2026年过半，AI行业的钱比以往任何时候都多。多到什么程度？第一季度全球AI创业公司融资2555亿美元，单季度就超过了2025年全年总和。但一个奇怪的现象也随之浮现：钱越多，市场越分散。所谓“行业整合”的预言，从ChatGPT上线喊到今天，始终没有兑现。
Nathan Lambert，这位长期跟踪开源模型的AI研究者，在7月16日的一则推文中直接点破了症结：“我反复告诉人们一件事，公司推出开源模型的时间会比大家预期更久，因为钱会持续涌入AI。整合不会迅速发生，至少在短期内不会。整合是那种从ChatGPT上线就被预测、但从未真正发生过的事情。”
这条推文回应的是风险投资人Sriram Krishnan的判断，他说开源模型正在经历“高光时刻”。但Lambert把镜头拉得更远：答案不在技术路线图里，而在资本市场的结构性逻辑中。
2555亿美元：一个无法被整合的数字
先看钱的流向。PitchBook最新AI风投报告显示，2026年Q1全球AI创业公司融资2555亿美元，碾压了2025年全年总和，创下单季度历史最高纪录。但穿透这个天文数字，内部结构远比“钱在向头部集中”复杂。
OpenAI的1220亿美元、Anthropic和xAI的几笔巨额融资，三家公司合计拿走了1720亿美元，占Q1总额的67%。余下的835亿美元分散在1543笔交易中。平均每笔约5400万美元，这仍然是一个高活跃度的市场。
进入下半年，节奏没有放缓。PitchBook数据显示，2026年上半年美国风投总额达到4127亿美元，同比暴涨近30%。AI公司吞噬了其中3559亿美元，占比86%。全球维度，上半年风投总额已达4984亿美元，超过2025年全年。AI不仅没有被整合进少数赢家手里，反而正在吞噬整个风投市场的大部分份额。
资本不是退潮了，而是越涨越猛。
开源模型为什么比闭源更能吸金
一个反直觉的事实是：开源模型的资金生态比闭源更丰富，而不是更贫瘠。
看2026年7月的最新数据。DeepSeek在6月完成首轮外部融资，74亿美元，估值超过500亿美元，成为中国估值最高的AI创业公司。仅一个月后，又传出以710亿美元估值再融15亿美元、并筹备最早2027年IPO的消息。一个月内估值跳升42%。
法国Mistral AI同样不遑多让。据彭博社6月报道，Mistral正在早期洽谈以约200亿欧元估值融资30亿欧元，几乎是2025年9月C轮117亿欧元估值的两倍。
美国本土，开源智能体Hermes的创造者Nous Research正在以15亿美元估值洽谈融资至少7500万美元，由Robot Ventures领投。Nous的收入基础远谈不上丰厚，但资本市场正在为“开源权重作为分发策略”和“去中心化算力”这两个结构性赌注定价。
最值得关注的是Mira Murati的新公司Thinking Machines Lab。7月15日，这家从OpenAI出走的明星团队发布了自己的首个开源权重模型Inkling。9750亿总参数、混合专家架构，推理时仅激活约410亿参数。但公司主动承认它不及中国顶级开源模型。Inkling的架构借鉴了DeepSeek-V3，后训练数据部分来自中国模型Kimi K2.5的合成数据。
这揭示了一个深层变化：开源模型的“地理重心”正在从美国向中国偏移。高盛近期推荐Z.ai的GLM-5.2，认为其已接近前沿性能；DeepSeek在Vercel企业级流量中占比达23%；新模型几乎每月涌现。中国开源模型在性能上已能与美国闭源模型比肩，而美国还在争论是否应该限制中国模型的使用。
Nathan Lambert此前在一次采访中点破过这种政策风险：“立即禁止中国的开源权重模型，将导致权力大规模集中在闭源实验室手中，恰逢美国开源生态刚刚开始探索和绽放。”他的担忧正在变成现实。美国企业可能被迫在更弱的基础上构建系统，而全球竞争对手正在使用最好的开源基础。
整合为什么永远是下个月的事
从ChatGPT在2022年末上线至今，“AI行业即将整合”的预言每隔几个月就卷土重来。主流叙事是：训练成本极高，只有少数巨头能负担，小公司会被收购或淘汰。这个剧本演了将近四年，始终没有兑现。
原因是多重的，而且每一个都在强化现状。
训练成本的下降曲线比所有人预想的更陡。DeepSeek反复证明，不需要数万张H100也能训练出接近前沿水准的模型。开源社区的低成本创新，从LoRA微调到蒸馏技术，让小团队也能留在牌桌上。高性能模型的准入门槛不是越来越高，而是越来越低。
资本供给没有上限。主权财富基金、企业风投、传统华尔街资金正以前所未有的速度涌入AI。PitchBook高级分析师Dimitri Zabelin的评论一针见血：“主权基金和企业风投挤进这些投资，是因为它们想在公司IPO前持有股权，这些公司将成为文明下一个技术迭代的数字基石。”当钱来自“国家战略”和“产业链卡位”而非纯财务回报时，估值逻辑就彻底不一样了。巨头可以容忍亏损更久，新玩家可以拿到远超收入的融资。
开源本身就是一种抗整合的力量。Meta持续开源Llama 4系列，Scout版本支持1000万token上下文、单GPU可运行。这不是因为Meta高尚，而是因为开源Llama是Meta的最优商业策略：AI生态越依赖Llama，OpenAI和Anthropic形成垄断的难度就越大。同样的逻辑适用于Mistral和DeepSeek，通过开源获取开发者信任、建立企业客户关系，再用企业版和云服务变现。
开源不是慈善，而是另一种商业竞争形态。这种形态天然拒绝整合。
整合这个词可能用错了地方
如果我们重新审视“整合”的含义，会发现AI行业确实在发生某种集中。但不是公司的整合，而是资本和基础设施层的集中。全球云厂商AWS、Azure、GCP正在成为最大的AI算力分销商。Anthropic的9650亿美元估值、OpenAI的8520亿美元估值，本质上是在为“成为下一代云平台”定价。
但模型层本身，正在变得前所未有的碎片化。当你既可以选择Llama 4、也可以选DeepSeek-V4、Mistral Large、GLM-5.2、Inkling，而且它们之间的性能差距正在缩小到“看具体任务而定”的程度时，“赢家通吃”就不成立了。
一个可供参照的历史先例是Linux。上世纪90年代末，当红帽、IBM等公司拥抱开源操作系统时，很多人认为Linux会被Windows吞噬。但事实恰恰相反：Linux在服务器和嵌入式领域占据了统治地位。操作系统没有整合，而是分化了。AI模型层正在走同样的路。
当时的逻辑和企业今天的选择如出一辙。不愿意被单一供应商锁定，开源提供了一个“够用且可控”的替代方案。Meta开源Llama让企业有了不依赖OpenAI的能力，Mistral让欧洲有了不依赖美国的选择，DeepSeek让全球开发者有了不依赖闭源API的自由。
当然，分化不等于没有赢家。最确定受益的仍然是“卖铲子”的公司，英伟达在每一轮军备竞赛中都是最终赢家。Anthropic的650亿美元融资（5月Series H）中有大量来自芯片制造商Micron、Samsung和SK hynix，这也在提醒我们，AI的竞争早已从软件竞赛演变为工业竞赛。但模型层本身，离所谓的“终极整合”还隔着好几百亿美元和好几代模型的距离。
正如Nathan Lambert所说：“2026年对开源来说是了不起的一年。”
钱还在涌入，整合未至。在一个每天都有新模型发布、新融资消息刷屏的行业里，“谁会是最后站着的人”这个问题，可能还需要三五年才有答案。而在此之前，每一家还在烧钱做开源模型的公司，都会比唱衰者预期的活得更久。
快报