AI價格戰白熱化：中國低成本模型逼迫美國巨頭大降價

AI智慧指數的評分顯示兩者已接近平起平坐：DeepSeek V4 Flash得分50，GPT-5.6 Luna得分51，GPT-5.6 Terra得分55 。DeepSeek隨後又以相同價格推出了更強大的V4-0731版本，立即再度壓低OpenAI的價格優勢 。

Moonshot AI 的 Kimi K3 被Axios形容為「逼向美國市場」，是推動7月價格戰的中國模型之一 。Moonshot也大規模擴張基礎設施，新增了20,000張NVIDIA GPU 。

Anthropic 則選擇低調升級其中階模型，未觸及牌價，而非直接跟進降價 。

公開市場的壓力

據報導，OpenAI與Anthropic都在尋求公開上市，這將要求它們證明獲利能力，因此價格戰對它們的打擊尤其沉重。中國模型壓低API價格，削弱了專有模型的稀缺性，壓縮了利潤空間，而此時正是美國實驗室需要展示變現能力的時候 。《台北時報》指出，中國AI正在「給矽谷頂尖實驗室帶來壓力，迫使它們降價搶佔市場份額，同時想辦法獲利」。

企業AI策略：混合開源模型崛起

根據Jefferies的研究，2026年8月企業AI成本跌至年度低點，背後正是價格戰以及低成本中國開源模型採用率激增所致 。關鍵變化包括：

• Token佔有率翻轉：自2026年2月以來，中國來源模型每週佔美國企業在OpenRouter上Token使用量的30%以上，7月中旬更達到46%的高峰。同期美國來源模型的佔有率為35.7% 。
• 價格、而非能力，驅動採用：效能差距已極度縮小，成本成為企業轉換模型的首要考量 。
• 混合策略：企業越來越傾向於為成本和數據隱私考量而運行開源模型，同時保留專有API用於特定工作負載 。2026年春季，僅七週內就有四款前沿級開源模型發布，模型採用速度已從原先的季度縮短至幾天 。

開源 vs. 專有：差距幾乎消失

Mozilla於2026年7月14日發布的首份《開源AI狀況報告》指出，頂尖開源模型與頂級專有系統之間的效能差距已縮小至約3% 。其他觀察者指出，MMLU基準測試的差距從2024年的17.5個百分點縮小至2025年的僅0.3個百分點 。然而，僅約51%的開源模型能實際部署到生產環境中，「銜接層」和權限模型的障礙仍阻礙企業大規模採用 。

半導體市場的影響

雖然關於價格戰對半導體市場的具體影響證據較少，但動態已相當明確：

• 中國AI實驗室持續大規模購買NVIDIA GPU（Moonshot新增20,000張GPU），即使美國出口管制收緊，需求依然強勁。
• AI Token總量的巨幅增長——受近乎零的邊際成本驅動——可能推升整體晶片需求，即使每Token的運算成本下降。
• 分析師引述《南華早報》指出，「模型成本驟降長期而言將有利於AI產業」，因為這會大幅擴大市場規模 。

主要不確定性

• 獲利時間表：OpenAI與Anthropic的公開上市細節尚未確認；價格戰使它們在IPO前的利潤敘事更難推銷。
• 半導體數據：直接連結到價格戰的晶片市場定價或供應變動證據仍有限。
• 可持續性：中國AI實驗室同樣處於虧損狀態，可能為了戰略利益而接受微薄利潤 ；價格底線能跌到多深仍是未知數。