摩根士丹利在最新研究報告中系統梳理了開源與閉源模型之爭的三種終局情景，並給出相應的受益股票圖譜。報告認為，市場對開放權重模型的擔憂被誇大——開放權重模型並非壓制算力需求，而是通過傑文斯悖論加速AI普及，推動更大規模的企業級採用。
報告指出，Kimi K3的釋出，以及輝達和Anthropic相繼釋出的開放權重立場檔案，將這場爭論推向白熱化。投資者擔憂，更小、更高效的開源模型大量湧現會壓制算力與AI基礎設施需求，但摩根士丹利持不同看法。該行認為，開放權重模型有助於競爭，並通過傑文斯悖論加速AI普及，由此推動更大規模的企業級AI採用，而非削弱需求。
調研資料印證了這一趨勢。據麥肯錫對41個國家700位科技領袖的調查，63%的企業已將開源模型納入AI技術棧，通常與閉源模型並行使用。另有資料顯示，2026年2月至7月間，美國公司每週通過OpenRouter路由至中國開源模型的Token佔比超過30%，儘管這一資料可能更多反映初創企業而非大型企業的行為。儘管如此，摩根士丹利判斷，企業AI支出的格局將隨模型效率提升和開源模型發展而持續演變，投資者需要一套清晰的分析框架來把握這場變局。
報告首先釐清了開源與閉源的核心區別：開放權重模型（如Meta的Llama、谷歌的Gemma、Qwen、DeepSeek和Kimi）僅公開訓練引數，但可能保留訓練資料或限制授權；開源模型（如AI2的OLMo）則完整開放包括程式碼、訓練指南和資料細節在內的完整技術棧。當前最高效能的前沿模型均為閉源，原因在於訓練成本高昂，模型開發商在下一代模型釋出前無力免費提供。
值得注意的是，開放權重並非真正意義上的“免費”。麻省理工學院的一項研究估算，從閉源轉向開源模型可使平均價格下降70%，每年為企業節省約250億美元。但摩根士丹利指出，該研究完成於2025年12月，且未充分考量部署成本——卡內基梅隆大學研究顯示，開源模型的投資回收期因規模差異懸殊：小規模部署（引數量低於300億）最短僅需3個月，而大規模部署（2000億至1萬億引數）則可長達6年。
企業採用現狀方面，超過60%的企業已將開放權重模型納入技術棧，但當前使用場景高度集中於程式碼生成、文件解析等高頻次、小規模的專項任務。麥肯錫調查顯示，40%的企業高管青睞開放權重模型，核心原因是資料主權與本地化合規需求。然而，開放權重模型的劣勢同樣不容忽視：持續微調成本不菲、安全隱患突出（英國《金融時報》與AI安全機構Alice在2026年4月的測試中，僅用數分鐘便通過Heretic工具移除了Meta和谷歌開源模型的安全護欄）、缺乏IP免責保護，以及地緣政治風險上升。
摩根士丹利構建了三套情景框架：情景一為閉源模型勝出，前沿模型效能難以複製，算力工作負載向超大規模雲集中，核心受益公司包括谷歌、亞馬遜、Meta、PANW、CRWD、ZS、NTSK、OKTA、ANET、LITE、COHR、BE、INIO、SEI、WMB、LBRT、NVDA、AVGO；情景二為混合格局，閉源前沿模型主導複雜推理，開放權重模型處理高頻次任務，核心受益公司包括亞馬遜、谷歌、微軟、DDOG、PLTR、APPN、PANW、CRWD、FTNT、ZS、NTSK、OKTA、SAIL、VRNS、SAP、NOW、CSCO、FFIV、BE、INIO、SEI、WMB、LBRT、NVDA；情景三為開放權重模型勝出，效能收斂至前沿水平，AI基礎設施走向去中心化，核心受益公司包括微軟、MiniMax、Knowledge Atlas、阿里巴巴、騰訊、PLTR、PANW、CRWD、FTNT、OKTA、SAIL、SAP、NOW、SHOP、DELL、HPE、NTAP、P、DELL、HPQ、蘋果、SNX、INGM、CDW、BE、INIO、SEI、WMB、LBRT、NVDA。
在三種情景中，輝達均位列核心受益股，無論計算需求集中於超大規模資料中心還是分散至邊緣，GPU需求的底層邏輯均未改變。現場電力供應商（BE、INIO、SEI、WMB、LBRT）同樣橫跨三種情景，AI擴張帶來的電力需求增長具有結構性支撐。相比之下，AVGO在閉源情景下獨享最大受益地位；DELL、HPE等本地基礎設施廠商及蘋果等邊緣裝置商則在開源情景中才能充分釋放價值；大型雲服務商的前景取決於工作負載流向，若開源情景成真，微軟憑藉混合雲與本地部署能力具備獨特優勢，而亞馬遜和谷歌則降為“其他受益方”。
摩根士丹利的核心判斷是：開放權重模型是加速AI普及的催化劑，而非威脅——真正的問題不是AI需求會否萎縮，而是價值將在哪個層級沉澱。