导语：当前所有使用大语言模型的机构都面临两大压力：模型主权风险与 Token 调用成本。各国政府将前沿AI视为战略资产，服务商可单方面限制访问；同时企业AI支出激增，预算危机频现。在此背景下，开源模型与区块链基础设施正成为企业构建自主、可控、低成本AI方案的关键选择。
一、模型主权风险：一纸指令即可切断服务
2026年6月，美国商务部依据出口管制指令，要求Anthropic暂停所有用户对Claude Fable 5和Claude Mythos 5的访问。尽管三周后恢复，但这一事件暴露了致命风险：服务商可以单方面关闭模型，客户无申诉渠道。此外，Fable 5内置分类器自动将生物、化学、蒸馏等请求降级至低性能模型。这类“模型主权”风险正推动各国政府与企业加速建设主权AI——自建算力集群、本土训练模型，避免受制于境外服务商。
二、Token经济与企业预算危机：杰文斯悖论下的成本失控
2025年企业生成式AI支出增至370亿美元，尽管单Token价格下降，但使用量暴增导致总支出飙升。AI智能体（AI Agent）是核心推手：单个智能体单任务可能发起上百次调用。Uber仅四个月耗尽2026年全年AI代码工具预算，随后限制每位员工每月1500美元。特斯拉、亚马逊、Meta等均采取类似措施。企业开始搭建AI FinOps体系，采用分层模型组合策略，用低成本开源模型处理常规任务，前沿模型仅用于复杂推理。
前沿闭源模型调用成本高于主流开源模型
主流模型每项任务的Token消耗量
开源模型GLM-5.2、Kimi K3综合能力跻身全球前十
三、全新核心能力：模型选型与Token策略
原型AI法律平台Harvey与Fireworks AI合作，采用混合AI方案：以开源GLM-5.1为主力执行模型，仅在必要时调用Claude Opus 4.7。100项任务中混合架构完成18项完全达标，全程用Opus仅14项；混合方案总成本368美元，远低于954美元。OpenRouter的Fusion功能研究同样表明混合模型表现超越单一前沿模型。
Harvey混合AI方案成本与效果对比
OpenRouter Fusion混合模型研究
四、开源模型与区块链基础设施的机遇
开源权重模型（如GLM-5.2、Kimi K3）已具备与闭源前沿模型匹敌的能力，企业可自主部署，消除对单一服务商的依赖。而区块链基础设施进一步化解算力、隐私、验证等瓶颈：
1. 破解算力瓶颈：去中心化GPU网络
Aethir、io.net、Akash等网络通过Token激励调动全球GPU资源，智能合约自动结算，无中心平台封禁风险。io.net整合独立数据中心与矿工GPU，Wondera利用其算力训练音乐AI模型，成本降低66.7%（124万美元 vs 372万美元）。
2. 加密技术与隐私保护
Venice AI提供匿名模型调用，请求经加密通道转发，不存储用户数据，支持加密钱包支付。平台支持200余款模型，年化营收超7000万美元。NEAR、OpenGradient等提供TEE、ZKML等机密计算，确保数据与模型权重在安全隔离区运行，区块链记录可信证明。
3. 去中心化训练：Nous Research的Psyche网络
Nous Research开发基于DisTrO与DeMo框架的去中心化训练基础设施Psyche，通信开销最高降低85倍，Solana区块链负责节点协调、计算核验与激励发放。
DeMo通信开销优化：每步传输数据量（MB/step）大幅下降，普通互联网即可支撑训练
DeMo模型质量与基准相当
五、局限性与展望
当前去中心化算力网络仍难以训练前沿超大模型（如MoE架构），TEE/ZKML会带来延迟和额外成本。但企业AI战略正走向“混合部署”——开源中型模型加速普及，加密基础设施将实现去中心化算力访问、可验证隐私推理和可编程协同调度，助力企业掌控部署自主权、管控成本、保障数据所有权。
原标题：模型主权、Token经济学与区块链机遇；作者：Jinming，HashKey Capital；编译：Shaw，金色财经
免责声明：以上内容(如有图片或视频亦包括在内)均为平台用户上传并发布，本平台仅提供信息存储服务，对本页面内容所引致的错误、不确或遗漏，概不负任何法律责任，相关信息仅供参考。
本站尊重他人的知识产权、名誉权等法律法规所规定的合法权益!如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到qklwk88@163.com，本站相关工作人员将会进行核查处理回复
