AI大模型競爭正在出現新變化：模型供給持續增加，蒸餾等技術不斷降低研發門檻，新玩家開始以遠低於頭部廠商的資金投入進入高性能模型市場。傑富瑞認為，這一趨勢正在壓低API價格，也讓AI行業此前依賴鉅額資本開支建立競爭壁壘的邏輯面臨挑戰。

據傑富瑞9月16日發布的研究報告，在Artificial Analysis（AA）追蹤的全球前14大語言模型排行榜中，9月新增4個模型，分別來自新加坡、韓國、阿聯酋和美國。這些模型背後的研發機構孖展規模普遍有限，其中部分機構累計孖展僅約2000萬美元，卻已經進入全球頭部模型排行榜。

傑富瑞分析師Edison Lee等人認為，LLM市場參與者數量持續增加，各地區對本土模型的支持力度上升，加上蒸餾技術廣泛應用，正在進一步壓低行業進入壁壘。與此同時，模型性能差距收窄和API價格競爭加劇，使AI供應鏈面臨「高資本支出、低確定性回報」的新壓力。

新玩家低成本入局，蒸餾技術降低門檻

報告顯示，9月新進入AA前14排行榜的4個模型分別為新加坡Sapiens AI的Agnes 3.0 Flash、韓國Motif Technologies的Motif-3-Beta、阿聯酋MBZUAI的K2 Horizon，以及總部位於美國加州、研發團隊在新加坡的Apodex 1.1。

其中，Sapiens AI累計孖展約2000萬美元，Motif Technologies完成約1660萬美元B輪孖展，整體投入規模與頭部AI企業存在明顯差距。

這類案例說明，大模型競爭的資本門檻正在下降。部分新玩家並沒有複製頭部企業大規模訓練基礎模型的路徑，而是藉助開放模型、較小規模團隊和更高效的訓練方法快速迭代。

蒸餾技術是其中的重要推手。通過利用現有大模型的輸出訓練新模型，開發者可以用更低成本獲得部分先進模型能力。傑富瑞認為，這類技術很難被完全封堵，隨着應用進一步普及，後來者追趕頭部模型的成本仍可能下降。

但低成本入局並不意味着頭部廠商的優勢已經消失。訓練最前沿模型仍需要大量算力、數據和工程投入，新玩家更多是在部分能力和細分場景中獲得競爭力。真正的變化在於，「進入市場」與「做到最強」之間的資本門檻正在拉開。

API價格承壓，模型開始進入價格競爭

模型數量增加已經開始向API價格端傳導。傑富瑞數據顯示，部分新模型的API價格已經顯著低於頭部模型，其中Apodex 1.1的混合API價格為每百萬Token 0.3美元，在AA前15名模型中屬於價格最低的模型之一。

與此同時，頭部廠商並未全面加入降價，而是通過新一代模型的能力升級尋求更高定價。報告認為，這種提價不僅反映模型能力提升，也可能是向資本市場證明商業化能力的一種方式，即通過更高的智能水平支撐更高價格，從而改善市場對利潤率和投資回報的預期。

問題在於，漲價與降價正在同時發生。頭部模型試圖用性能升級維持溢價，而新進入者則通過低成本爭奪開發者和應用需求。傑富瑞指出，僅美國市場目前就已有7家大模型提供商，參與者增加意味着API市場的價格競爭仍可能持續。

從「拼智能」轉向「拼效率」

模型競爭的另一變化，是行業開始從單純追求模型智能，轉向同時比拼推理效率。傑富瑞本月引入AutomationBench-AA基準測試，用於衡量模型在智能體自動化任務中的能力，並據此重新校準歷史數據。

在這一背景下，部分模型廠商開始通過模型架構和內存優化降低推理成本。DeepSeek於9月10日發布V4.1 Flash模型，其混合API價格降至每百萬Token 0.2美元，較上一版本下降74%。

該模型還通過Casual Encoder-Decoder設計、Engram條件記憶機制和Compressed Sparse Attention 2等技術，進一步壓縮硬件需求：HBM需求降低約四分之一，SSD需求降低約八分之一。傑富瑞認為，這類路線更強調算力和內存效率，而非單純追求模型智能。

這也意味着，AI模型的競爭維度正在增加。隨着推理Token需求快速增長，模型廠商不僅需要提高能力，還需要降低每個Token的生成成本。對於應用開發者而言，如果更低成本的模型已經能夠完成足夠多的任務，模型之間的價格差異可能比單純的性能差異更加重要。

資本支出仍在增長，但回報需要重新驗證

傑富瑞對AI供應鏈的擔憂，核心並不是AI需求消失，而是資本投入增長速度能否與最終回報匹配。一方面，新玩家已經能夠以數千萬美元級別的資金投入進入全球頭部模型排行榜；另一方面，頭部企業仍在持續擴大算力、數據中心和基礎設施投資。

從需求端看，AI推理需求仍在快速增長，模型能力提升也會不斷催生新的應用場景，因此算力需求本身並未失去增長基礎。問題在於，當模型供給越來越豐富、API價格受到競爭壓制後，新增基礎設施投入需要多長時間才能轉化為足夠的收入和利潤。

傑富瑞因此認為，AI產業可能逐漸進入一個更加註重資本效率的階段。對於頭部企業而言，繼續擴大資本開支仍可能是保持技術領先的重要手段，但行業整體需要更加關注重複建設、資源利用率以及新增算力所對應的實際商業價值。

最終，傑富瑞預計，行業可能通過整合、合作以及更高效的資源配置來降低整體資本開支。AI基礎設施需求仍然強勁，但「需求增長」並不自動等於「所有資本投入都能獲得足夠回報」，這將成為下一階段市場重新審視AI估值的重要變量。