天风证券在最新分析中指出，以中国为代表的开源模型力量，正在削弱闭源模型过去形成的垄断格局。报告认为，这并不构成 AI 产业的系统性利空，反而给云服务商带来重新掌握定价权、进一步升级为算力平台的机会，产业利润的流向也正从模型公司转向掌握路由决策与垂直整合能力的云端业者。
闭源模型曾掌握入口，云服务商投入重资本却难以收费
报告称，过去几年里，云服务商在 AI 基础设施建设中承担了大量资本密集型投入，包括采购 GPU 和建设数据中心，但多数 AI 工作负载仍需调用 OpenAI 等少数闭源模型，结果是需求入口与定价权更多掌握在模型公司手中。
按照这份分析的说法，云服务商承担了基础设施投资风险，模型层却拿走了更高的边际利润。闭源模型在产业链中更像“收费站”，依托云服务商搭建出的基础设施获取通行费，这也成为 AI 商业模式中的核心矛盾之一，并长期压制云厂商估值表现。
开源模型提升可替代性，利润分配开始变化
天风证券认为，上述格局已经开始发生变化。以 Meta Llama 系列和 DeepSeek 为代表的开源模型，性能持续提升，推理成本持续下降，使得闭源头部模型不再是所有任务的唯一选择。
报告同时指出，闭源模型在复杂推理和高价值任务上仍保有溢价空间，但其垄断地位正在被侵蚀。随着模型可替代性上升，模型公司的议价能力被削弱，云服务商则获得重新掌握客户关系和路由决策的空间。
在天风证券看来，开源模型的崛起并不是摧毁 AI 产业利润，而是在改写利润归属。
“分层路由”成为关键，云服务商利润来源增加
报告提出，AI 工作负载的调用结构将从“一个模型处理所有问题”，逐步转向“分层路由（Tiered Routing）”架构。按照这一思路，最复杂的任务仍由顶级闭源模型处理；一般任务会被路由至成本更低的小型模型或开源模型；稳定且高频的工作负载，则由云服务商部署在自有基础设施上，并通过自研 ASIC 继续压低每个 token 的推理成本。
在这种架构下，云服务商可同时获得三条盈利路径：出租 GPU 算力、自行托管开源模型，以及直接向客户销售 token。相应地，流向外部模型供应商的利润份额将明显缩减。报告认为，未来模型将不再只是坐收通行费的“收费站”，而会变成云平台可以灵活调度的计算资源。
硬件需求并非单边利多，关键看需求弹性
对于硬件需求前景，天风证券给出的判断并非单向乐观。报告提到，开源竞争加剧，可能带动更多参与者投入模型训练；token 价格下降，也有机会刺激调用量增长，这两项因素都可能对硬件需求形成支撑。
但与此同时，模型压缩技术的进步、推理优化算法的迭代，以及云服务商大规模部署自研 ASIC，也在同步降低每个 token 所需的通用 GPU 算力，这部分压力同样不能忽视。
因此，最终硬件需求会走向哪里，取决于一个核心判断：token 数量和单项任务算力需求的增长速度，能否持续快于算法效率和芯片效率的改善速度。若能跑赢，总算力需求将继续扩张；若不能，即便 token 调用量高速增长，云服务商资本开支的增速也可能提前见顶。
云端与硬件能否形成正向循环，仍是市场分歧焦点
天风证券提出的多头逻辑是一个相互联动的正向循环：开源模型削弱模型层垄断后，云服务商借助路由能力和垂直整合提升算力货币化效率；推理价格下降带来新增需求，需求增速再度超过效率提升；数据中心因此维持较高稼动率和较高资本回报率（ROIC），再推动云服务商持续投入算力资本支出，最终支撑硬件需求长期增长。
不过，报告也强调，这一循环能否真正成立，是整个判断的核心前提，也是当前市场分歧最大的变量。天风证券的立场是，只有需求弹性超过效率压缩，云服务商与硬件之间才能形成真实的正向反馈，而不只是停留在理论推演中。