美国半导体：封闭模式的理由-为什么专有LLM仍是AI技术栈的核心锚点-US Semiconductors-The Case for Closed Why Proprietary LLMs Still Anchor the AI Stack.pdf

这篇研报的核心矛盾在于：封闭模型在技术基准上仍全面碾压开放模型，但开放模型的推理成本已低至封闭模型的1/10以下，且正在吞噬越来越多的市场份额。BofA认为，封闭模型凭借在企业工具调用（Agentic Index 55.3 vs 开放最好 43.1，来源：Exhibit 1）和复杂推理上的压倒性优势，依然是AI技术栈的锚点；然而，研究自身披露的数据显示，开放模型已占据约1/4的token总量（原文“~1 in 4 tokens is now open”），每token成本仅为封闭模型的1/5到1/10，且70%的OpenRouter token流量来自中国开放模型（原文“~70% of OpenRouter tokens were Chinese-open in July 2026”）。这种技术优势与成本劣势的撕裂，构成了整个半导行业叙事的张力——如果封闭模型的收费能力被低成本的开放模型侵蚀，支撑高端AI芯片需求的高单价逻辑还能持续多久？

• 基准测试差距：研报Exhibit 1对比了6项关键基准，封闭模型在所有项目上领先。最具代表性的“Agentic Index（工具调用）”得分，封闭模型Claude Opus 5达55.3，开放模型最好成绩GLM-5.2仅43.1，差距12.2个点（来源：Exhibit 1，Artificial Analysis）。在“Intelligence Index”上，Claude Opus 5得分60.7，开放模型DeepSeek V4为44，差距16.7个点。然而，FinGPT分析指出，在“SciCode”基准上双方差距仅1.5个百分点（开放58.7% vs 封闭60.2%），显示差距正在收敛（来源：Exhibit 1，UIUC/Argonne，FinGPT补充评述）。

• 成本与市场份额：原文明确指出“open models generally run ~5-10x cheaper per token”（开放模型每token成本低5-10倍）。同时，市场渗透数据为“~1 in 4 tokens is now open”（约四分之一token来自开放模型），且“~70% of OpenRouter tokens were Chinese-open in July 2026”（来源：研报正文）。Financial_data部分缺省，无股价、PE、财务趋势数据，因此无法进行传统估值交叉核验。

• 现金流/资本开支：因为研报覆盖的是行业整体而非具体公司，未提供自由现金流或资本开支数据。原文仅定性提及“if closed leads, frontier-scale runs likely remain capital-intensive”，暗示前沿训练的高资本密集特性。FinGPT分析警告，缺乏财务验证使得“资本密集假设落空的下行风险”无法评估（来源：FinGPT summary）。

研报的核心逻辑链条是：因为封闭模型在最困难和最具商业价值的任务上仍保持明确领先（Agentic Index、HLE、SWE-bench等），所以企业客户为获得最佳性能、零基础设施负担和可控的合规性，会持续选择封闭API（closed APIs作为reference implementation），进而支撑高端AI半导体的高单价和资本密集型训练需求。同时，报告引入Linux/Windows共存的历史类比，认为开放模型可能拿下成本敏感场景，而不会完全替代封闭模型。

多智能体系统（FinGPT）揭示了这一逻辑的两个脆弱环节：第一，领先优势是静态快照——“追赶速度极快”，一旦开放模型在核心基准上追平，封闭模型的定价权将迅速瓦解；第二，成本稀释悖论：当四分之一token已经使用开放模型，且每token成本仅为封闭的十分之一到五分之一时，即便整体推理量因杰文斯悖论而爆发，AI半导体出货量增长也可能与收入增长脱节（来源：FinGPT risk_valuation）。此外，关于开放模型是“蒸馏自封闭模型”的指控（原文“leading open models are often believed to be derived from leading closed models via distillation”）虽然强化了封闭模型的技术源头地位，却也使地缘政治风险激增——美国官员已指控中国Moonshot Kimi K3蒸馏自Anthropic Fable模型，这可能引发出口管制反噬（来源：FinGPT business_model），而非单边利好。

• 行业估值与半导体股价：因为没有给出任何公司估值数据，只能定性推演。若封闭模型继续领跑，维持前沿训练的高资本开支将直接利好提供最高端AI芯片的厂商（如NVDA）。但若开放份额从四分之一继续扩大，且70%的OpenRouter流量来自中国模型的趋势强化，低单价推理芯片和ASIC的需求可能上升，高端GPU的单位收入贡献面临稀释风险。FinGPT将此情景归为“芯片出货量增长与收入增长脱节”，投资者需对“量增价稳”的美式叙事保持警惕。

• 行业格局：封闭与开放并存已成大概率路径，报告以Windows/Linux类比——“Linux拥有约61%的web服务器和100%的TOP500超算，而Windows拥有约72%的桌面市场”（原文）。对AI产业链而言，这意味着基础设施层（半导体）有机会同时受益于两类需求，但总量可能不及单纯封闭垄断时的单价。

• 对投资者隐含预期：当前市场对AI芯片的定价可能隐含了“前沿模型必须且只能由封闭实验室用最高端芯片训练”的假设。然而，开放模型的快速追赶以及中国开源力量的崛起，构成了这一假设的最大未知数。

最可能的发展路径是不平衡的共存：在需要最高可靠性、复杂工具调用和严格合规的金融、医疗、国防等领域，封闭API仍将占据主导；而在内容生成、对话机器人、基础编码等成本敏感场景，开放模型份额有望继续攀升。但市场可能忽略了地缘政治这一最大变量：如果美国政府针对蒸馏行为收紧出口管制，不仅中国开放模型的发展会受阻，还可能打断整个开放模型生态的供应链，最终使封闭模型意外受益。同样可能被忽略的是ASIC的替代——如果推理端完全被低成本开放模型主宰，专用推理芯片的经济性可能比通用GPU更高，这将对现有半导体格局产生结构性冲击。

核心验证节点：①主要封闭模型下一次迭代的实际性能增幅（与开放模型的差距是否被拉大）；②云厂商季度资本开支指引，是否仍维持高增速；③美国商务部针对“蒸馏模型”的任何新出口管制动态；④OpenRouter等中立方下一个月度open token份额数据。这些节点将帮助投资者判断“封闭溢价”能否维持。

这篇报告说白了就是：虽然现在免费的、开源的AI模型越来越多，用起来也便宜，比闭源便宜5到10倍，而且已经吃掉了四分之一的流量，但最牛的AI大脑还是掌握在像Anthropic、OpenAI这样的闭源公司手里。他们最新的模型在写代码、解决复杂问题这些硬核任务上，甩开开源模型十几分。不过这些开源模型很多其实是“偷师”闭源模型蒸馏出来的，一旦被美国政府盯上，出口管制可能一刀切，整个开源生态就可能断电。对于卖AI芯片的厂商来说，短期还是闭源客户的高级训练芯片更赚钱，但长远来看，如果开源模型越来越强，便宜的推理芯片需求也会爆炸。投资者要盯住的矛盾就是：闭源技术领先，但开源在数量和成本上蚕食，最终结果大概率是两家都活着，谁也别想一口吃掉对方。

这仅仅是研报分析，不构成任何投资建议。

• 对于AI半导体长期持有者：建议维持现有仓位，但不宜追高。研报虽然倾向封闭模式，但数据已显示开放模型的侵蚀不可逆。等待下一个财报季的资本开支指引，若主要云客户仍大幅追加前沿训练预算，则封闭模式护城河逻辑暂时有效。
• 对于尚未配置AI半导体的投资者：可采取分步观察策略。先配置部分仓位于同时受益训练和推理的龙头芯片商，同时密切关注每月OpenRouter流量来源和开源模型基准追赶速度。如果发现开放模型在Agentic Index或SWE-bench上的得分差距缩小至5分以内（当前差距12-16分），应重新评估高端训练芯片的长期需求叙事。
• 关键盯住：美国出口管制对涉及蒸馏的中国公司的实质动作；主要闭源实验室下一次模型发布的基准跳跃幅度；AI芯片厂商财报中的“推理收入占比”变化趋势。这些数据会比任何分析师报告更早揭示拐点。