杰富瑞9月16日发布的研究报告抛出一个值得AI投资者留意的判断：大模型赛道的进入门槛正在下降，而支撑行业高估值的巨额资本开支逻辑正面临越来越大的验证压力。

报告显示，在Artificial Analysis追踪的全球前14大语言模型榜单中，9月新增4个模型，分别来自新加坡、韩国、阿联酋和美国。这四款模型分别是新加坡Sapiens AI的Agnes 3.0 Flash、韩国Motif Technologies的Motif-3-Beta、阿联酋MBZUAI的K2 Horizon，以及总部位于美国加州、研发团队在新加坡的Apodex 1.1。值得注意的是，这些模型背后的研发机构融资规模普遍有限：Sapiens AI累计融资约2000万美元，Motif Technologies完成约1660万美元B轮融资，与头部AI企业的投入规模存在明显差距。

杰富瑞分析师Edison Lee等人认为，LLM市场参与者数量持续增加、各地区对本土模型的支持力度上升，加上蒸馏技术广泛应用，正在进一步压低行业进入壁垒。所谓蒸馏，是指利用现有大模型的输出训练新模型，让开发者以更低成本获得部分先进模型能力。报告认为这类技术很难被完全封堵，随着应用普及，后来者追赶头部模型的成本仍可能继续下降。

不过，低成本入局并不等于头部厂商的优势已经消失。训练最前沿模型仍需要大量算力、数据和工程投入，新玩家更多是在部分能力和细分场景中获得竞争力。真正的变化在于，「进入市场」与「做到最强」之间的资本门槛正在拉开。

模型供给增加已开始向API价格端传导。杰富瑞数据显示，部分新模型的API价格显著低于头部模型，其中Apodex 1.1的混合API价格为每百万Token 0.3美元，在AA前15名模型中属于价格最低的模型之一。与此同时，头部厂商并未全面加入降价，而是通过新一代模型的能力升级寻求更高定价。报告认为，这种提价既反映模型能力提升，也可能是向资本市场证明商业化能力的一种方式——用更高的智能水平支撑更高价格，从而改善市场对利润率和投资回报的预期。

问题在于，涨价与降价正在同时发生。头部模型试图用性能升级维持溢价，新进入者则通过低成本争夺开发者和应用需求。杰富瑞指出，仅美国市场目前就已有7家大模型提供商，参与者增加意味着API市场的价格竞争仍可能持续。

竞争维度也在发生变化。杰富瑞本月引入AutomationBench-AA基准测试，用于衡量模型在智能体自动化任务中的能力，并据此重新校准历史数据。在此背景下，部分厂商开始通过模型架构和内存优化降低推理成本。DeepSeek于9月10日发布V4.1 Flash模型，混合API价格降至每百万Token 0.2美元，较上一版本下降74%。该模型还通过Casual Encoder-Decoder设计、Engram条件记忆机制和Compressed Sparse Attention 2等技术压缩硬件需求：HBM需求降低约四分之一，SSD需求降低约八分之一。杰富瑞认为，这类路线更强调算力和内存效率，而非单纯追求模型智能。

这意味着行业正从「拼智能」转向同时「拼效率」。随着推理Token需求快速增长，模型厂商不仅要提高能力，还要降低每个Token的生成成本。对应用开发者而言，如果更低成本的模型已能完成足够多的任务，模型之间的价格差异可能比单纯的性能差异更重要。

杰富瑞对AI供应链的担忧，核心并非AI需求消失，而是资本投入增长速度能否与最终回报匹配。一方面，新玩家已能以数千万美元级别的资金进入全球头部模型榜单；另一方面，头部企业仍在持续扩大算力、数据中心和基础设施投资。从需求端看，AI推理需求仍在快速增长，模型能力提升也会不断催生新应用场景，算力需求本身并未失去增长基础。问题在于，当模型供给越来越丰富、API价格受到竞争压制后，新增基础设施投入需要多长时间才能转化为足够的收入和利润。

杰富瑞因此认为，AI产业可能逐渐进入一个更注重资本效率的阶段。对头部企业而言，继续扩大资本开支仍可能是保持技术领先的重要手段，但行业整体需要更关注重复建设、资源利用率以及新增算力所对应的实际商业价值。报告预计，行业可能通过整合、合作以及更高效的资源配置来降低整体资本开支。

换言之，AI基础设施需求仍然强劲，但「需求增长」并不自动等于「所有资本投入都能获得足够回报」。在模型供给增加、API价格承压的背景下，这一矛盾将成为下一阶段市场重新审视AI估值的重要变量。