傑富瑞9月16日釋出的研究報告丟擲一個值得AI投資者留意的判斷：大模型賽道的進入門檻正在下降，而支撐行業高估值的鉅額資本開支邏輯正面臨越來越大的驗證壓力。

報告顯示，在Artificial Analysis追蹤的全球前14大語言模型榜單中，9月新增4個模型，分別來自新加坡、韓國、阿聯酋和美國。這四款模型分別是新加坡Sapiens AI的Agnes 3.0 Flash、韓國Motif Technologies的Motif-3-Beta、阿聯酋MBZUAI的K2 Horizon，以及總部位於美國加州、研發團隊在新加坡的Apodex 1.1。值得注意的是，這些模型背後的研發機構融資規模普遍有限：Sapiens AI累計融資約2000萬美元，Motif Technologies完成約1660萬美元B輪融資，與頭部AI企業的投入規模存在明顯差距。

傑富瑞分析師Edison Lee等人認為，LLM市場參與者數量持續增加、各地區對本土模型的支援力度上升，加上蒸餾技術廣泛應用，正在進一步壓低行業進入壁壘。所謂蒸餾，是指利用現有大模型的輸出訓練新模型，讓開發者以更低成本獲得部分先進模型能力。報告認為這類技術很難被完全封堵，隨著應用普及，後來者追趕頭部模型的成本仍可能繼續下降。

不過，低成本入局並不等於頭部廠商的優勢已經消失。訓練最前沿模型仍需要大量算力、資料和工程投入，新玩家更多是在部分能力和細分場景中獲得競爭力。真正的變化在於，「進入市場」與「做到最強」之間的資本門檻正在拉開。

模型供給增加已開始向API價格端傳導。傑富瑞資料顯示，部分新模型的API價格顯著低於頭部模型，其中Apodex 1.1的混合API價格為每百萬Token 0.3美元，在AA前15名模型中屬於價格最低的模型之一。與此同時，頭部廠商並未全面加入降價，而是通過新一代模型的能力升級尋求更高定價。報告認為，這種提價既反映模型能力提升，也可能是向資本市場證明商業化能力的一種方式——用更高的智慧水平支撐更高價格，從而改善市場對利潤率和投資回報的預期。

問題在於，漲價與降價正在同時發生。頭部模型試圖用效能升級維持溢價，新進入者則通過低成本爭奪開發者和應用需求。傑富瑞指出，僅美國市場目前就已有7家大模型提供商，參與者增加意味著API市場的價格競爭仍可能持續。

競爭維度也在發生變化。傑富瑞本月引入AutomationBench-AA基準測試，用於衡量模型在智慧體自動化任務中的能力，並據此重新校準歷史資料。在此背景下，部分廠商開始通過模型架構和記憶體最佳化降低推理成本。DeepSeek於9月10日釋出V4.1 Flash模型，混合API價格降至每百萬Token 0.2美元，較上一版本下降74%。該模型還通過Casual Encoder-Decoder設計、Engram條件記憶機制和Compressed Sparse Attention 2等技術壓縮硬體需求：HBM需求降低約四分之一，SSD需求降低約八分之一。傑富瑞認為，這類路線更強調算力和記憶體效率，而非單純追求模型智慧。

這意味著行業正從「拼智慧」轉向同時「拼效率」。隨著推理Token需求快速增長，模型廠商不僅要提高能力，還要降低每個Token的生成成本。對應用開發者而言，如果更低成本的模型已能完成足夠多的任務，模型之間的價格差異可能比單純的效能差異更重要。

傑富瑞對AI供應鏈的擔憂，核心並非AI需求消失，而是資本投入增長速度能否與最終回報匹配。一方面，新玩家已能以數千萬美元級別的資金進入全球頭部模型榜單；另一方面，頭部企業仍在持續擴大算力、資料中心和基礎設施投資。從需求端看，AI推理需求仍在快速增長，模型能力提升也會不斷催生新應用場景，算力需求本身並未失去增長基礎。問題在於，當模型供給越來越豐富、API價格受到競爭壓制後，新增基礎設施投入需要多長時間才能轉化為足夠的收入和利潤。

傑富瑞因此認為，AI產業可能逐漸進入一個更注重資本效率的階段。對頭部企業而言，繼續擴大資本開支仍可能是保持技術領先的重要手段，但行業整體需要更關注重複建設、資源利用率以及新增算力所對應的實際商業價值。報告預計，行業可能通過整合、合作以及更高效的資源配置來降低整體資本開支。

換言之，AI基礎設施需求仍然強勁，但「需求增長」並不自動等於「所有資本投入都能獲得足夠回報」。在模型供給增加、API價格承壓的背景下，這一矛盾將成為下一階段市場重新審視AI估值的重要變數。