大陸 AI 模型加速進入全球開發者生態 競爭焦點轉向成本與應用選擇

全球AI模型競爭正在改變。Counterpoint Research最新分析指出，Kimi、Qwen、DeepSeek及GLM等中國大陸AI模型能力持續提升，逐漸從「低成本替代方案」，轉變為全球開發者在程式開發、AI Agent及長文本工作負載上的可行選擇。

過去市場關注大陸AI模型能否追上美國前沿模型，但隨著能力差距縮小，更重要的問題已轉向：開發者是否開始將實際工作負載轉移至大陸模型。Counterpoint Research認為，大陸AI模型未必需要在Benchmark上超越Claude或GPT，關鍵是能否成為開發者的「第二預設選擇（Second Default）」，也就是當前沿模型成本過高、過於封閉或效能超出任務需求時，成為優先考慮的替代方案。

這項轉變已反映在實際使用上。DeepSeek截至2026年6月初在OpenRouter的Token使用占比達18%，較先前的9%增加一倍；Lindy.ai將部分AI Agent流量從Claude轉移後，推論成本降低約90%；法律AI公司Harvey也利用Moonshot AI的Kimi K3進行後訓練，打造自有法律AI模型。

AI Agent的興起正進一步改變模型競爭方式。由於一項Agent任務可能需要數十次模型呼叫，企業衡量的重點正從單純的Token價格，轉向完成一項任務的總成本。這將推動Model Cascade與AI Router的應用。高複雜度任務可交由前沿模型處理，大量較簡單的工作則轉向成本較低、能力足夠的模型。即使美國AI業者仍掌握客戶關係，部分Token使用量仍可能流向其他模型供應商，進而改變AI推論市場的成本與價值分配。

隨著模型能力逐漸可替代，通用AI推論能力的稀缺性也將下降，而「決定哪個任務使用哪個模型」的平台價值則進一步提升。Counterpoint Research指出，AI Router、Hyperscaler、模型託管、Orchestration及應用服務商，都可能因此取得更大的市場影響力。OpenRouter數據顯示，2026年1月至5月跨模型家族的使用量增加超過一倍，也反映多模型架構正在加速發展。

隨著Kimi、Qwen、DeepSeek與GLM逐漸具備支援實際工作負載的能力，大陸AI模型全球化的主要限制已不完全是技術。企業是否採用大陸模型，將更多取決於資料安全、監管、模型治理、供應商信任及地緣政治等因素。Counterpoint Research研究總監Marc Einstein指出，美中AI競爭下一階段將不只是Benchmark排名之爭，而是企業如何在效能、成本、控制權與風險之間做出選擇。對大陸AI模型而言，只要能成為全球開發者經常考慮的替代方案，就可能取得可觀的AI推論工作負載，進一步影響全球AI產業的價值分配。