Citi研报指出，随着监管机构对部分前沿模型的访问限制和模型发布速度放缓，开源模型因推理需求持续超过供应而 gaining momentum，企业开始寻求替代前沿模型的具体用例。报告显示，随着Z.ai发布GLM-5.2模型，专有模型和开源权重模型之间的 intelligence gap 在过去两周内有所缩小。
开源模型需求上升
企业对开源权重和开源模型的需求呈阶跃式增长，主要原因是成本上升和模型访问限制增加。Cohere 将其 2027 年内部 ARR 预测提高了三倍，OpenRouter 在 6 月份处理的开源 token 占比从 1 月份的 34% 上升到 65%，Fireworks 的开源 token 量（包括 DeepSeek、MiniMax 和 Qwen）在 4 月至 6 月间增长了约一倍。
架构瓶颈
近期融资活动，如 Baseten 的 1.5 亿美元融资，表明行业重点支持能够以成本效益的方式扩展 AI 生产工作负载的 AI 创业公司，这些公司使用专门构建的开源模型。Upscale AI 的 1900 万美元融资反映了通过专门构建的交换硅和开放标准 AI 布局引入新专用硬件的紧迫性。高通计划以 40 亿美元收购 Modular，表明行业越来越倾向于开放、灵活的软件架构，以适应异构硬件。
人才短缺
人才密度仍然是 AI 领导地位的关键决定因素。各行业对 AI 研究人员、软件工程师和产品经理的竞争激烈。近期事件，如 Google 重组专注于 AI 编码工具的罢工团队，以及 Noam Shazeer 和 John Jumper 等关键人员的离职，以及 DeepSeek 招聘其 agentic Harness 团队时遇到的困难并计划在所有部门翻倍人员，表明前沿实验室之间的执行差距可能正在扩大。
基础设施建设
AI 基础设施建设仍在继续。微软和雪佛龙为拟议中的德克萨斯州西部数据中心达成了 20 年的电力协议，预计随着时间的推移将逐步扩大到 2.67 吉瓦，以及前沿实验室与内存/存储提供商之间新的战略芯片供应协议证实了这一趋势。然而，数据中心建设的监管风险正在增加。自 2023 年以来，美国地方当局已实施超过 300 项数据中心禁令或暂停令，其中超过 275 项是在 1 月 1 日之后通过的。这些限制将限制超大规模企业的资本支出，除了适应额外的价格上涨之外，无法进一步提高资本支出。
研究结论
报告认为，虽然基础设施交易继续巩固行业的长期方向，但人才限制和数据中心建设挑战将影响开发速度，有利于 AI 人才密集型和计算密集型领导者。预计这些瓶颈的价格受益者将继续表现出色。
