型的成本優勢正在擴大企業導入AI的範圍。分析指出，變便宜的AI不見得會直接取代高效能的封閉式模型，反而可能拉高整體使用量與運算需求。

摩根士丹利（Morgan Stanley）在7月7日發布的「Thoughts on the Market」對談中，點出企業依用途分別採用高效能封閉式模型與低成本開源模型的趨勢。摩根士丹利全球主題暨永續發展研究主管史蒂芬·伯德（Stephen Byrd）表示：「前沿模型與開源模型都各有其角色。」他解釋，簡單或重複性的工作可以交給便宜的模型處理，但在修錯成本較高的程式撰寫與複雜的企業任務上，高效能模型仍較划算。

即使AI使用成本下滑，需求也未必會跟著減少，這項觀點的依據是「傑文斯悖論」（Jevons Paradox），也就是技術效率提升、單位成本下降時，整體消費反而可能增加。伯德認為，隨著模型效能提升與代幣（token）、運算成本同步下滑，AI運算需求超過供給的可能性正在增加。

開源權重模型的競爭已不侷限於中國，正擴散至全球AI產業。月之暗面（Moonshot AI）在官方GitHub儲存庫中，將Kimi K3定位為開源權重的多模態代理（agent）模型，號稱總參數達2兆8000億個、活躍參數1040億個，並支援100萬代幣的上下文視窗，同時公開全部模型權重。阿里巴巴（Alibaba，BABA）旗下的通義千問（Qwen）、Meta（META）旗下的Llama，以及OpenAI旗下的gpt-oss系列，也都加入這場競爭。

OpenRouter在針對2025年使用量的分析中指出，開源權重模型到當年底已占整體代幣使用量的約三分之一。不過摩根士丹利認為，就企業支出金額而言，高階封閉式模型的占比依然偏高。這代表企業並非把所有工作都轉向低價模型，而是依難度與風險分流採用不同模型的做法正在擴大。

即使AI使用成本下降，整體運算與電力需求仍可能持續增加。輝達（NVIDIA，NVDA）執行長黃仁勳（Jensen Huang）今年3月在摩根士丹利的對談中曾說明，代理型（agentic）AI消耗的代幣量可能遠高於一般生成式提示。企業的AI呼叫量若持續增加,GPU、記憶體、電力與資料中心的需求也可能隨之上升。

市場對開源模型的評價並不一致。微軟（Microsoft，MSFT）發布的「Open Weights and American AI Leadership」公開信，截至8月3日已有超過270家企業與機構連署。信中主張，開源權重模型提高了新創公司、大學與公共機構的使用門檻可及性，並促進競爭。但公開信同時也承認，權重一旦釋出便難以回收，衍生模型也不易追蹤，存在一定的安全風險。

加密貨幣市場與此議題的交集，主要透過電力基礎設施產生連結，但關聯有限。摩根士丹利在對談中提到，資料中心的許可審批與電力取得，已成為AI基礎設施的瓶頸之一。伯德表示，握有電網接入權的比特幣（BTC）挖礦業者正在關注相關需求變化。他同時指出，AI資料中心與挖礦設施在電力、土地與冷卻資源上有共用的空間，但目前並未提出可將此現象與特定代幣價格或挖礦企業營運表現直接掛鉤的依據。