导言
过去几年，AI大模型市场最显著的变化，不只是智能水平不断提升，还有模型调用价格快速下降。按常理，能力更强、价格更低的模型，应该更容易被企业采用。
但现实并没有沿着这条简单的逻辑演化。
在演讲的下半部分，麻省理工学院斯隆管理学院应用经济学副教授Mert Demirer将视角从供给侧竞争格局，进一步转向价格机制、模型替代与企业选择行为，试图回答一个更贴近企业真实决策的问题：当模型越来越便宜、选择越来越多，企业到底在为什么付费？
Demirer教授指出，模型调用价格大幅下降后，企业并没有停留在更便宜的模型上，而是不断升级到能力更强的新模型。更值得注意的是，即使智能水平相近，开源模型的价格平均比闭源模型低约90%，其市场份额却仍只有约30%。这说明，价格与模型能力，并不是企业选择的全部。
进一步的分析显示，不同应用对模型能力的需求并不相同，不同模型也各有擅长的场景。对企业而言，更强并不意味着更合适；模型的价值，最终取决于它能否匹配具体任务。与此同时，新模型不断进入，市场领先者也在频繁更替，但不同模型仍然各自拥有市场空间。这也把问题进一步推向了市场的长期结构：今天这种快速更替、不同模型并存的状态，究竟只是新技术早期的阶段性现象，还是会成为 AI 市场长期存在的结构特征？
Demirer教授对此保持谨慎。他指出，历史上许多新技术市场在早期都经历过高度动态的竞争，随后才逐渐走向稳定；大模型市场可能也会经历类似过程，只是演变速度远快于过去许多技术。至于这场演变究竟会持续多久、市场是否会高度集中，仍有待观察。
以下是 Mert Demirer 演讲中译全文的下篇：
Mert Demirer
01
推理价格大幅下降，为何企业的支出没有同步下降？
接下来，我们来看价格的变化。这里我们按照模型的智能水平，把模型划分为不同区间，然后观察每一个区间中，价格最低的模型，其价格如何随时间变化。
比如，早期的GPT-4位于智能水平指数20—30的区间。随着时间推移，我们可以观察这个能力区间里最低价模型的价格变化。大家可以看到，价格从大约30美元一路下降到了3美分。
而且，这种价格下降并非只出现GPT-4所在的20—30区间，而是几乎贯穿所有智能水平区间。总体来看，过去三年，大模型推理价格经历了大幅下降。
但有意思的是，尽管市场价格在快速下降，企业实际支付的价格分布却没有出现同样的变化，而是基本保持稳定。
这是因为，随着新模型不断发布，企业也在持续升级自己的选择。换句话说，虽然同等能力的模型越来越便宜，但企业也在不断购买能力更强的新模型。
02
为什么更便宜的开源模型，没有赢得更多市场份额？
下面展示的这张图，是我在这项研究里最喜欢的一张图之一。我来解释一下。
这张图的纵轴采用的是对数刻度，表示输入词元的价格（prompt price），也就是调用模型时，用户输入内容所对应的费用；横轴则是模型的智能水平指数（Intelligence Index）。
从图中可以看到，价格与智能水平指数之间大致呈现对数线性关系（log-linear）。也就是说，随着模型智能水平提高，价格往往会成倍上升。（an increase in intelligence leads to an order-of-magnitude higher price）。
所以，我们研究的第一个发现就是，模型能力越强，价格通常越高，而且两者之间大致呈对数线性关系。
第二，我们再把开源模型和闭源模型区分开来看。蓝色代表闭源模型，黄色代表开源模型。大家可以看到，黄色的点几乎总是位于拟合线下方。
这说明，在相同的智能水平下，开源模型通常比闭源模型更便宜。如果进一步做计量回归分析，会发现，在智能水平相同的情况下，开源模型的价格平均要低大约90%。
这里还有一个很有意思的现象：如果大家仔细看这些点的大小——点的大小代表不同模型的市场份额——会发现，即使只比较智能水平相近的模型，闭源模型的市场份额仍然明显高于开源模型。
具体来说，即使智能水平相近，开源模型的价格也比闭源模型低约90%，但其市场份额却只有约30%。
为什么会这样？
我想，这里可能有几个解释。
第一个可能是，智能水平指数并不能完全代表模型的实际能力。两个模型的评分可能很接近，但在真实使用中，表现却可能存在明显差异，只是这些差异没有被这个指数充分反映出来。
第二个可能是，企业选择模型时，看重的不只是模型有多“聪明”。闭源模型通常还会提供客户服务、安全保障，以及其他配套的产品功能。这些因素不会体现在智能水平指数里，却可能直接影响企业最终选择哪个模型。
最后，也可能是用户对开源和闭源模型存在不同的主观判断。即使两个模型的实际表现非常接近，用户也可能更信任闭源模型，或者觉得开源模型没有那么可靠，而这种印象未必完全来自模型本身的实际表现。
这也引出大模型市场中一个非常重要的问题：如果两个模型的综合能力评分看起来差不多，为什么企业仍然会更偏向闭源模型？这是否说明，我们现在用来衡量模型能力的这些测试和综合评分，还没有把所有真正影响使用体验和企业选择的差异反映出来？而这些差异究竟是什么，又该如何衡量？
03
如何理解开源模型与闭源模型的定价逻辑？
关于定价，还有一个很重要的现象：开源模型的价格波动明显更大，价格调整也比闭源模型更加频繁。
下图展示的是，在任意一周，一个模型发生价格变化的概率。这里既看了简单平均，也看了按照词元使用量加权后的结果。比如，按照词元使用量加权来看，一个开源模型在某一周发生价格变化的概率大约是10%，而闭源模型只有大约1%。
这是一个非常有意思的发现。一个可能的原因是，正如前面提到的，开源模型的推理服务市场竞争更加激烈。同一个模型往往由多家服务商同时提供，因此价格也更容易随着竞争发生调整。
但这里还有一个有些令人费解的现象，闭源模型的价格很少会进行调整。即使新的模型不断发布，旧模型的价格往往仍然保持不变。
为什么会这样？
我想，这里可能有几种解释。首先，也许模型开发商希望逐步淘汰这些旧模型，或者并不希望用户继续大量使用它们。另一种可能是，早期模型本身的推理成本更高，因此即使后来发布的新模型能力更强，运行这些旧模型反而可能更贵。
究竟是哪一种原因，目前还没有明确答案，但这本身也是理解大模型定价机制时一个值得进一步研究的问题。
除了价格多久调整一次，我们还可以从另一个角度来看开源与闭源模型的差异：同一个模型，由不同服务商提供时，价格究竟能差多少？
下图比较的，就是完全相同的模型在不同服务商之间的价格差异。这里使用的是变异系数（coefficient of variation）。简单来说，这个指标越高，说明不同服务商的报价越分散；越接近0，则说明它们的价格越一致。
在具体计算时，我们以一个模型在某一年的价格情况作为一个观察单位，比较这一年里不同服务商为同一个模型提供的价格究竟有多大差别。
大家可以看到，对开源模型来说，同一个模型在不同服务商之间的价格差异非常明显。有些开源模型的价格变异系数可以达到1。简单来说，就是不同服务商报价的标准差与平均价格相当，说明价格非常分散。
但闭源模型的情况完全不同。很多闭源模型的价格变异系数接近0，也就是说，同一个闭源模型由不同服务商提供时，价格几乎没有差别。
为什么会出现这种情况？
一个重要原因是，当OpenAI、Anthropic这样的闭源模型开发商与Azure、AWS等平台签订合作协议，由这些平台提供自己的模型时，模型开发商往往会对价格作出统一规定。它们会告诉合作平台：“你提供这个模型时，要按照和我相同的价格出售。”
因此，闭源模型开发商通常拥有更强的定价权。
开源模型则完全不同。由于模型权重是开放的，不同服务商都可以获得模型、自行部署，并自己决定价格。于是，围绕同一个模型，会形成一个更加开放、也更充分竞争的推理服务市场。
所以我们最终看到的是：开源模型不仅价格调整更加频繁，同一个模型在不同服务商之间的价差也明显更大；相比之下，闭源模型的价格调整较少，不同服务商之间的定价也更加一致。
04
如何理解大模型市场的动态竞争？
接下来，我们来看一下需求侧的情况。
这里展示的是，不同模型开发者的市场份额是怎么随时间变化的。市场上的主要参与者包括xAI、谷歌、Anthropic、OpenAI 等。
一个很有意思的现象是，不同模型开发者之间的市场份额变化非常大，而且领先位置更替得很快。
以DeepSeek为例。2025年中左右，随着推理模型发布，DeepSeek的使用量迅速上升，市场份额一度明显扩大，但随后又有所回落。
xAI则通过一款低价编程模型迅速扩大了市场份额，并从谷歌、Anthropic等竞争对手那里吸引了不少用户。Anthropic 年初份额较高，之后有所回落，其中一个重要原因就是xAI的低价竞争。
这些变化说明，大模型市场远没有进入稳定状态。市场份额并不是长期掌握在少数几家公司手里，而是在不同开发者之间不断变化。
接下来，我们再把市场分成开源和闭源两部分来看。总体来说，开源模型大约占30%的市场份额，闭源模型则维持在60%-70%左右。
如果进一步从模型开发者下沉到具体模型，市场变化会更加剧烈。图中红色部分代表“其他模型”，也就是今天市场份额排名前十之外的模型。大约一年前，这些“其他模型”几乎占据了整个市场。
这意味着，今天市场份额排名前十的模型，在一年前甚至都还没有进入市场。
所以，在具体模型这一层，市场的更新换代得非常快。不断有新模型发布，而一些新模型推出以后，又会在很短的时间里获得大量用户和市场份额。
这就是目前这个行业一个非常典型的特征：模型更新得很快，市场领先者也在不断更替。
接下来，我们再换一个角度，看市场集中度。
这里的做法是，在每一个时间点，把模型开发者按照市场份额从高到低排序，再分别观察第一名、第二名、第三名以及之后各个位置通常能够占据多大的市场份额。
结果显示，这个市场总体并没有表现出很高的集中度。即使是排名第6到第10的模型开发者，加起来也长期维持着大约10%—15%的市场份额，而且这个比例总体比较稳定。
这说明，目前大模型市场仍然具有较强的竞争性。很多不同的模型开发者都在争夺客户，我们并没有看到哪一家模型开发者能够长期、稳定地占据绝对主导地位。
更有意思的是，第一名是谁在不断变化，但第一名通常能够占据多大的市场份额却相对稳定。有时候DeepSeek排在第一，有时候xAI排在第一，但领先者并没有因此持续扩大自己的份额。
换句话说，市场的领先者在不断更替，但“领先”本身并没有演变成越来越强的支配地位。
05
为什么不存在一个适合所有场景的“最强模型”？
这是论文里另外一张我很喜欢的图。这里展示的是，在不同应用类别中，随着时间变化，市场份额排名第一的模型分别是谁。不同颜色代表不同的模型开发者，比如蓝色代表Anthropic，绿色代表DeepSeek，黄色代表其他开发者等等；具体的模型名称则标在图上。
大家从这张图里能看到什么？
首先，你不会看到只有一种颜色，而是看到很多种颜色。这说明，并不存在一个模型能够在所有应用类别里都占据领先位置。有些模型在编程领域更受欢迎，有些模型则在金融、法律或其他场景中拥有更高的市场份额。
这就是一种很明显的横向差异化（Horizontal Differentiation）：模型之间的差异并不只是“谁整体更强”， 不同模型在不同任务中可能各有所长。
除此之外，几乎在每一个应用类别里，领先模型本身也会随着时间不断变化。比如在法律领域，领先模型会从Gemini1.5变成Gemini2.0，再变成Gemini2.5等等。也就是说，随着新模型发布，各个应用领域都会逐步升级自己使用的模型，只是升级的节奏并不一样。
再比如，金融、医疗和法律领域可能已经切换到Gemini 2.5 Flash，而学术领域可能还在使用Gemini 2.0。编程领域，往往会更快采用最新的模型，比如这里的 Claude 4；而其他一些技术类应用，采用新模型的速度可能稍微慢一些。
所以，不同应用场景不仅偏好的模型不同，采用新模型的速度也不同。
与此同时，它也提示了另一层差异，也就是纵向差异化（Vertical Differentiation）：不同应用场景对于模型能力的需求并不一样，并不是所有场景都需要使用最强、最先进的模型。
下面这张图可以从另一个角度说明这一点。
这里展示的是，在不同应用类别中，按照实际词元（token）使用量计算得到的平均智能指数。换句话说，我们可以看到，一般而言，不同类型的应用在实际使用中，选择了多强的模型。
大家可以看到，编程排在最上面。也就是说，编程对模型能力的要求最高。然后是科学、技术等领域，而翻译排在最下面。
为什么会这样？
一个很直观的原因是，不同任务对模型能力的要求并不相同。相较于编程，翻译通常不需要一直使用最强、最昂贵的模型。既然更强的模型价格也更高，那么对于一些任务来说，为最前沿的能力支付额外溢价，并不一定值得。
这说明，企业选择模型，并不是简单地追求“能力越强越好”，而是要看更强的能力对于具体任务究竟值不值得。
因此，市场上从能力较低到能力很强的一系列模型，都可能找到相应的使用场景。不同应用会根据自己的需求，在能力和价格之间做出不同选择。
这种差异也直接反映在实际支付价格上：不同应用类别使用的模型不同，需要的能力水平不同，最终支付的价格自然也会不同。
接下来这张图，从整个使用分布进一步说明了这一点。
这里同时展示了市场上能力最高和最低的模型，以及实际使用量在不同智能水平上的分布。我们可以看到，真实使用并没有全部集中在能力最强的模型附近。
有些应用确实需要非常高的模型能力，但也有大量应用并不需要最前沿的模型。换句话说，市场对“智能”的需求本身就是分层的。
最后，我们再看不同应用类别内部的市场集中度。
这里使用的是赫芬达尔—赫希曼指数，也就是HHI。简单来说，这个指标越高，意味着市场越集中；越低，则说明市场份额分布得越分散。
结果显示，即使把市场细分到某一个具体应用类别，也并没有出现一个模型高度垄断的情况。比如，翻译领域的集中度相对较高，大致相当于两家规模接近的主要参与者；大多数应用类别大致有两到三家主要参与者，还有一些类别则更加分散。
所以，把这些结果放在一起，可以清晰地看到：不同模型各有擅长的场景，不同场景又需要不同程度的模型能力。企业真正选择的，并不是抽象意义上的“最强模型”，而是最适合具体任务的模型。
06
新模型的进入：替代旧模型，还是创造新需求？
下面，我们进一步来看一个问题：当一个新模型进入市场以后，它究竟是在替代已有模型，还是会带来新的使用需求？之所以值得研究这个问题，是因为前面我们已经看到，大模型市场一直有大量新模型不断涌入。
上图展示的是总词元使用量随时间的变化，图中的竖线代表不同模型进入市场的时间。从图中可以看到，一些新模型的进入确实伴随着市场扩张。比如 Grok 上线以后，总词元使用量有所增加。
但总体来看，这种扩张并不算特别明显。也就是说，新模型的出现，并不一定会自动创造出大量新的需求。
而且，不同模型进入以后，带来的影响也并不一样。
比如Claude 3.7发布之后，原来使用 Claude 3.5 的用户几乎是一比一地转向了新版本。换句话说，这里更多体现的是新模型对旧模型的替代，总使用量并没有明显增加。
Gemini 的情况则有所不同。它进入市场以后，带来了一定的新增使用量，而不只是简单地从其他模型那里转移市场份额。正如我前面提到的，Grok也是类似的情况。
所以，新模型进入市场以后，大致会出现两种不同的结果：一种主要是替代原有模型，另一种则会创造新的使用需求，从而扩大整个市场。
这也说明，模型之间的关系并不是简单的一对一替代关系。
前面我们已经看到，不同模型在应用场景和能力层级上都存在明显差异。这里的数据进一步说明，即使两个模型在综合能力评分上看起来接近，它们在真实市场中的作用也可能很不一样。
换句话说，现有的模型测评还不足以完全解释这些差异：为什么有些新模型只是取代旧模型，而另一些却能够带来新的需求，仍然是一个值得继续研究的问题。
07
企业为什么同时使用多个模型？
最后，我想讲一下“多模型并用”（Multihoming），也就是企业同时使用多个模型的情况。
这里我们按照企业使用的模型数量进行分组。比如，如图所示，大约60%的企业只使用一个模型，大约20%的企业使用两个模型，以此类推。
从这个结果来看，市场上确实存在一定程度的多模型并用，但并不算特别普遍：大多数企业仍然只使用一个模型。
更有意思的是，即使只看那些同时使用多个模型的企业，使用量也并没有平均分散在不同模型之间。大多数企业会把超过90%的使用量集中在其中一个模型上，其他模型只占很小一部分。
这意味着，企业同时使用多个模型，很多时候可能并不是为了长期把工作分配给不同模型，而是在尝试和测试新的选择。比如，一家企业可能长期使用一个主力模型处理大部分生产任务，同时偶尔试用新模型，看看它在特定任务上的表现是否更好。
这样一来，我们在数据中会看到这家企业同时使用多个模型，但真正承担绝大部分工作量的，仍然是其中一个主力模型。
最后简单总结一下。
我们看到，大模型市场的供给增长非常快，推理价格也经历了大幅下降。
与此同时，这仍然是一个在高度动态发展的市场。无论从模型开发者、具体模型，还是不同应用场景来看，市场集中度和竞争格局都并不完全相同。
新模型进入市场以后，带来的影响也存在明显差异：有些主要替代已有模型，有些则会创造新的使用需求，从而推动市场扩张。
最后，我们也观察到了一定程度的多模型并用。不过，目前的数据表明，不少企业同时使用多个模型，可能主要是在进行尝试和测试，而不是把使用量平均分配到多个模型上。因为即使企业同时使用多个模型，绝大部分使用量通常仍然集中在其中一个模型上。
我的分享就到这里，谢谢！欢迎大家提问。
问答环节
回翔（圣路易斯华盛顿大学市场营销学副教授）
非常感谢Mert的精彩分享。我觉得这项研究让我们对大模型市场的结构有了很多新的认识。我觉得你的论文其实揭示了一点：用户并不是简单地去选择某一个“最好的模型”。这意味着这个市场里存在非常重要的差异化。
你刚才已经谈到了一些，但能不能再进一步解释一下：除了模型本身的能力之外，企业在选择模型时究竟还会看重什么？会看重品牌吗？还是看重生态系统？这些因素从长期来看，会对整个市场结构产生什么影响？
Mert Demirer
我觉得这里可以比较清楚地区分出三种差异化。
第一种是纵向差异化。有些模型确实比另一些模型能力更强，而我们也看到，不同应用类别对模型智能水平的要求并不一样。
第二种是横向差异化。即使我们模型的能力水平一样，我们仍然会看到不同模型在不同场景中的表现不一样。比如，Anthropic的模型在编程用户中非常受欢迎，而 Gemini在营销类应用中很受欢迎。这可能来自使用习惯的形成，也可能是因为不同模型在某些具体应用场景中的能力确实存在差异。也就是说，即使两个模型的整体智能水平相近，有些模型仍然可能在特定场景中表现得更好。
第三种，是开源模型和闭源模型之间的差异化。这里的差异也非常明显。正如我在分享中所提到的，开源模型的价格大约低90%，但市场份额仍然只有30%左右。这说明，开源和闭源之间还存在某些差异，而这些差异并没有被我们现在使用的基准测试捕捉到，但在真实市场数据中却表现得非常明显。
至于这些差异未来会怎样发展，我觉得纵向差异化肯定会继续存在。因为这些模型的价格并不便宜，而并不是所有应用场景都需要使用最好的模型。所以，不同能力层级的模型仍然会服务于不同的需求。
横向差异化则很可能会进一步增加。未来在这方面还有很大的空间，尤其是当不同应用开始积累自己特定场景的数据以后。比如，Cursor最近发布了自己的Composer模型，其中就使用了它从开发者那里积累的数据。随着这些应用获得越来越多自己场景中的数据，我认为模型之间的横向差异化还会进一步增强。
至于开源和闭源之间未来会形成怎样的格局，我觉得这仍然是一个非常开放的问题，也是目前最不确定、最难预测的问题之一，我现在还很难给出明确判断。
回翔：我再快速追问一个问题，你研究中使用的“智能水平指数”（Intelligence Index），具体指的是什么？
Mert Demirer
我们使用的是AI测评机构Artificial Analysis发布的智能指数。Artificial Analysis是一家做模型基准评测的机构。他们会分别测试模型在编程、数学等不同任务上的能力，再将这些测试结果汇总成一个综合指数。
值得注意的是，各项测试结果之间的相关性非常高，大约在90%—95%。换句话说，一个模型如果在某一类任务上表现较强，通常在其他任务上的表现也不会相差太远。因此，无论看单项指标还是综合指数，整体结果差别不会太大。这篇论文为了保持一致，统一使用综合指数。
Xavier Vives（世界计量经济学会会士、IESE商学院教授）
非常感谢你的分享，里面有很多很有意思的发现。我想问一个关于数据代表性的问题：你们基于OpenRouter和微软Azure的数据，对企业级大模型推理和 API 市场的分析，在多大程度上能够代表整个市场？
我之所以这么问，是因为从你们展示的数据来看，OpenAI的存在感似乎比我预想的要低很多。无论是市场份额，还是领先模型的分布，OpenAI在这组数据里的占比似乎都不算高。所以我很好奇：这主要反映了市场的真实情况，还是可能与OpenRouter和 Azure的用户构成有关？
Mert Demirer
谢谢你的提问。这个问题很重要，我也想进一步说明一下。从供给侧来看，我们的数据代表性比较强。OpenRouter基本覆盖了市场上具有一定商业意义的模型。即使一个模型的市场份额很小，通常也能在平台上找到。当然，如果去 Hugging Face，会看到大约两百万个模型，但其中很多主要用于实验，并不一定真正进入企业商业场景。因此，在模型、开发者、推理服务商和价格这些供给侧信息上，我们的数据覆盖比较完整。
但需求侧就不一样了。OpenRouter并不能代表整个行业。我们也不知道它在整个市场中的准确份额，只能说肯定低于10%。而且，它的用户可能更多集中在年轻科技公司和开发者群体。
所以，我不会把OpenRouter上看到的市场份额，直接理解为整个行业的真实市场份额。
不过，我们仍然可以从变化趋势和相对变化中获得很多信息。因为即使样本结构不同，各类模型需求随时间的变化，未必会与整个市场存在很大的系统性偏差。
这也是我们为什么同时使用OpenRouter和微软Azure两套数据。虽然今天没有展示这部分结果，但我们的主要分析都分别用两套数据做了验证，而且结果基本一致。这让我们对这些市场变化具有一定普遍性更有信心。当然，这一点仍然很难完全确认，因为我们并没有整个市场的完整数据。
Jiaze Li（香港大学）
你好，我是香港大学的博士生，目前也在使用OpenRouter的数据做研究。
我想问一个关于需求侧代表性的问题。我看了一下OpenRouter上不同应用的使用情况，发现相当一部分 API 调用来自OpenClaw，另外也有不少来自Claude Code。所以我的担心是：供给侧的数据可能比较全面，但需求侧的数据或许会受到少数高频应用的影响。
比如，一些模型价格很低，OpenClaw或Claude Code这类应用就可能非常频繁地调用它们，从而产生大量低成本的词元使用量。这样一来，我们观察到的需求结构，可能不仅反映用户真正偏好哪些模型，也会受到这些应用本身使用方式的影响。换句话说，OpenRouter上的需求可能更集中于这类产品及其用户，而在更广泛的现实市场中，这类用户未必占有这么高的比例。
所以我想问，在这种情况下，我们应该如何理解 OpenRouter 需求侧数据的代表性？
Mert Demirer
这是一个很好的问题。先说明一点，我们这篇论文的数据截止到2025年12月。
对于你提到的 OpenClaw，我基本同意你的判断：在我们的数据中，开源模型的使用占比，很可能高于它们在整个市场中的真实占比。
但这并不会削弱我们的主要结论。相反，即使把刚才提到的约30%开源市场份额直接当成真实市场份额——而这实际上很可能已经偏高——我们的结论反而会更保守。
所以，你刚才提到的这些代表性问题确实存在，我们在论文里也会比较谨慎。比如，我们不会根据 OpenRouter的数据直接判断“Anthropic是整个市场份额最高的模型开发者”。
我们真正想做的是：在目前缺乏更完整需求侧数据的情况下，尽可能利用现有最好的数据，去理解市场中哪些规律是可以被观察和验证的。
陈龙（罗汉堂秘书长）
首先，非常感谢Mert带来这项很有意思的研究。对我来说，最令人印象深刻的发现是，大模型市场无论在供给侧还是需求侧，都表现出非常强的动态性。如果只看不同模型的评分，它们有时看起来差别并没有那么大。但你今天展示出来的，其实是一个变化非常快、非常动态的市场格局。
我的一个直观感受是，不同模型几乎像不同的“物种”：它们有不同的质量、价格和成本组合，也因此吸引不同的需求。而且有些差异似乎还会持续存在，比如开源模型和闭源模型之间的差异。
这就带来一个问题。直觉上，我们可能会认为，更新、更好的模型最终会逐渐取代旧模型，甚至形成某种“赢家通吃”的格局。但你们的数据似乎并没有显示出这样的趋势。相反，在每一个阶段，不同模型仍然保持着各自的特征和市场空间。
所以我想问的是：为什么会形成这样一种格局？这种差异化和高度动态的状态，是新技术早期的暂时现象，还是可能长期存在？我觉得你的研究非常好地记录和刻画了这些现象，但对于它们为什么出现、未来会不会持续，似乎还留下了很多开放问题。你能不能再进一步谈谈你的看法？
Mert Demirer
感谢，这是一个很好的问题。预测未来当然非常困难。如果真的能够准确预测，那可能很容易就成为亿万富翁了。
不过，我想先说一点：现在看到的这种现象，可能并没有我们想象中那么反常。因为几乎所有新技术和新产业，在早期阶段都会经历大量进入、退出和激烈竞争。比如，在谷歌占据主导地位之前，市场上曾经有很多搜索引擎；在Internet Explorer成为主流之前，也有很多浏览器。更早的汽车行业也是如此，早期曾有数百家制造商，后来绝大多数都退出了市场。
从这个角度看，今天的大模型市场和过去很多新技术的早期阶段并没有本质不同。真正特别的地方，是它变化得更快。
一般来说，新技术市场往往会经历一个过程：早期竞争激烈、企业和产品频繁进入退出，随后才逐渐趋于稳定。
大模型市场未来也可能沿着类似的方向发展。事实上，在闭源模型市场里，我们或许已经开始看到一些迹象。所以我的直觉是，未来这个行业可能会更稳定一些，动态性下降，市场集中度也可能提高。
但这个过程会走到什么程度、以多快的速度发生，现在还无法判断。
因此，我们目前能够做的，还是基于已有数据，先把市场真实发生的变化记录下来，再尽可能解释这些现象。至于未来最终会形成什么样的市场结构，现在还很难下结论。
陈龙
是的。不过你刚才其实已经提出了一种解释：如果参考过去新技术的发展历史，那么今天这种高度动态的市场，可能只是早期阶段的特征。
但这里更根本的问题是：AI 这项技术本身究竟具有怎样的产业特征？不同模型之间如此明显的差异，是早期阶段的暂时现象，还是会长期存在？
历史类比当然提供了一种可能的解释，但也可能还有其他机制。如果沿着刚才的类比继续推下去，一个重要的含义就是：今天这种高度动态的状态可能不会一直持续。所以我很希望你能进一步讨论这个问题，或者寻找更多数据和已有研究，来检验不同的解释。我觉得这会让论文的贡献更进一步。
Mert Demirer
是的，我同意。我觉得一个可行的方向是，如果我们能够拿到用户层面的数据，就可以更好地衡量这些差异化，也能够更准确地观察这种趋势究竟如何变化。
事实上，我也在用其他数据集和研究场景继续研究这些问题。但对于目前这套数据，我不希望作出超出证据本身的判断。就现在而言，这可能已经是我们能够比较有把握得出的结论。
完整视频回放请访问我们的 YouTube 官方频道👉🏻
https://www.youtube.com/watch?v=Rv0cOVDydVo&t=111s
