從 6% 到 67% 只花七個月：中國 AI 模型已吃下 OpenRouter 與 Vercel 過半的 Token 流量

2026 年 2 月，中國 AI 模型在 OpenRouter 這個開發者模型閘道平台上，處理了大約 6% 到 13% 的 token 流量。到了 9 月 14 日當週，這個數字落在 57% 到 67% 之間。在另一個主要路由平台 Vercel 的 AI Gateway 上，中國模型也從 1 月的 11% 成長到 8 月的 55%。這是頭一遭，中國模型在開發者生態系最受矚目的兩個平台上，處理了過半的路由流量——CNBC 於 9 月 26 日報導了這項轉變，數據由兩家公司直接提供。

這些數字到底在量什麼

兩組數據計算的都是 token——模型讀取與生成的文字單位——而且是在開發者可以自行選擇模型供應商的平台上。它們衡量的是工作被「路由」到哪裡，而不是中國模型在全球所有 AI 使用中的占比。這個區別很重要：OpenRouter 和 Vercel 正是對價格敏感、高流量的工程工作負載聚集之處，所以它們捕捉的是成本驅動替代效應的最前緣，而非一般企業部署的平均樣貌。

即便如此，趨勢依然陡峭。OpenRouter 的數據涵蓋美國、歐洲，以及被歸類為「全球南方」的 82 國企業。在 全球南方 企業中，中國模型近幾週處理了整整 67% 的 token。美國企業仍占該平台總 token 量的一半左右，這意味著多數化並非地理因素的假象——美國的工程團隊同樣參與了這場轉向，即使美國前線模型仍舊拿下大部分的金額支出。

最後這段落差正是整個故事最重要的細節：中國模型稱霸 token 數量，美國實驗室稱霸營收。Token 量的是體積，支出量的是價值。兩個平台告訴我們的是：便宜又堪用的開放權重模型，已經吃下 AI 工作裡高流量的大宗商品層，而昂貴的前線層——複雜任務、旗艦部署——依然路由給美國實驗室。

為什麼是現在

OpenRouter 洞察負責人 Peter Walker 向 CNBC 表示，今年發布的中國開源模型，在進階多步驟代理任務（尤其是程式開發）上已經變得可信，這是它們在 2025 年底還做不到的事。這個評價——注意，這是評價，不是逐一任務的基準測試結果——把轉變歸因於兩股匯聚的力量。

第一，大宗層的能力收斂。DeepSeek、Moonshot 的 Kimi 系列、阿里巴巴的 Qwen 家族，以及 MiniMax 的一系列發布，在代理式編程工作流上把差距縮小到「夠用」成為生產環境的實際標準。Vercel 的 Harpreet Arora 把採購邏輯講得很白：一旦成本較低的模型跨過某項工作的品質門檻，價差就變得極具吸引力。企業仍會把複雜工作升級到美國一線模型——但工作負載分布中例行的、高流量的中段，現在有了便宜得多的替代品。

第二，低一個數量級的定價。整個 2026 年，中國供應商的 API 定價比同等級美國模型低 60% 到 90%，而開放權重更提供了第三種選擇：自行部署。組織可以在本地跑這些架構，不必把專有資料送到外部雲端。Rest of World 的報導發現，面對節節攀升的運算支出，軟體工程團隊刻意把需求較低的工作流改道到中國系統，以控制燒錢速度。

華府開始注意——兩個委員會加上制裁警告

這場商業轉向抵達的時間點，恰恰是美國政策最有可能做出激烈反應的時刻。根據 CNBC，美國眾議院兩個委員會正在調查開發者採用中國技術的影響。調查疊在既有的出口管制之上——美方已限制中國 AI 公司取得先進晶片——並納入兩個更新的疑慮：透過海外資料中心遠端存取受限算力，以及蒸餾（distillation）——讓新模型模仿既有模型輸出的訓練手法。

財政部長 Scott Bessent 另行警告，可能就模型蒸餾實施制裁。與此同時，矽谷投資人與創辦人陣營則主張，限制開放權重會重創美國本土競爭力，因為美國開發者已經高度依賴同樣的開放生態系。

新美國安全中心（CNAS）的 Daniel Remler 向 CNBC 描繪了地緣政治賭注：常態化使用中國模型的國家，可能逐漸靠向中國的技術圈，最終進入其地緣政治軌道。這仍是預測而非定論——但正是這套框架推動了國山的關注。

對美國實驗室而言，不舒服的算術

把兩組數據並列，你會看到一個夾擊。美國前線實驗室保住了高階支出，卻以驚人速度流失量能——2 月的個位數百分比，到 9 月中變成超級多數。中國實驗室拿到了量能，連帶拿到了生產環境的回饋迴路、開發者心智占有率，以及會隨時間複利的 全球南方 關係。

開放權重的動態讓人更難單靠產品進度來反制。每一次路由決策都是一場新的拍賣，而價差是結構性的，不是促銷性的：它反映的是真正更低的推論成本，以及以利潤換採用率的戰略選擇。當阿里巴巴、Moonshot 與 DeepSeek 釋出任何人都能自架的前線級權重，對任何不嚴格需要前線模型的工作負載來說，轉換的邊際成本趨近於零。

矽谷媒體 SiliconReport 引述《南華早報》的解讀是，Moonshot 與阿里的開放發布已經「縮小了能力差距」——客氣一點說，美國實驗室還能收取溢價的差異化，如今存在的任務範圍比一年前窄得多。

接下來看什麼

三個考驗將決定這是高原還是持續爬升的曲線。第一，中國供應商能否把 token 占比轉換為營收占比——如果支出跟著量能走，美國實驗室面臨的商業壓力將從「不舒服」升級為「存亡等級」。第二，國會是否把「採用本身」視為安全疑慮，從調查走向限制——那將迫使開發者在經濟誘因與政策合規之間做出難看的选择。第三，美國實驗室是否以自身的結構性降價回應——OpenAI 已先用 GPT-6 Sol 與 Luna 零星出手——還是退守高階層。

至於平台本身，它們是中立的基礎設施：誰贏得拍賣，流量就路由給誰。9 月 14 日當週，贏家是中國模型，三次裡贏了兩次。七個月前，十次裡贏不到一次。無論華府接下來做什麼，這個替代速度已經重設了所有人對 AI 推論「應該多少錢」的預期。