门罗风投企业AI报告：开源模型用量占比升至19% 支出占比降至4%
要点
2026年11月3日，美国风险投资机构 Menlo Ventures 在官网发布第四份年度《2026: The State of Enterprise AI》报告。调研由 Morning Consult 在2026年9月8日至9月26日执行，覆盖近400名美国企业人工智能业务决…
2026年11月3日，美国风险投资机构 Menlo Ventures 在官网发布第四份年度《2026: The State of Enterprise AI》报告。调研由 Morning Consult 在2026年9月8日至9月26日执行，覆盖近400名美国企业人工智能业务决策者，受访者所负责的人工智能支出合计超过40亿美元；报告中的市场规模数字来自机构自建的自下而上估算模型，结合问卷、公开申报材料与第三方报告，以年化运行速率呈现。这份材料同时给出一组彼此背离的结构数据：开源模型在企业端的调用规模明显扩大，对应的付费份额却在收缩。
按报告口径，2025年9月至2026年9月，开源模型在企业人工智能词元使用量中的占比由11%升至19%，接近翻倍；同一时期，其在模型支出中的占比却由6%降至4%。报告用一句话概括这种落差：开源模型大约处理了每五个词元中的一个，却只对应模型支出里每二十五美元中的一美元。价格是主要变量。开源词元的平均价格一年内下降约3.3倍，降至每百万0.13美元；闭源模型的混合价格同期下降24%，为每百万0.70美元。用量的增长被单价下滑抵消，开源词元总量增长22.5倍、达到每月约2.9千万亿个，高于闭源词元12.1倍的增速，但换算成金额后占比不升反降。
在这块仅占企业模型支出4%的开源市场内部，支出高度集中于中国模型。报告披露，中国模型合计占开源模型支出的89%，其中 Kimi 占61%、DeepSeek 占15%、GLM 占11%、Qwen 占3%；作为对照，Meta 旗下 Llama 是份额最高的西方开源模型，占7%。这里需要区分两层口径：89%描述的是开源模型支出这一细分池内部的供给结构，而不是企业人工智能总支出的国别构成。把它与4%的份额放在一起看，中国模型在企业整体模型支出里的绝对占比仍然有限，高份额更多反映开源细分市场的集中程度，而非企业预算的整体迁移。
把份额与金额分开读，才能理解报告内部看似矛盾的两组结论。报告同时记录，前沿模型在企业人工智能支出中的占比由35%升至63%，词元占比由18%升至42%；Anthropic、OpenAI 与 Google 三家合计掌握约1227亿美元企业支出，占全部部署支出的69%，高于上一年的50%。企业付给能力最强模型的钱在向头部集中，开源模型承接的则是对价格敏感、可自行承载的工作负载。开源词元均价已降到闭源的约五分之一，同样的调用量只能折算成更小的支出分母。因此，中国模型在开源池中占近九成，与开源整体只占支出4%并不冲突：前者是细分市场内部的份额，后者是细分市场相对整体的规模，二者处在不同层级。
报告以”眼下资金跟着能力走”解释采购排序：当模型能力差距明显时，采购方愿意为最强模型支付溢价，低价本身不足以改变这一顺序。但同一份材料也记录了另一条并行线索。开放权重让企业能够自行开展后训练，以适配专属任务、压低成本并减少对前沿实验室的依赖；2025年至2026年，进行后训练的人工智能构建者比例从6%升至10%，其中91%借助外部伙伴，涉及 Fireworks、Modal 一类推理基础设施商和 Mercor 一类专家数据与评测平台。报告还列举了 Cursor 以 Kimi K2.5 为基础构建编程模型 Composer 2、由 Fireworks 提供强化学习推理基础设施的案例，以及 Harvey 结合 Fireworks 与 Mercor 开发 Tenet。开源模型由此并非以替换闭源的方式进入企业，而是以可被二次定制的底座嵌入应用链条。
第三方调用平台提供了另一个观察角度。公开统计显示，2026年10月26日至11月1日这一周，模型聚合平台 OpenRouter 上中国模型的词元调用规模已连续第27周高于美国模型，单周调用量前五名里有四个来自中国。把周度用量指标与年度支出份额并置，可以看到两层错位：一层是调用量领先与收入份额落后之间的错位，另一层是开源用量占比上升与支出占比下降之间的错位。报告在方法说明里也作了提示，OpenRouter 的用户结构更偏向个人开发者与初创团队，与企业采购方的分布并不一致，两套口径不能直接互相换算。用量指标更适合作为渗透方向的先行观察，而不宜直接当作付费份额的替代。
这种结构有其可追溯的形成机制。企业采用开放权重之后，成本从按词元付费的一部分，转移到自建或托管的推理、并发调度、工具调用、权限管理与监控运维上；报告把后训练生态尚处早期列为限制因素，理由是专用模型需要跟上每几个月迭代一次的前沿节奏，而多数应用公司缺乏有效训练的能力储备。单价下降因此同时产生两种效果：既扩大了开源模型的可及范围，也压低了以金额衡量的市场天花板。报告估算，2026年企业人工智能部署支出达到1768亿美元，其中应用层773亿美元；编程类340亿美元、企业聊天机器人与生产力助手250亿美元，两类合计占应用层的76%；前沿实验室的一线应用又在编程类中占约240亿美元、约七成。资金主要沉淀在能力溢价与结果可验证的场景，这与开源池内中国模型的高份额，是同一套采购逻辑在不同层级上的两个结果。
可核材料对89%这一数字本身也给出了边界说明。该比例衡量的是企业为开源模型相关产品与服务付费时的国别分布，既不能等同于企业人工智能整体预算的构成，也与模型被下载的次数、开发者规模或评测名次无关；在闭源前沿模型、基础软件栈、云端基础设施以及高端训练算力这些环节，美国企业依旧占据主导，单一细分份额不足以推导出整体竞争格局的判断。从方法看，报告的市场规模与词元份额均为机构估算，依据问卷自报的生产接口使用比例并按人工智能支出加权，词元价格来自自下而上模型，并参照 OpenRouter、Ramp、Vercel 等第三方来源交叉校验，并非审计后的财务数据；样本限定为美国企业决策者，也未覆盖其他地区的采购结构。这些约束决定了89%更适合被读作企业开源模型付费流向的结构性信号，而不是对整个产业格局的度量。
报告把开源现状概括为”用量起飞、支出尚未起飞”，并判断随着能力成熟、应用公司把模型带入更多市场，头部集中的程度可能缓和。就已披露的数据而言，可以确定的是三件事：开源模型在企业调用量中的占比接近五分之一，对应支出占比却只有百分之四；在这百分之四中，中国模型占近九成，且以 Kimi 最为集中；企业增量预算仍主要流向能力更强的前沿模型与结果可验证的智能体场景。用量、支出、份额三个口径各自成立，把它们放在同一张表里比较，比单独引用其中任何一个数字更接近企业采购的实际结构。
