模型层价格战全面爆发：DeepSeek以99%折扣逼近头部，OpenAI被曝失去领先地位引发投资者担忧

0. 近日脉络

近一周产业主线是资本开支回报验证：四巨头2.4万亿美元算力承诺与自由现金流十年低点同框（7/31），OpenAI/Anthropic年化收入合计约1200亿美元并推进IPO，昨日DeepSeek发布V4 Flash公开测试API。今日价格战全面升级、WSJ公开审视OpenAI的领先地位与现金消耗，模型层估值叙事进入”商品化压力测试”，与算力端军备竞赛直接对冲。（综述，不加[N]）

1. 今日主线

主线一：模型层”全面价格战”爆发，智能商品化从叙事变成逐周可验证的事实。 据Axios，随着Kimi K3等中国模型冲击美国市场，7月AI领域爆发全面价格战 ^[1]：

• DeepSeek（[升级]）：新模型V4 Flash在复杂编码和自主软件任务测试中表现接近Anthropic最强大的Claude Opus 4.8 ^[1]；在Arena.ai前端编码众包排行榜上首秀即超过Opus 4.8，并在同类模型中实现最佳性价比 ^[1]。定价上，相同输出量DeepSeek收费约28美分、Claude Opus 4.8收费25美元——折扣达99% ^[1]。
• OpenAI（[新增]）：周四将GPT-5.6 Luna（其最快、最便宜的高吞吐量模型）价格下调80%，距该模型发布仅三周 ^[1]。
• 谷歌（[新增]）：发布三款聚焦效率的新Gemini “flash”模型 ^[1]；**马斯克的SpaceXAI（[新增]）**发布Grok 4.5，为其在编码、研究与自主任务方面最强模型，定价与OpenAI降价前的Luna一致 ^[1]。
• Meta（[新增]）：悄悄逆转长期以来的开源权重路线，推出闭源模型Muse Spark 1.1，面向开发者激进定价 ^[1]。
• Anthropic（[持续]）：仍是价格战中最明确的坚持者，保持顶级Claude模型高价，押注开发者愿为安全与精确额外付费 ^[1]。
• 奥特曼表态（[新增]）：OpenAI CEO Sam Altman在播客中表示，“模型使用量将非常巨大，公司不需要成为超高利润率业务也能负担模型训练” ^[1]。

这场价格战发生的背景是：科技巨头正投入数千亿美元建设AI计算基础设施，但这些基础设施产生的智能正逐周降价 ^[1]。

投资含义： 价格战把”智能商品化”从口头叙事变成逐周可验证的事实；同一时间，万亿美元级算力承诺与模型单价快速下行之间的裂口，正是当前AI资产定价最核心的矛盾——降价换量的”用量叙事”能否成立，取决于推理成本能否同步下降。

主线二：WSJ披露OpenAI”失去领先地位”，部分最大投资者私下担忧现金消耗。 据WSJ 8月1日报道，OpenAI已失去在AI领域的领先地位，正为夺回地位而战 ^[2]；据知情人士，部分最大投资者近几个月私下表达了对该公司高现金消耗相对于增长情况的担忧，还有投资者通过向Anthropic投入资金来对冲对OpenAI的押注 ^[2]。同日WSJ另一篇报道正面回应投资者对”大型科技公司将如何从所有AI支出中获得回报”的长期担忧：华尔街认为它知道答案——云计算是资本密集但高度盈利的业务，亚马逊云服务（AWS）的营业利润即为证明 ^[3]。

投资含义： OpenAI作为模型层估值锚（筹备IPO）出现”现金消耗 vs 增长”的私下质疑，且资金在OpenAI/Anthropic两大头部之间再配置——这是模型层从”规模叙事”转向”单位经济模型”审查的信号，也是对整个”智能能否支撑其昂贵投入”叙事的一次公开压力测试。

2. 大厂与实验室动向

• 模型范式转向效率与新结构（[新增]）：据InfoQ在WAIC 2026收官特别圆桌的报道，龚珊三称谷歌DeepMind、英伟达 (Nvidia)、蚂蚁、字节Seed等大厂均有团队在对扩散语言模型方向做小规模探索 ^[4]；何恺明团队近期推动”连续扩散”，令扩散模型范式发生新变化 ^[4]。商业含义在于端侧与成本：扩散语言模型在batch size等于1（只服务一个用户）时速度优势更明显，恰好契合本地模型场景 ^[4]。
• 模型路由产品（[新增]）：郭权玮观察到日本Sakana AI的Fugu可以调度不同公司的模型API去执行任务，认为效果会有明显提升 ^[4]——与高通AI产品管理副总裁Vinesh Sukumar”智能路由器将按能力、速度和价格为每项任务自动选择最佳模型、进一步削弱单一实验室溢价能力”的判断 ^[1] 同向。
• 具身智能成为WAIC主角（[新增]）：据InfoQ圆桌，杜雨称今年WAIC展馆H1更多是大模型和应用、H2是算力和芯片、H3是具身智能，几乎可称”世界具身智能大会” ^[4]。连文昭认为VLA和世界模型各有优势、但可能都不是物理AI最终需要的答案，最终可能是取各家之长聚合为一个大系统 ^[4]；他给出的落地检验标准很朴素：把机器人推到客户那里，工程师走了以后，客户第二天愿不愿意自己开机 ^[4]。

4. 产品商业化与企业落地

• 企业AI采用”双轨并行”，老牌软件并未被颠覆（[新增]）：据Business Insider引Okta企业AI指数，2022年6月至2026年6月企业客户增长最快的AI应用中，Anthropic位居第一，OpenAI和Cursor紧随其后 ^[5]；同时Google Workspace、GitHub、Microsoft 365、Slack、Adobe、Notion、Canva、Zoom等老牌办公软件也都在增长最快的AI应用之列 ^[5]。文章认为企业并未完全弃用现有软件改投AI原生初创公司，而是同时采用专业AI工具、并在熟悉的办公应用中扩展AI能力 ^[5]。
• AI内容变现获收入验证（[新增]）：杜雨称过去一两年快手可灵、字节即梦、美图等AI相关业务都在快速增长，“而且不是只有用户增长，而是收入增长” ^[4]。
• 宇树机器人已有利润（[新增]）：杜雨称从招股书披露的信息看，宇树机器人业务收入增长很快、而且已经有利润，“并不是大家想象中的纯烧钱” ^[4]。
• 本地部署成为刚需（[新增]）：郭权玮认为金融、法律、投资或科研从业者既需要AI能力、又不想把敏感数据传上云端，本地部署让”数据留在自己的机器上、花的是自己的算力”，是极其真实的需求 ^[4]；杜雨补充，2025年DeepSeek出现后企业发现可以不用海外开源模型，但新问题变成幻觉，当年增长最快的需求是本地知识库 ^[4]。
• 企业落地的”派驻”方法论（[新增]）：郭权玮指出Palantir派驻大量FDE（Forward Deployed Engineer，前向部署工程师）进入企业现场，梳理人员配置、设备情况、工作流程和验证标准，AI才能真正在企业里用起来 ^[4]；AI Coding已进入真实工作流——杜雨称很多大厂提到代码中相当一部分已由AI参与协作完成 ^[4]。
• 具身智能的垂直切入（[新增]）：连文昭称源络科技主切AI for Science，聚焦生物医药、生化环材等行业里的实验室研发和分析检测场景，选择”人不愿意干、干不了且高价值”的室内实验室场景，以承受机器人目前较高的成本 ^[4]。

5. 算力 · 基建

• 推理成本压力（[新增]）：据InfoQ圆桌，杜雨称搜索时代每次查询成本很低，但AI问答的推理成本高得多 ^[4]；他预计如果技术不能继续突破，很多公司会面临”越多人用、亏得越多”的压力 ^[4]。

7. 投资视角（本节为分析）

当日产业动态对AI投资主线的核心含义是：模型层全面价格战 + WSJ公开审视OpenAI的领先地位与现金消耗，AI资产的定价焦点正从”谁的模型最强”转向”智能还能不能卖上价”；而WAIC圆桌给出的产业节奏判断——底层算力最先赚钱，中间是云和设备，最后才轮到真正贴近消费者的应用 ^[4]——为”价格战下该押注哪一段”提供了参考坐标。

主线方向

1. 模型层：定价权叙事松动，“模型回报递减”开始被定价。 99%折扣的V4 Flash ^[1]、发布三周即降价80%的Luna ^[1]、Meta转向闭源低价 ^[1]，共同指向一个判断：OpenAI前市场负责人Zack Kass所称的”模型回报递减”（“最终，下一代模型对你不再重要”）^[1] 正从观点变成商业现实；由Scaling Law主导大模型的时代被认为基本结束，接下来要看有没有新范式、新结构 ^[4]。这对依赖模型溢价的实验室是结构性利空（OpenAI的高现金消耗 ^[2]、Anthropic的高价坚守 ^[1] 都面临价格战侵蚀），对把智能当”原料”的应用层则是成本利好。
2. 应用层：降价是最大的商业化催化剂，但赢家未必是AI原生新贵。 企业”双轨采用”（专业AI工具+存量办公软件内的AI能力）^[5] 说明老牌软件的入口与渠道价值被低估，而非”AI原生颠覆一切”；可灵、即梦、美图的收入增长 ^[4] 与AI Coding进入真实工作流 ^[4] 是应用层少数有收入验证的方向；本地AI（数据不出门）被判断”半年到一年后成为投资主力之一” ^[4]。
3. 算力链：短期景气与中期循环融资风险并存。 数千亿美元级基建投入 vs 智能逐周降价 ^[1] 是当日最核心的张力。短期内，“底层算力最先赚钱”的节奏判断 ^[4] 与华尔街”云计算资本密集但高度盈利”的AWS类比 ^[3] 共同支撑算力/云段景气；但中期看，若价格战侵蚀模型厂商的收入与融资能力，算力需求的循环融资链条将受考验——这正是OpenAI投资者担忧现金消耗 ^[2] 的深层含义。

估值与情绪

• WSJ对OpenAI”失去领先地位”的报道 ^[2] 是主流财经媒体首次以这一框架公开审视模型层领头羊；投资者用Anthropic对冲 ^[2] 说明资金并非撤离模型层、而是在头部之间再配置——对Anthropic估值是边际利好，对OpenAI的IPO叙事是压力。
• 华尔街以AWS类比回答AI支出回报之问 ^[3] 是当前多头最强的论据，但该类比隐含云计算的稀缺性租金；若智能如价格战所示走向商品化，“高利润云”的假设需要打折。
• “越多人用、亏得越多”的推理成本压力（杜雨预测）^[4] 为奥特曼的”用量巨大”论 ^[1] 设下边界：降价换量只有在推理成本同步下降时才能成立，否则用量本身会放大亏损。

受益与承压

• 受益方向：以极致性价比出击的模型（DeepSeek V4 Flash ^[1]）；模型路由/智能路由器等”卖水”中间层（Sakana AI的Fugu ^[4]、高通所言的智能路由器 ^[1]）；端侧与本地AI（扩散模型单用户场景优势 ^[4]、金融法律科研等敏感场景的本地部署刚需 ^[4]）；有收入或利润验证的应用与硬科技公司（可灵/即梦/美图 ^[4]、宇树 ^[4]）；握有存量企业入口的老牌办公软件（双轨采用 ^[5]）。
• 承压方向：依赖模型溢价的头部闭源实验室（OpenAI的现金消耗 ^[2]、Anthropic的高价坚守 ^[1]）；纯押注Scaling Law算力需求的叙事（范式转向 ^[4]）；推理成本未改善的高用量API服务（越用越亏 ^[4]）。
• 需跟踪：价格战对OpenAI/Anthropic三季度ARR与利润率的传导；WSJ所述投资者担忧是否影响两家IPO定价与时间表；本地AI与模型路由方向的融资落地；具身智能（世界模型/机器人）融资热度向产业订单的转化 ^[4]。

（方向性分析，不构成投资建议）

---

本报告为AI产业资讯的二次综合与机制分析，不构成投资建议；数据以原始报道为准。