开放模型竞赛和美国 AI 价格成本和采用场景下的估值

介绍

开放权重模型已经成为美国人工智能公司的重要竞争变量。该术语描述了权重可以下载或以其他方式广泛使用的模型。它并未规定培训数据、源代码、文档或所有商业用途都是不受限制的。美国国家电信和信息管理局描述了一系列开放性，并建议分析广泛可用的权重相对于封闭系统和现有技术的边际收益和风险[37-40]。

商业效果取决于工作量。当接口、数据和评估受到控制时，软件团队可以相对快速地将标准摘要任务转移到自托管模型。受监管的机构可能需要数月的安全、验证、法律审查和运营验收。消费产品可以使用开放模型，同时通过分发、专有数据和产品设计保留价值。因此，相同的公开发布可以降低一家公司的价格并增加另一家公司的潜在市场。

提供者的证据表明了为什么静态假设是不安全的。 Meta 将 Llama 4 Scout 和 Maverick 描述为具有混合专家架构的可下载开放权重多模式模型 [41-43]。 DeepSeek 报告了其 V3 版本的模型架构、训练和商业使用条款 [44,45]。 Mistral 和其他提供商继续在不同的许可证和部署路线下发布模型 ^[46]。斯坦福大学的 AI 指数记录了推理价格的快速下降以及开放模型和封闭模型之间不断变化的性能差距 [10,11]。

估值问题是具体的。随着开放模型的改进和客户获得更多部署选择，投资者必须确定哪些收入、贡献、资产和选项仍然具有防御性。答案需要工作量证据、合同权利、模型和系统评估、全面部署成本、客户迁移行为以及保持产品竞争力所需的资本。

1 在建模价值之前定义开放模型竞赛

开源和开放权重不应被视为同义词。版本可以提供权重，同时保留部分代码、数据或文档。许可证可以允许广泛的商业使用，但仍然对重新分发、规模、归属或可接受的使用施加条件。结构化访问可以为选定的研究人员或客户提供权重，而无需公开发布。尽职调查文件应记录每个相关模型的确切工件、许可证版本、允许的用途和依赖性[37-40]。

竞争对手集应在工作负载级别定义。通用模型可能看起来接近公共基准，但仍然不适合客户的延迟、安全性、语言、工具使用或可靠性要求。经过微调后，较小的开放模型可以在狭窄的工作流程中胜过前沿模型。公司应维护一个评估矩阵，比较生产条件下的完整系统，并记录达到可接受结果的成本。

投资者应区分直接竞争和间接竞争。当客户更换专有模型或应用程序时，就会发生直接竞争。当开放模式降低供应商价格、加强云谈判杠杆、加速新应用程序或将价值转移到基础设施、数据和工作流程提供商时，就会发生间接竞争。同一事件可以压缩接口收入，提高应用贡献。

仅靠市场份额是不够的。估值需要公司按产品、客户、工作负载、模型、部署路线、区域和合同进行曝光。每行应说明工作负载是否可以移动、谁拥有移动工作负载的技术和法律权利、预期验证期以及迁移后的全部经常性成本。

2 建立美国工作负载和采用分类账

工作负载分类账将开放模型采用与财务报表连接起来。每行应标识客户、应用程序、任务、数据分类、当前模型、替代模型、接口、托管路径、有效价格、接受的输出、直接成本、工程支持、安全审查、合同条款和收集的现金。客户和工作负载仍然是分析单位，因为广泛的产品收入可能隐藏着截然不同的替代风险。

应通过可观察的阶段来衡量采用情况。评价表明兴趣。经过验证的试点展示了在定义的协议下的性能。生产验收表明系统满足客户要求。持续的数量、更新和收集的现金表明了商业采用。下载计数、存储库活动和公共基准可以为市场地图提供信息，但不能确定企业对目标的需求。

账本应区分客户控制的迁移和供应商控制的迁移。客户可以通过模型网关或云市场路由流量。供应商可以通过在产品背后使用开放模型来降低自身成本。保留公司客户合同和贡献的迁移与客户将整个工作流程转移到另一个提供商具有不同的估值效果。

美国客户群还应根据监管状态、数据敏感性、采购周期和部署地点进行细分。联邦、医疗保健、金融和关键基础设施用户可能需要技术质量之外的证据。当接口可移植时，开发人员客户的行动可能会更快。该模型应该对每个队列应用单独的采用曲线和验证成本。

3 客户条件下测试技术替代

替换需要进行受控比较。该协议应在评分运行之前确定任务群、模型版本、提示和工具配置、硬件、上下文、延迟目标、质量度量、人工审核策略和失败阈值。它应该保留原始输出并解释每个排除项。公共基准测试结果提供了背景信息；公司特定的证据决定工作负载是否可以移动。

比较应包括整个系统。检索、工具、护栏、监控、支持、集成和人工审核可以决定客户结果。即使代币价格较低，需要额外编排或审查的开放模型也可能具有较高的接受任务成本。当客户通过较小的开放模型和受控工作流程实现所需的结果时，专有模型可能会失去价值。

评估应衡量质量、可靠性、延迟、吞吐量、可用性、安全性、可控性和成本。它应包括正常、困难和与安全相关的情况。基准污染和对公共排行榜的适应可能会削弱报告的差异，因此投资者应检查测试治理和独立复制[10,20,21]。

不应假设技术平价会导致直接收入损失。迁移可能需要工程、安全审批、用户测试、再培训、文档和合同变更。估值应该对迁移所需的时间和现金以及客户完成转换的概率进行建模。

4 比较专有访问和自托管的经济性

客户成本比较应协调同类服务。专有访问可以包括模型、基础设施、扩展、更新、安全控制、支持和服务级别。自托管可以包括加速器、云或托管、编排、利用率损失、存储、网络、工程、监控、安全、评估、事件响应和模型升级。零许可价格并不能建立零成本服务。

经济单位应该是客户操作条件下可接受的任务。每个代币或加速器小时的成本是一个输入。完整的衡量标准包括不成功的输出、重试、长上下文、工具、检索、人工审查和停机时间。工作负载文件应显示边际成本、完全分配的成本和客户的转换投资。

使用对结果有重大影响。高且稳定的工作负载可以支持预留的基础设施或高效的批处理。不稳定的工作负载可能会导致容量闲置。较小的模型、量化、专家混合设计和改进的内核可以减少所需的计算，而较大的上下文和推理可以增加所需的计算[31,32,44,45]。

投资者应该对节省资金的地方进行建模。客户可以通过自托管来保留它们。托管提供商可以通过托管基础设施捕获它们。应用公司可以保持价格稳定，扩大贡献。竞争市场可能会将大部分节省转嫁给客户。案件必须陈述假定的传递的证据。

5 估计采用率和价格传递

开放模式的采用可以从不同的方向影响销量和价格。较低的访问成本可以增加实验和生产工作量。它还可以减少单位专有收入。公司应保存历史价格、使用情况和迁移证据，以便估值能够将需求扩张与折扣和产品组合变化区分开来。

采用曲线应按工作负载群体建立。具有便携式接口的开发工具可以快速移动。关键任务部署可能有很长的验证期。拥有专有数据、嵌入式工作流程和负责任服务的公司可以在改变基础模型的同时留住客户。该模型应使用单独的曲线进行技术评估、可接受的生产、缩放数量和更新。

价格传递应与竞争和客户讨价还价联系起来。透明的接口价格和相近的替代品可以加速传递。长期合同、差异化的系统性能、受监管的保证或工作流程转换成本可能会延迟它。合作伙伴可以通过市场费用、云积分、最低承诺或捆绑来影响经济。

投资者应该测试有效价格、保留量和贡献的矩阵，而不是单一的市场份额数字。管理层应识别改变结果的操作行为，包括模型路由、产品包装、合同设计、验证支持和基础设施谈判。

6 重建推理单元经济学

推理成本应根据工作负载遥测和供应商发票来衡量。该桥包括令牌或其他计算单元、模型组合、加速器时间、利用率、内存、存储、网络、缓存写入、缓存读取、批处理、失败请求、安全调用、检索、可观察性和人工审查。共同承诺应使用书面规则进行分配。

容量可以按需购买、预留、配置、承诺或通过战略合作伙伴间接购买。经济成本包括已消耗和未使用的容量。公司可以报告每个活跃请求的有吸引力的成本，同时承担不属于客户贡献的大量最低支出。该模型应显示边际成本和完全分配成本。

效率举措应通过生产结果来证明。量化、蒸馏、路由、缓存、批处理、快速缩减和改进内核可以降低成本。更大的上下文窗口、更丰富的输出、更多的推理或冗余的安全检查可以提高它。提供商文档确认缓存和批量价格可能与标准调用有很大不同[12-19]。实现的节省取决于工作负载资格和行为。

该单位应与客户价值相关。每美元代币是一种运营衡量标准。每美元接受的任务、每美元解决的案例或每美元计算保留的收入将技术系统与商业模型连接起来。

7 将培训视为资本循环

前沿培训是一系列研究、数据、实验、培训前、培训后、评估、安全工作、部署和持续改进的过程。估值应将探索性研究、平台开发、主要培训运行和产品维护分开。每个类别都有不同的成功概率和使用寿命。

缩放定律研究表明计算、模型大小、数据和性能之间的系统关系，而计算优化训练工作表明跨模型和数据的分配可以对结果产生重大影响[31,32]。这些发现支持严格的规划。他们不会将培训预算变成可预测的资产。

资本计划应包括加速器、云承诺、数据采集、准备、专业劳动力、失败的运行、评估、安全、红队、启动能力和应急费用。它应该显示何时支付现金、何时模型投入商业使用、它取代了哪一个前身以及它支持哪些增量收入或贡献。

管理层应保存预测年份和实验记录。然后，评估可以比较预期和实现的成本、进度、能力和采用情况。持续的超支或商业转化率低下应该会影响未来培训的概率、时间安排和资本费用。

8 估算模型经济寿命和更换需求

模型不需要停止运行，其经济价值就会下降。竞争对手可以改进，价格可以下降，客户可以迁移，平台可以淘汰接口，监管可以改变，或者公司自己的继任者可以蚕食需求。 Anthropic 的公开弃用记录说明了为什么模型生命周期属于产品和估值分析 ^[16].

公司应按型号版本跟踪收入、使用情况、贡献和客户数量。它应该记录模型更换时的迁移时间、激励措施、损坏、支持成本和流失情况。该证据支持对已部署模型及其客户关系的经济寿命估计。

评估应将当前的模型资产与组织培养继任者的能力区分开来。重量的商业寿命可能很短。研究系统、数据权利、评估基础设施、分布和经过验证的团队可以在几代人之间保留价值。保持这种能力所需的再投资属于现金流。

投资者可以使用过时储备或明确的更换计划。该模型应避免将每一笔研究资金资本化，并避免假设所有研究都会立即消失。证据决定哪些支出产生受控和可转移的能力。

9 测试计算访问和基础设施承诺

基础模型开发和部署需要访问加速器、网络、存储、电源和专用软件。 Microsoft、Alphabet、Meta 和 Oracle 的公开文件描述了大量 AI 和数据中心投资以及基础设施对成本和资本支出的影响 [26-29]。这些披露表明了行业资本强度。他们没有透露私人目标的经济情况。

目标的计算寄存器应列出提供商、区域、加速器、容量、期限、价格、最低支出、续订、可移植性、安全性、数据位置、终止、分配、控制更改和服务级别权限。战略投资和信贷应与法律协议和可用产能相协调。

集中可以创造优势，也可以带来风险。优先访问可以支持模型交付。捆绑的云承诺可能会降低切换灵活性，并使公司暴露在一个供应商的路线图之下。 FTC 和 CMA 报告提供了检查这些关系的框架 [7-9]。

不利的情况应该测试延迟的容量、较低的利用率、搁浅的承诺、信用损失、价格变化、迁移成本以及交易后无法分配协议。它还应该测试从实验性需求转向可靠生产所需的资本。

10 Diligence 数据权利和来源

培训和评估取决于数据，其权利可能因来源和用途而异。登记册应涵盖许可内容、公共数据、客户数据、合成数据、员工贡献、购买的数据集、抓取的材料和生成的输出。对于每个来源，公司应记录所有者、许可证、允许使用、领土、术语、归属、机密性、隐私、删除和模型输出影响。

法律分析是针对管辖权和事实的。估值结果来自于运营依赖性。如果材料数据集无法更新或用于后续模型，管理层应估计更换时间、成本和性能影响。如果客户数据改进了产品，合同应支持该用途。

数据质量也很重要。出处、重复数据删除、污染、语言覆盖、安全过滤和刷新都会影响模型性能和声明。尽职调查团队应将关键评估和培训数据集追踪到可重复的管道中。

数据期权价值应与当前现金流量分开。当权利、可用性、独特性和明确的需求存在时，集合可以支持未来的产品。仅凭数量并不能确定价值。

11 重视人才和研究操作系统

基础模型的能力可能取决于少数研究人员、系统工程师、产品领导者和安全专家。投资者应通过代码、实验、事件、模型发布、客户升级和技术决策来识别关键团队。职位名称和出版物数量提供了背景信息，而操作证据则显示了依赖性。

研究操作系统包括实验设计、数据管道、培训编排、评估、审查、文档、安全、启动和发布后学习。当特定模型老化时，可重复的系统可以保留价值。依赖于创始人的流程在交易后可能会迅速失去价值。

保留分析应包括归属、流动性、薪酬、移民、地点、竞业禁止的可执行性、学术角色和使命一致性。交易结构可以通过展期股权、保留安排、治理和资助的研究路线图来保护连续性。需要当前的法律和税务建议。

在赋予平台价值之前应测试知识转移。另一个授权团队应该重现构建、运行评估、诊断故障并使用记录系统执行受控发布。

12 评估分发能力和模型可移植性

分销决定开放模式是扩大还是取代美国AI公司。云市场、开发者平台、消费者应用程序、企业套件、系统集成商和设备渠道都会影响发现、定价、客户身份、数据和支持。在许多主机上可用的开放版本可以扩大分布，同时减少模型访问的稀缺性。

公司应记录谁控制着客户关系和技术路由决策。可以在模型之间切换的应用程序提供商可以在模型价格变化时保护贡献。依赖于一种云路线的模型提供商可能面临集中、结算和安置风险。控制网关的客户可以移动卷而无需重新协商应用程序。

应测试可移植性。尽职调查团队应检查接口兼容性、提示和工具依赖性、微调、评估证据、安全控制、数据位置、支持、容量和退出权限。所声称的多模型架构的价值有限，直到代表性工作负载在没有质量或服务重大损失的情况下进行迁移。

当合同、观察到的转换、结算和保留贡献支持时，分配价值属于基本情况。宣布的可用性或大型开发者社区可以支持选项案例。在商业证据出现之前，估值应将该选项分开。

13 协调治理安全和经济责任

NIST 的 AI 风险管理框架和生成式 AI 配置文件通过治理、映射、测量和管理来组织风险工作 [22,23]。安全开发指南扩展了软件和模型生命周期所需的证据 ^[24]。欧盟AI框架可以根据角色、系统和用途创建义务 ^[25]。这些来源提供了尽职调查问题；公司的职责需要当前的法律分析。

治理成本应该出现在运营模式中。评估、红队、事件响应、滥用预防、客户保证、模型文档、安全和监管工作需要人员和系统。控制薄弱可能会导致发布延迟、客户流失、补救和责任。有效的控制可以支持接触受监管或高度信任的客户。

目标公司应保留一份索赔登记册，将营销、基准、安全、隐私、版权、安全和性能声明与证据和负责任的所有者联系起来。客户合同应与产品能力和上游条款保持一致。

估值下行应包括定义的事件：模型撤回、重大事件、监管限制、数据索赔、安全漏洞、客户补救和服务积分。应根据风险评估保险、合同限额和准备金。

14 构建四种开放模型采用场景

专有弹性案例假设客户保留专有系统以实现差异化质量、监管保证、产品集成和可靠容量。开放模式扩大了整体市场，但几乎没有取代公司的高价值工作负载。有效价格缓慢下降，贡献支持了大部分研究计划。

混合差异化案例假设客户和供应商使用专有和开放模型的组合。标准工作负载转向低成本模型，而专业和高后果的任务仍保留在受控服务中。该公司通过路由、工作流所有权、客户数据和保证来保护价值。价格下降，数量增加。

开放价格趋同案例假设有能力的开放模型可以被广泛的工作负载所接受。专有接口价格下降，合同折扣增加，客户获得谈判筹码。使用量扩大但贡献减弱。该公司需要外部资金来维持前沿研究计划，并且必须降低成本或缩小其产品范围。

开放优先案例假设客户默认开放模型并仅在定义的例外情况下购买专有访问权限。广泛的接口体积下降。该公司保留了选定的受监管或性能敏感的群体，减少了前沿支出，并专注于可防御的应用程序和工具。这些是分析状态而不是预测。

15 建立一体化的美国金融模式

财务模型应从工作负载群体和采用阶段开始。收入等于接受的计费单位乘以有效价格，并根据承诺、信用、服务水平和合作伙伴经济状况进行调整。通过模型访问或托管、基础设施、工具、支持、安全性和人工审查，每个工作负载都会产生直接成本。

迁移应该明确出现。该模型应显示技术上符合迁移条件、已验证迁移、批准迁移和实际迁移的工作负载份额。它应包括一次性工程和验证成本、合同时间和并行运营的任何时期。在开放模型发布之日，工作负载不会从专有收入中消失。

运营支出应将产品交付、研究、销售、治理和主要培训计划分开。现金流应包括产能承诺、客户收款、资本支出、融资和税收。该公司可能会受益于较低的推理成本，同时仍需要大量资金进行研究和分销。

董事会应收到价格、数量、贡献、研究资金、融资前现金以及每个案例的最低资金。相关敏感性应结合模型性能、开放采用、价格传递、托管成本和客户保留。每个可控响应都应该有一个所有者和证据期限。

16 将评估方法应用于竞争状态

贴现现金流可以评估保留的客户群体以及服务他们所需的资本。预测应直接代表开放模型的采用、价格传递、迁移时间、研究周期和基础设施承诺。较高的贴现率无法取代这些现金流机制。

可比公司分析需要仔细选择同行。模型开发商、云平台、应用软件公司和基础设施提供商从不同层面赚取价值。收入倍数应根据贡献、资本强度、客户所有权、增长、集中度和开放模式敞口进行调整。不考虑客户服务和研究成本的报告增长可能夸大了可比性。

更换成本可以体现可复制代码、数据、评估和操作系统的价值。历史研究支出包括失败和过时的工作。相关问题是当今重建受控能力所需的成本和时间，包括人员、权利、基础设施和客户接受度。

部分总和方法可以将保留的专有群组、模型中立的应用程序、托管或工具收入、数据资产和开发选项分开。分担成本应分配一次。期权价值应取决于未来的决策、所需的投资和证据门。 IFRS 13 和 IVS 提供了有用的估值原则，而交易结论仍然针对特定目的、日期和事实 [1-3]。

17 说明性开放模型情景经济学

考虑一家完全假设的美国 AI 公司，为企业、开发人员和应用程序客户提供服务。本节中的每个图都是用于演示该方法的管理假设。这些数字并不描述当前的公司或投资机会。

专有弹性案例假设年收入为 USD 320 million，贡献为 USD 170 million，培训和研究支出为 USD 130 million，融资前现金为 USD 15 million。混合差异案例假设收入为 USD 270 million，贡献为 USD 125 million，研究支出为 USD 145 million，融资前现金为负 USD 45 million。

开放价格趋同案例假设收入为 USD 215 million，贡献为 USD 68 million，研究支出为 USD 135 million，融资前现金为负 USD 92 million。开放第一置换案例假设收入为USD 160 million，贡献为USD 42 million，研究支出为USD 85 million，融资前现金为负USD 70 million。

这些案例表明，开放采用可以降低收入和直接成本，同时留下实质性的资金要求。核心问题是公司是否保留客户的贡献并可以在流动性受到限制之前调整研究资本。

18 单独说明的证据的价值

说明性评估将四个证据状态分开。保留的群组包含经过验证的生产客户和当前合同下的贡献。差异化平台增加了产品集成、工作流程证据和可移植性。规模化的混合平台结合了专有模型和开放模型，同时保留了客户所有权和贡献。品类网络增加了持久的分销、专有数据和可融资的战略选择。

为了进行演示，保留的队列被分配企业价值 USD 450 million 的概率为 20%。该差异化平台被指定为 USD 1,100 million，占 35%。缩放混合平台被分配为 USD 2,100 million，占 30%。该类别网络被指定为 USD 3,500 million，占 15%。概率加权总计为 USD 1,630 million。

此计算并非估值结论。它迫使投资委员会确定支持每个州的证据。应针对评估日期制定公司特定的概率、价值和转换，并应与财务模型保持一致。

19 围绕采用证据构建资本和考虑

资本结构应反映证据和现金周期。股权可以为不确定的研究和产品转型提供资金。当验收和付款明确时，客户承诺可以支持生产能力。基础设施融资可能适合受控设备或合同容量。债务需要可靠的偿还现金和下行弹性。

当开放模式采用不确定时，交易对价可以保护双方。基本价值可以遵循保留客户的贡献。延期考虑可以在续订、接受迁移或收取现金之后进行。研究资本可以根据定义的模型、产品和客户证据来释放。在技​​术和商业连续性很重要的情况下，卖方轮转可以保持一致性。

文件应定义指标、来源、会计政策、模型和产品版本、测量周期、访问权限、争议流程以及对管理控制之外的变化的响应。广泛的收入目标可能会奖励折扣或不经济的数量。捐款和现金措施通常需要更严格的成本和结算控制。

公司应保持足够的流动性，以在下行情况下运行所选产品和研究计划。融资决策不应假设未来投资者将为未解决的模式转型提供资金。

20 投资后治理估值

开放式竞争需要在结束后持续提供证据。董事会应审查工作量迁移、价格、保留量、接受任务成本、贡献、客户集中度、研究支出、容量承诺和流动性。尽职调查中使用的相同定义应继续用于报告中。

管理层应维护模型登记册、工作负载分类帐和批准的路由策略。材料模型发布应在生产使用之前触发受控评估。客户迁移应记录质量、成本、安全性、接受度和商业效果。当采用、定价或资本需求超出批准范围时，应更新估值案例。

资本释放应遵循证据。董事会可以围绕可接受的工作负载、客户承诺和可用流动性来安排产品、托管和研究支出。技术进步和保留贡献之间持续存在的差距应该导致范围、定价或资本决策。

治理还应涵盖许可证、数据权、出口管制、安全和模型来源。相关模式、交易和司法管辖区需要当前的法律建议。 NTIA、NIST、FTC、DOJ 和 BIS 材料提供尽职调查问题；它们不会取代特定于公司的法律分析[7,22-24,37-40,47-50]。

21 美国投资者的决策测试

投资委员会应该将情景分析转化为一套简短的决策测试。第一个测试涉及客户控制。公司应表明哪一方持有合同、接收产品遥测、设定价格、支持部署并收取现金。模型提供商可能拥有强大的技术性能和较弱的客户所有权。应用公司可以在改变底层模型的同时留住客户。估值应遵循产生贡献的合同和经营关系。

第二个检验涉及替代证据。管理层应提供具有代表性的工作负载样本、当前系统、建议的开放替代方案、锁定的评估协议、完整部署成本和迁移时间表。委员会应该查看可接受的质量、故障率、延迟、安全结果、工程工作和客户认可。没有工作量证据的基准差异不能支持实质性价值调整。

第三个考验涉及经济占领。财务模型应解释模型或基础设施成本的每次减少都由谁获得。客户可以协商更低的价格。托管提供商可能会保留部分节省的费用。公司可能会提高贡献或资助额外的产品功能。证据应协调供应商发票、客户定价、产品使用情况和群组贡献。当竞争可以将节省的成本转移给客户时，较低的计算成本会扩大利润的一般假设是不够的。

第四个考验涉及资本灵活性。公司应该表明哪些研究、基础设施和产品承诺是固定的，哪些可以进行，哪些可以停止。它应该维持一项资助的下行计划，以减缓采用速度、加快价格收敛和延迟客户迁移。在整个决策期内，流动性应保持充足，而不依赖于未指定的未来融资。

第五个测试涉及便携性。管理层应展示至少一种跨模型或托管路由的受控迁移，并记录所产生的质量、成本、安全性和客户效果。可移植性可以保护谈判筹码并减少对单一模型提供商的依赖。它还可能需要在评估、路由和支持方面持续投资。价值属于经过验证的操作能力而不是架构声明。

最后的考验涉及治理。许可证、模型来源、数据权、出口管制、安全要求、事件和客户义务应与模型注册和工作负载分类账保持联系。授权所有者应批准材料模型变更。董事会应收到例外情况、财务后果和补救措施。这些测试创建了从技术竞争到价格、贡献、流动性和企业价值的证据路径。

结论

开放模式竞争通过工作负载替代、价格传递、部署选择和市场扩张改变了美国 AI 的估值。投资者应该直接对这些机制进行建模。单一的开放模型市场份额预测不能代表客户验证、自托管成本、合同时间、产品集成或应用程序和分发保留的价值。

实用方法从模型和许可证分类开始，然后映射客户工作负载，测试技术替代，计算全面部署的经济性，衡量迁移和保留，并在相关场景下为产品和研究计划提供资金。现有的客户现金流、所需的再投资和战略选择应保持独立。

当公司控制客户工作流程、可以跨模型路由、在价格变化后保留贡献、持有可转让权利并管理模型使用时，价值就更具有防御性。交易考虑和未来资本应遵循证据，例如接受的部署、保留的群体、衡量的贡献、受控的迁移和收集的现金。

开放模型竞赛证据登记册

证据登记册应包括法人实体、资产所有权、模型版本、培训运行、数据权利、评估记录、客户合同、使用情况、发票、现金、定价、容量承诺、云积分、直接成本、分配条款、事件、治理控制、融资和预测年份。每项投资委员会的主张都应链接到注明日期的来源和负责任的所有者。

附录 B. 工作负载采用和定价文件

定价文件应从工作负载遥测中重现客户发票。它应该识别输入、缓存输入、输出、工具、存储、批次、预留容量、区域交付、折扣、信用和服务调整。它应该保留每个时期使用的提供商价格表和合同版本。

附录 C. 开放模型替代档案

档案应包含培训范围、数据、计算、评估、安全、启动标准、容量、客户迁移、前任退役、成本、时间表和实现的商业成果。预测和实际证据应该分开。

附录 D. 采用场景控制表

每个案例都应说明有效价格、数量、客户保留、模型组合、计算成本、利用率、分配份额、研究计划、营运资金、融资和概率。管理层应记录相关性和操作响应。

附录E. 交易证据室

证据室应包括公司记录、知识产权分配、模型和数据文档、客户和合作伙伴合同、云协议、财务对账、安全证据、监管分析、保险、人员安排、融资和签署的估值模型。

拟议的尽职调查结构；证据要求取决于公司和交易。

分析状态；这些不是预测。

提议的客户级经济分析的最低证据字段。

管理层假设 USD 百万；数字并非市场观察预测或估值结论。

管理层假设 USD 百万；不包括中央研究销售管理融资和税收。

管理层假设 USD 百万；这不是一个估值结论。

拟议的框架；实际工具需要现行法律税务会计和财务建议。

来源

1. 国际财务报告准则基金会。 IFRS 13 公允价值计量。 阅读主要来源
2. 国际财务报告准则基金会。有关根据 IFRS 13 计量非上市权益工具的教育材料。 阅读主要来源
3. 国际评估标准理事会。国际估值标准。 阅读主要来源
4. 国际财务报告准则基金会。 IFRS 15 客户合同收入。 阅读主要来源
5. 国际财务报告准则基金会。 IAS 38 无形资产。 阅读主要来源
6. 国际财务报告准则基金会。 IAS 36 资产减值。 阅读主要来源
7. 美国联邦贸易委员会。云服务提供商和 AI 开发人员之间的合作伙伴关系。 2025 年 1 月。 阅读主要来源
8. 英国竞争和市场管理局。 AI 基础模型更新论文。 2024 年 4 月。 阅读主要来源
9. 英国竞争和市场管理局。 AI 基础模型技术更新报告。 2024 年 4 月。 阅读主要来源
10. 斯坦福以人为中心的人工智能研究所。 AI 指数报告 2026 年技术表现。 阅读主要来源
11. 斯坦福以人为中心的人工智能研究所。 2026 年 AI 指数报告。 阅读主要来源
12. 开放人工智能。 API 型号和定价文档。 阅读主要来源
13. 开放人工智能。批次API参考。 阅读主要来源
14. 开放人工智能。 API 客户的扩展层。 阅读主要来源
15. 人为的。克劳德平台定价文档。 阅读主要来源
16. 人为的。模型弃用和生命周期文档。 阅读主要来源
17. 谷歌。 Gemini 开发者 API 定价。 阅读主要来源
18. 亚马逊网络服务。亚马逊基岩定价。 阅读主要来源
19. 亚马逊网络服务。提示缓存以加快模型推理速度。 阅读主要来源
20. MLCommons。 MLPerf 推理基准。 阅读主要来源
21. MLCommons。 MLPerf 推理数据中心基准。 阅读主要来源
22. 国家标准与技术研究所。人工智能风险管理框架。 阅读主要来源
23. 国家标准与技术研究所。生成人工智能简介 NIST AI 600-1。 阅读主要来源
24. 国家标准与技术研究所。生成 AI 和双重用途基础模型的安全软件开发实践。 阅读主要来源
25. 欧盟委员会。人工智能的监管框架。 阅读主要来源
26. 微软公司。 2026 财年 10-K 表格年度报告。 阅读主要来源
27. Alphabet Inc. 2025 年 10-K 表格年度报告。 阅读主要来源
28. Meta Platforms Inc. 2025 年 10-K 表格年度报告。 阅读主要来源
29. 甲骨文公司。 2026 财年 10-K 表格年度报告。 阅读主要来源
30. 财务会计准则委员会。会计准则编纂主题 606。 阅读主要来源
31. 霍夫曼 J 等。训练计算最优的大型语言模型。 2022 年。 阅读主要来源
32. 卡普兰 J 等。神经语言模型的缩放定律。 2020. 阅读主要来源
33. FinOps 基金会。金融运营框架 2025。 阅读主要来源
34. FinOps 开放成本和使用规范。计算单位经济效益。 阅读主要来源
35. 世界知识产权组织。人工智能和知识产权。 阅读主要来源
36. 美国证券交易委员会。 AI圆桌会议发言。 2025 年 3 月 27 日。 阅读主要来源
37. 美国国家电信和信息管理局。具有广泛可用的模型重量报告的两用基础模型。 2024 年 7 月。 阅读主要来源
38. 美国国家电信和信息管理局。模型开放性和背景的范围。 阅读主要来源
39. 美国国家电信和信息管理局。广泛使用的模型权重的风险和好处。 阅读主要来源
40. 美国国家电信和信息管理局。开放基金会模型的政策建议。 阅读主要来源
41. 元。骆驼 4 群。 2025 年 4 月。 阅读主要来源
42. 元。 Llama 开发人员文档和资源。 阅读主要来源
43. 元。 Llama 负责任使用指南。 阅读主要来源
44. DeepSeek AI。 DeepSeek V3 技术报告和存储库。 阅读主要来源
45. DeepSeek AI。 DeepSeek V3 权重文件文档。 阅读主要来源
46. 米斯特拉尔AI。模型和开发人员文档。 阅读主要来源
47. 美国司法部和联邦贸易委员会。关于生成 AI 基础模型和 AI 产品竞争的联合声明。 2024 年 7 月。 阅读主要来源
48. 美国司法部反垄断部门。 AI研讨会总结报告。 2025 年。 阅读主要来源
49. 美国工业与安全局。用于训练 AI 模型的高级计算项目的政策声明。 2025 年 5 月。 阅读主要来源
50. 美国工业与安全局。出口管理条例第 748 部分。 阅读主要来源