UBS：开源模型势头强劲

AI 需求与企业采用

> 需求广泛扩展：尽管对投资回报率（ROI）的审查日益加强，AI 需求依然异常强劲，且呈扩展而非放缓之势。

> 转向生产阶段：企业正从早期测试和概念验证转向全面生产和大范围部署。

> 支出类别逐步增加：像 Perplexity、AlphaSense、ElevenLabs、Sierra 和 Cursor 等公司报告了指数级增长（例如，Perplexity 的年度经常性收入（ARR）迄今已增长 3 倍），这得益于新的、非蚕食性的 AI 支出类别，如语音、数字协作者、代理和编码。

定价转变与成本优化

> 基于消费的定价：像微软（通过 Copilot）这样的供应商正将某些客户从传统的基于席位的许可模式转向基于消费的定价。

> 关注令牌成本：这一转变加剧了企业对每令牌最大化 ROI 的关注，使得模型利用优化、智能路由和工作负载特定模型选择成为关键组成部分。

> 重新分配，而非减少：需求并未萎缩；相反，它正被战略性地重新分配到最具成本效益的模型和工作负载上。

开源势头及其对 NVIDIA 的影响

> 性能差距缩小：过去一年，开源模型已显著缩小与前沿解决方案之间的性能差距。

> 令牌利用率爆发式增长：开源采用率从去年的不到 1% 激增至 2026 年初的 1%，到 2026 年中期已成倍增长，并预计未来可能占据使用令牌的大多数。

> 对 NVIDIA 有利：这一趋势被视为对 NVIDIA 极为正面，因为其软件领导地位（如 Nemotron 系列）以及大多数开源模型在 NVIDIA 硬件上进行训练和微调，从而实现卓越的推理性能。

> 基础设施需求扩展：虽然开源采用对仅限前沿的经济模式施加压力，但它最终通过将低成本模型转化为更广泛成熟工作流程的可行解决方案，从而扩大了总推理需求。

快速推理基础设施

> 最佳用例：Cerebras（CBRS）企业客户反馈显示，晶圆级引擎（WSE）技术非常适合延迟敏感的搜索和一次性检索工作负载。

> 长时间运行的工作负载：长时间运行的代理式工作流程继续优先考虑模型质量、工具和编排，而非原始推理速度。

> 市场份额：NVIDIA 认为快速推理约占整体推理市场的 10-20% 的观点依然成立，尽管随着令牌成本下降和架构进步（如解耦解决方案和堆叠内存 SRAM 架构）的改善，用例预计将扩展。