摩根士丹利在最新研究报告中系统梳理了开源与闭源模型之争的三种终局情景，并给出相应的受益股票图谱。报告认为，市场对开放权重模型的担忧被夸大——开放权重模型并非压制算力需求，而是通过杰文斯悖论加速AI普及，推动更大规模的企业级采用。
报告指出，Kimi K3的发布，以及英伟达和Anthropic相继发布的开放权重立场文件，将这场争论推向白热化。投资者担忧，更小、更高效的开源模型大量涌现会压制算力与AI基础设施需求，但摩根士丹利持不同看法。该行认为，开放权重模型有助于竞争，并通过杰文斯悖论加速AI普及，由此推动更大规模的企业级AI采用，而非削弱需求。
调研数据印证了这一趋势。据麦肯锡对41个国家700位科技领袖的调查，63%的企业已将开源模型纳入AI技术栈，通常与闭源模型并行使用。另有数据显示，2026年2月至7月间，美国公司每周通过OpenRouter路由至中国开源模型的Token占比超过30%，尽管这一数据可能更多反映初创企业而非大型企业的行为。尽管如此，摩根士丹利判断，企业AI支出的格局将随模型效率提升和开源模型发展而持续演变，投资者需要一套清晰的分析框架来把握这场变局。
报告首先厘清了开源与闭源的核心区别：开放权重模型（如Meta的Llama、谷歌的Gemma、Qwen、DeepSeek和Kimi）仅公开训练参数，但可能保留训练数据或限制授权；开源模型（如AI2的OLMo）则完整开放包括代码、训练指南和数据细节在内的完整技术栈。当前最高性能的前沿模型均为闭源，原因在于训练成本高昂，模型开发商在下一代模型发布前无力免费提供。
值得注意的是，开放权重并非真正意义上的“免费”。麻省理工学院的一项研究估算，从闭源转向开源模型可使平均价格下降70%，每年为企业节省约250亿美元。但摩根士丹利指出，该研究完成于2025年12月，且未充分考量部署成本——卡内基梅隆大学研究显示，开源模型的投资回收期因规模差异悬殊：小规模部署（参数量低于300亿）最短仅需3个月，而大规模部署（2000亿至1万亿参数）则可长达6年。
企业采用现状方面，超过60%的企业已将开放权重模型纳入技术栈，但当前使用场景高度集中于代码生成、文档解析等高频次、小规模的专项任务。麦肯锡调查显示，40%的企业高管青睐开放权重模型，核心原因是数据主权与本地化合规需求。然而，开放权重模型的劣势同样不容忽视：持续微调成本不菲、安全隐患突出（英国《金融时报》与AI安全机构Alice在2026年4月的测试中，仅用数分钟便通过Heretic工具移除了Meta和谷歌开源模型的安全护栏）、缺乏IP免责保护，以及地缘政治风险上升。
摩根士丹利构建了三套情景框架：情景一为闭源模型胜出，前沿模型性能难以复制，算力工作负载向超大规模云集中，核心受益公司包括谷歌、亚马逊、Meta、PANW、CRWD、ZS、NTSK、OKTA、ANET、LITE、COHR、BE、INIO、SEI、WMB、LBRT、NVDA、AVGO；情景二为混合格局，闭源前沿模型主导复杂推理，开放权重模型处理高频次任务，核心受益公司包括亚马逊、谷歌、微软、DDOG、PLTR、APPN、PANW、CRWD、FTNT、ZS、NTSK、OKTA、SAIL、VRNS、SAP、NOW、CSCO、FFIV、BE、INIO、SEI、WMB、LBRT、NVDA；情景三为开放权重模型胜出，性能收敛至前沿水平，AI基础设施走向去中心化，核心受益公司包括微软、MiniMax、Knowledge Atlas、阿里巴巴、腾讯、PLTR、PANW、CRWD、FTNT、OKTA、SAIL、SAP、NOW、SHOP、DELL、HPE、NTAP、P、DELL、HPQ、苹果、SNX、INGM、CDW、BE、INIO、SEI、WMB、LBRT、NVDA。
在三种情景中，英伟达均位列核心受益股，无论计算需求集中于超大规模数据中心还是分散至边缘，GPU需求的底层逻辑均未改变。现场电力供应商（BE、INIO、SEI、WMB、LBRT）同样横跨三种情景，AI扩张带来的电力需求增长具有结构性支撑。相比之下，AVGO在闭源情景下独享最大受益地位；DELL、HPE等本地基础设施厂商及苹果等边缘设备商则在开源情景中才能充分释放价值；大型云服务商的前景取决于工作负载流向，若开源情景成真，微软凭借混合云与本地部署能力具备独特优势，而亚马逊和谷歌则降为“其他受益方”。
摩根士丹利的核心判断是：开放权重模型是加速AI普及的催化剂，而非威胁——真正的问题不是AI需求会否萎缩，而是价值将在哪个层级沉淀。