【2026】開源 AI 會贏嗎？用數據看懂 AI 市場「算力集中、能力下放」的真正分水嶺

最後更新：2026年6月28日 · Terry Chen

2025 年 1 月底，DeepSeek 把一個逼近前沿的推理模型 R1 直接開源、免費丟上網路後沒幾天，市場用最直白的方式投了一票：輝達（NVIDIA）一天蒸發掉約 5,890 億美元市值，是美股史上單一公司最大的單日市值損失。理由很簡單——如果「接近最強」的 AI 可以免費下載、在自己的機器上跑，那花幾千億美元蓋資料中心、賣最貴晶片的生意，是不是要重新定價？

半年多後，劇情更反直覺：被認為「最封閉」的 OpenAI，在 2025 年 8 月 5 日把 gpt-oss-120b、gpt-oss-20b 兩個開源權重模型用最寬鬆的 Apache 2.0 授權免費釋出，是它自 2019 年 GPT-2 以來第一次開放權重。一邊是「巨頭在壟斷 AI」的恐懼喊得震天價響，一邊是巨頭自己在把模型開源。到底哪一個才是真的？

這篇我們不講廢話、不灌雞湯，用一手數據和一段真實的開源歷史，把「開源 AI 到底會不會贏」這件事拆到你能自己驗證、自己判斷。先給你這篇要你帶走的一句話：

先說結論：開源 AI 市場分水嶺——會被壟斷的是算力不是智慧 — 先說結論：被壟斷的是「製造智慧的算力」，不是「智慧本身」。

Table of Contents

這個市場現在到底發生什麼：AI 在「分層」，不是被鎖起來

多數人把 AI 想成一塊鐵板：要嘛被巨頭鎖死，要嘛全面開放。但真正在發生的，是這塊鐵板正在分層，而且不同層往相反方向走。把它拆成三層，這個市場立刻就清楚了：

AI 三層結構：前沿訓練算力集中、模型權重商品化、推論成本崩跌 — 同一個 AI 市場，三層往三個方向走：上游算力越來越集中，中游能力越來越像免費公共財。

上游——前沿訓練算力：高度集中，而且還在加速集中。輝達 2027 財年第一季（截至 2026 年 4 月 26 日）光是資料中心業務單季營收就達 752 億美元、年增 92%，年化約 3,000 億美元，占公司總營收 92%；下一季財測直接喊到 910 億美元。
中游——模型權重（也就是「能力」本身）：正在被商品化（commoditize），越來越像免費的公共財。開源權重模型已經追到只落後前沿幾個月（後面用數據說），連 OpenAI 都加入開源行列，Hugging Face 上累積的模型數已突破約 290 萬個。
下游——推論／部署：成本在崩跌，而且能在自己機器上跑。根據 Epoch AI，達到同等能力的 API 價格平均每年下降約 50 倍，2024 年以來更達每年 200 倍；同時一張 24GB 的消費級顯卡就能在本地跑一個堪用的開源模型。

先把一個常被混為一談的東西分開：「能不能用上強大的 AI」和「能不能自己訓練前沿 AI」是兩件完全不同的事。前者正在快速變便宜、變開放；後者正在變成只有極少數人玩得起的遊戲。看懂這個分層，才不會把「能力下放」誤讀成「巨頭大發慈悲」，也不會把「算力集中」誤讀成「你要被斷網」。

真正在被壟斷的是哪一層？看資本支出就懂了。根據 Epoch AI，五大科技巨頭（Alphabet、Amazon、Meta、Microsoft、Oracle）的資本支出從 2022 年的約 1,623 億美元，膨脹到 2025 年的約 4,483 億美元，三年翻了近三倍；Epoch AI 推估 2026 年同一組五家公司上看約 7,700 億美元。這是科技史上最大、也最集中的一輪資本循環——而它的另一面，是單次前沿模型訓練的成本正在逼近 10 億美元（目前已知最貴的一次訓練 Grok 4 約 4.9 億美元、耗電 310 GWh）。換句話說，上游這層的入場券，個人這輩子都買不起。

五大科技巨頭 AI 資本支出 2022 至 2026 與輝達資料中心營收 — 圖／資料：Epoch AI（五大廠資本支出）、NVIDIA 投資人關係（資料中心營收）。真正在集中的，是上游算力。

用一段真實的開源歷史看懂它：Linux 與微軟的「萬聖節文件」

「龍頭想把門關上、開源最後卻贏了」——這不是第一次發生。要看懂今天的 AI，最準的一面鏡子是 1990 年代末的 Linux。

1998 年 11 月，微軟一份內部備忘錄外洩，後來被稱為「萬聖節文件（Halloween Documents）」。文件作者、微軟工程師 Vinod Valloppillil 在裡面坦承：開源軟體與 Linux 是「對微軟營收與平台的直接、短期威脅」，並露骨地討論用「讓開放協定去商品化（de-commoditize protocols）」這類手段來反制——也就是把本來開放、通用的標準，刻意改成只有自家產品能順暢相容，藉此把門關上。這就是「巨頭試圖封鎖開源」最經典、也最有實證的版本。

結果呢？開源贏了，而且贏得很徹底——但贏的方式，跟很多人想的不一樣。

開源贏下了「基礎設施層」。自 2017 年 11 月起，全球 500 大超級電腦（TOP500）100% 都跑 Linux；全世界的雲端伺服器、以及以 Linux 為核心的 Android（約占全球行動作業系統 68%）幾乎都是它。
但「開源贏了那一層」≠「每個人都自己編譯核心」。絕大多數人一輩子沒裝過 Linux，卻每天在用它——透過 AWS、透過自己口袋裡的手機。價值並沒有平均分給每個自架的人，而是往上游的雲端平台、往應用層重新集中。

把這面鏡子照到 AI 上，答案就浮現了：開源權重很可能會像 Linux 一樣，贏下「模型層」——把「智慧」變成像作業系統一樣的免費底層公共財。這驗證了「開源會贏」的樂觀。但它同時也校正了一個錯誤推論：「開源會贏，所以你必須現在就自己在家跑本地模型，否則就輸了」。Linux 的歷史說的恰恰相反——多數人最後是透過「被管理的服務」在享用開源的成果，而不是靠自己編譯核心。真正的價值，會往上游的算力與電力、以及上層的應用重新集中。這也是為什麼，與其問「要不要趕快買顯卡」，更該問的是「哪一層才是稀缺的」。（延伸閱讀：我們在真正卡住 AI 的不是算力，是 HBM 記憶體也談過，瓶頸往往不在你以為的那一層。）

為什麼開源 AI 追得這麼快——以及它的邊界

開源能追到今天這個距離，不是情懷，是機制。一旦有一個強模型開源，全世界的團隊都能站在它肩膀上做蒸餾（distillation）、微調、再開源，能力像滾雪球一樣累積；而中國的開源實驗室（DeepSeek、Qwen、Z.ai 的 GLM）把這個飛輪轉到了極致。數據上，這個追趕真實存在，但有它的邊界，誠實說清楚比唱高調重要：

缺口很小，但沒有消失，而且 2025 年還「重新拉開」過。史丹佛 HAI 的 AI Index：在 Chatbot Arena 上，最強閉源對最強開源的差距，從 2024 年 8 月的 0.5% 擴大到 2026 年 3 月的 3.3%；Arena 前十名裡仍有 6 個是閉源。Epoch AI 的整體能力指數（ECI）則估，開源大約落後前沿閉源 4 個月（約 8 個 ECI 點）。
而且「差多少」要看你用哪把尺。以 Z.ai 的 GLM-5.2（目前 Artificial Analysis 上的開源第一）為例：在綜合智慧指數上它落後 GPT-5.5 約 6 分，但在偏「實際做事」的 agentic 評測 GDPval 上，它（1524）其實小幅超過 GPT-5.5（1514）。所以正確的說法是「開源在綜合分數落後一截、在實作任務上幾乎追平」，而不是一句空泛的「開源已經贏了」。
最前沿仍由閉源領先，這條護城河來自上游算力。個人能做的永遠是「跑別人開源出來的權重」，不可能自己訓練前沿——這就是分層的本質。

那「自己在家跑」這件事，今天到底跑得動什麼？這是整篇最該看清楚的一張圖，因為它同時打破兩個迷思：一個是「本地 AI 只是玩具」，另一個是「AGI 已經裝得進 24GB」。

本地 AI 記憶體階梯：16GB 到 512GB 各能跑多大的開源模型 — 圖／資料：各模型官方 model card、NVIDIA／Apple 規格。記憶體階梯：本地 AI 很真實，但「前沿」不在 24GB 上。

一張 24GB 的 RTX 4090，能流暢跑 4-bit 量化的 Qwen3-32B（約 22GB）或 OpenAI 的 gpt-oss-20b（官方稱 16GB 記憶體就能跑），能力大約是 o3-mini 等級——這是一個非常強的助理，但不是 AGI。真正前沿的開源模型（GLM-5.2、Kimi、DeepSeek V4 這些 235B 到 1T 的 MoE 模型）動輒需要 256–512GB 記憶體：要在家跑滿血的 DeepSeek R1（671B、4-bit 約 448GB），你需要一台 512GB 的 Mac Studio M3 Ultra（約 9,499 美元），而且速度只有每秒 15–20 個 token。本地 AI 完全是真的，但「前沿級智慧」目前還塞不進消費級硬體。

真相校準：關於開源 AI 的四個說法，用數據一個個對

市場上關於「AI 正在被壟斷、你快沒機會了」的敘事，多半是把對的直覺接到錯的事實上。把最常見的四個說法攤開，用一手數據對一次：

市場敘事 vs 數據：開源 AI 四個說法的真相校準對照表 — 真相校準：把熱門敘事和一手數據並排放，落差一目了然。

「兩大美國實驗室都把門關上了。」→ 一半錯。OpenAI 在 2025 年 8 月開源了 gpt-oss；只有 Anthropic 維持閉源（但它仍透過 API 把最強模型賣給所有人）。把「Anthropic 不開源」說成「美國實驗室都關門」，是以偏概全。
「政府不想讓你擁有 AI。」→ 對美國民眾而言，事實相反。白宮 2025 年 7 月 23 日的《AI Action Plan》有專章〈Encourage Open-Source and Open-Weight AI〉，明文鼓勵開源、開放權重模型。唯一真正的限制是對中國的高階晶片出口管制，那是國安考量，不是衝著你來的。（這條線怎麼拉，可參考 GPT-5.6 為何一上線就被政府管制。）
「AGI 已經來了，而且裝得進 24GB。」→ 後半句對、前半句錯。24GB 跑的是強助理不是 AGI；ARC Prize 2025 官方結論白紙黑字寫著「我們有 AGI 了嗎？還沒（Not yet）」，當年最佳 ARC-AGI-2 成績也只有 37.6%（還是跑在雲端大模型上）。沒有任何實驗室宣稱做出了 AGI。
「你只剩一年，門快關了。」→ 這是預測，不是事實，而且和走勢相反。2026 年開源釋出在加速（Qwen、DeepSeek V4、GLM-5.2 接連登場），不是收斂。真正會收窄的「窗口」是「誰付得起前沿訓練算力」，而不是「誰能下載開源權重」——後者正越開越大。

順帶校正一個常被當動機的說法：「你丟進雲端 AI 的資料都歸供應商、被吞掉。」法律上不成立——OpenAI 和 Anthropic 的服務條款都明訂你保有 input 與 output 的所有權；而且 API／企業方案預設不拿你的資料去訓練。只有「消費級免費／Pro」這一層，預設才會用於訓練（且可關閉）。要講隱私，得分層講，否則就跟「AGI 裝得進 24GB」一樣，是把半真半假講成全真。

歷史上，政府想為一項強大技術設閘、最後擋不住的劇本，也真的上演過。1990 年代的「加密戰爭（Crypto Wars）」：美國政府推 Clipper 晶片想內建後門，又把強加密列為「軍火」管制出口，甚至為此調查 PGP 作者 Phil Zimmermann——這案子最後在 1996 年 1 月撤銷，強加密照樣普及到今天每一次 HTTPS 連線。它的寓意不是「門快關了」，恰恰是「門關不住」。當權重已經能自由下載，「再不下載就來不及」的急迫感，比較像行銷，而不是事實。

AlphaLab 的判讀：會被壟斷的是算力，不是智慧

把數據攤完，我們的立場是這樣——

我同意的：「集中化正在發生」是真的，而且很猛——但它發生在上游的算力與電力，不在「智慧本身」。「開源會贏模型層」也大概率成立。
我存疑的：「所以你必須現在自己跑本地、否則就輸了」這個推論。Linux 的歷史說，多數人最後是透過服務在用開源；ChatGPT 已經有約 9 億週活、破 10 億月活，便利與品質會贏走絕大多數人。本地 AI 的價值在隱私、無限額、與高用量後的成本——而不是「末日避難所」。
我會怎麼看：把錢和注意力放在稀缺的那一層。模型能力正在商品化，純粹「賣模型」的故事毛利會被壓縮；durable 的價值會落在算力／電力、雲端與分發、以及真正解決問題的應用層。（這也是為什麼像 AI 電力這種上游瓶頸值得追蹤。）

把它收斂成一句話：下一個十年的稀缺，不是「智慧」，是「製造智慧的算力與電力」，以及「把智慧變成有人付錢的產品」的能力。但這個多頭故事有一個必須盯著的破綻——上游那 7,000 多億美元的資本支出，賭的是「之後賺得回來」。這正是 2026 年市場最大的辯論：如果 AI 的營收追不上 capex 的速度，這就會變成一場 dot-com 式的「能力跑在需求前面」的過度投資（這也是我們在微軟 AI 資本支出一文追問的核心）。下面這張圖，是這條「能力商品化速度」未來怎麼走的三種劇本——注意，這裡談的是市場變數的路徑，不是任何個股的目標價。

開源 AI 能力商品化速度的三種劇本：樂觀、中性、保守 — 情境，不是預測：開源與閉源的差距未來怎麼走，會決定價值往哪一層集中。

怎麼把它變成你自己的判斷力

看法可以不同，但判斷要有依據。下面這份「觀察清單」，是你不必聽任何人、自己就能每季追蹤、自己下結論的 5 個數據點。記住一條總綱：盯「缺口」和「算力 vs 營收」這兩條線，就抓住了八成。

開源 vs 閉源的能力缺口：看 Stanford HAI AI Index、Epoch AI 的 ECI、Artificial Analysis Intelligence Index、LMArena。怎麼判讀：缺口持續縮小 → 商品化在贏、價值往上游＋應用集中；缺口重新拉開 → 集中化在贏。
開源釋出的節奏：DeepSeek／Qwen／Llama／Mistral，以及 OpenAI gpt-oss 的下一代有沒有續出。怎麼判讀：節奏加速 → 本文 thesis 成立；明顯放緩或轉回閉源 → thesis 要打折。
上游算力的集中度與「能不能賺回來」：輝達資料中心營收、五大廠資本支出指引，對照它們實際的 AI 營收。怎麼判讀：capex 續飆但營收跟不上 → 過度投資（overbuild）風險升高，這是最該警戒的訊號。
政策訊號：美國 AI Action Plan 的後續、晶片出口管制的鬆緊、EU AI Act，以及有沒有出現「模型登記／牌照」這種真的會限制個人的法案。怎麼判讀：出現針對「個人使用／下載」的限制，才是真的「窗口在關」；目前沒有。
本地推論的成本曲線：消費級 VRAM（RTX 5090 已到 32GB）、Apple unified memory、DGX Spark／Strix Halo 這類 128GB 機器的「每分能力多少錢」，對照 API 價格續跌的速度。怎麼判讀：哪一邊先到「夠便宜又夠好」，決定多數人未來是本地還是雲端。

讀到這裡，你已經有一套可以自己用的框架：把 AI 拆成三層、分清「用得到」和「訓練得起」、用缺口和算力兩條線追蹤。下次再看到「AI 要被壟斷了、快買硬體」這種標題，你可以自己反問一句——它講的是哪一層？

📚 延伸閱讀

資料來源（皆為一手／可查證來源，存取日 2026/6/28）：OpenAI〈Introducing gpt-oss〉(2025/8/5)；NVIDIA 投資人關係 Q1 FY2027 財報 (2026/5)；Stanford HAI《2026 AI Index》技術表現章；Epoch AI（開源／閉源 ECI 缺口、推論價格、資本支出）；White House《Winning the Race: America’s AI Action Plan》(2025/7/23)；Artificial Analysis Intelligence Index；ARC Prize 2025 官方分析；TOP500（2024/11 榜單）；Halloween Documents（catb.org 典藏）。

免責聲明：本文為市場分析與個人觀點，非投資建議。市場有循環與風險，過去績效不代表未來；文中所有數據與歷史案例皆附來源並標註日期。AI 具有輸出錯誤資訊的可能，重要決策請由人類複核。本文無業配內容。