AI 行业观察：每一层的绑定都在松开

这一周最值得留意的，是一张账单。

10 月 21 日，OpenAI 和 Google 宣布，GPT-6 Astra、GPT-6.1 Sol 和 GPT-6 Luna 进入 Google Cloud 的 Model Garden，先向部分企业客户开放预览。费用走 Google Cloud Marketplace，记在同一张 Google Cloud 账单上，还能抵扣客户已经签下的云消费承诺。

单看标题，这是两家竞争对手的一次合作。和同一周的另外几件事放在一起，它更像一个更大变化的一部分：AI 产业链上把买方锁在某一家供应商那里的东西，正在一层一层松开。

模型开始跟着预算走

企业买模型，很多时候不是先比哪个最强，而是先看预算已经承诺给了哪朵云。签下的云消费承诺是一笔迟早要花掉的钱，哪个模型能从里面扣，哪个模型就少了一道采购流程。

Google 说它现在是唯一同时提供 Gemini、Claude 和 GPT 的超大规模云厂商，Model Garden 里有 200 多个模型；GPT 之后还会进入 Google 自己的编程工具 Antigravity。OpenAI 则强调，微软仍是它的主要云合作伙伴。

对 OpenAI，独家渠道曾经是议价筹码，现在它拿独家去换覆盖面。对 Google，自家工具里摆上对手的模型看似吃亏，其实它做的是货架生意：客户留在它的云上，用谁的模型都在它的账单里结算。模型越来越像货架上的商品，握着预算入口的一方，分量在变重。

芯片的护城河，有一半是软件

10 月 19 日，AWS 发布 TorchNeuron 公测版，PyTorch 代码改一行配置就能跑在 Trainium 上。第二天，Google 开源 TorchTPU；在此之前，PyTorch 用户想用 TPU，要么用 JAX 重写，要么用较旧的 torch_xla。

过去从英伟达 GPU 迁走，代价是重写代码、重新调优、承担出错的风险。这笔切换成本是 GPU 定价权的重要组成部分，它不写在芯片规格里，写在开发者的时间里。两家最大的云厂商在两天内先后把它往下压，等于在说：以后选芯片，更多看每美元换来多少算力，而不是代码被锁在哪里。

不过，目前还没有同一模型在不同芯片上的公开对比，门槛在降，还没降到零。

推理栈被摊开

10 月 20 日，DeepSeek 以 Apache 2.0 协议开源了支撑自家服务的推理框架 DeepInfer，支持英伟达和华为昇腾芯片，但保留了 KV 缓存、预填充与解码拆分、负载均衡这几块最难的部分。同一天，Google Cloud、Red Hat 和 IBM 发布的 llm-d 1.0，恰好补上了这些，能跑在英伟达、AMD、Intel 的 GPU 和 Google 的 TPU 上。

“把模型跑得便宜”一直是模型公司和推理云不太对外讲的手艺，每个 token 的成本差异，很大一部分来自这一层。手艺变成公共代码，单靠“跑得比别人省”赚到的利润就会被摊薄。

买方开始算账

这些变化集中出现，是因为买方的态度变了。IBM CEO Arvind Krishna 在 10 月 21 日的财报电话会上说，大企业越来越在意 AI 支出的真实回报，也担心一部分支出“完全失控”。按他的估算，在自有机柜上运行开源权重模型，token 成本大约是前沿模型的 10% 到 25%。

切换成本一旦下降，定价权就会从被选择的一方，慢慢移到做选择的一方。模型可以在云之间换，代码可以在芯片之间换，推理框架可以直接拿来用，企业能比较的选项多了，议价自然变硬。

绑定松开以后，价值落在哪里

这并不意味着所有人都更好赚。陈福阳 10 月 12 日给过一组估算：前沿实验室大约用 1000 亿美元支出换来 1200 亿美元收入，开源权重阵营花得差不多，回收只有约 300 亿。对买方，替代品让账单变轻；对卖方，被替代的那一层很难留住利润。

所以这一周真正变的是竞争方式。以前靠绑定留住客户，以后要在客户随时可以换掉你的情况下仍然被选中。能做到的大概有两类：一类握着客户的预算入口，另一类在每一次重新比较时，依然是性价比最好的那个。

这和同一周资本市场的情绪是一体两面：基建投入越大，越需要用户长期付钱，而用户手里能选的东西正在变多。