開源技術蓬勃發展，助推Together AI與Hugging Face高速增長

　　作者：朱莉婭・霍恩斯坦、勞拉・布拉頓、凱文・麥克勞克林

　　我們今早曾深度報道：儘管 Anthropic 與 OpenAI 發展勢頭迅猛，但各類開源人工智能模型以及其他高性價比替代方案服務商同樣迎來爆發式增長，大量企業選擇採用開源技術來控制自身算力與研發成本。而行業的發展遠不止於此。

　　Together AI 是一家新型雲服務商，主營英偉達雲服務器租賃以及開源模型調用權限業務。公司首席執行官維普爾・韋德・普拉卡什透露，受開源模型使用量暴漲帶動，過去幾個月里公司至少三次上調全年營收預期。截至今年 3 月，Together AI 的年化營收規模已接近 10 億美元。

　　他表示，本月平臺雲服務處理的令牌總量飆升至 400 萬億，而去年同期僅為 300 億，絕大部分增量都來自過去半年。如果以 DeepSeek v4 Pro 模型的調用單價（每百萬令牌約 0.18 美元）來測算，這一增量對應的月度調用支出差額約 7000 萬美元。（人工智能智能體生成一份簡單文檔，通常需要消耗 1000 至 15000 枚令牌。）

　　普拉卡什認為，未來開源模型終將佔據全球人工智能絕大多數的使用場景。

　　開源 AI 模型代碼託管平臺 Hugging Face 聯合創始人兼首席執行官克萊姆・德朗格透露，今年 1 月至 6 月期間，平臺付費訂閲用户數量實現翻倍，但並未披露具體用戶數據。

　　其聯合創始人托馬斯・沃爾夫表示，越來越多企業開始清醒地意識到兩大痛點：AI 高昂的使用成本，以及綁定單一廠商后產生的技術鎖定風險。

　　OpenAI 與 Anthropic 則迴應稱，新一代大模型定價具備充分合理性，這些模型能為企業客户實現更豐富複雜的業務能力。需要客觀説明的是，開源模型並非同質化產品，想要釐清各類模型的優劣差異，仍需要一定的落地驗證周期。

　　高性價比 AI 模型的爆發，也帶動了模型路由服務商的崛起：這類工具可以讓企業根據不同業務場景靈活切換 AI 模型，從而壓縮算力開支。思科、奧多比等大型企業均通過這類路由工具控制 AI 使用成本。

　　模型路由初創企業 Not Diamond 首席執行官托馬斯・埃爾南多・科夫曼表示：「過去半年，我們的市場需求迎來爆發式增長。」 該路由工具可以讓開展 AI 代碼開發的企業選用 Anthropic 老舊的低價模型，對比該廠商頂配模型，可幫助企業節約 20% 至 40% 的 AI 調用成本。

　　同類路由及 AI 調度工具服務商還包括 Martian AI、Factory、Portkey、OpenRouter、CodeStrap 以及 Vercel，這類軟件能夠助力 AI 智能體對接各類應用系統，高效完成複雜的白領類工作。

亞馬遜 AWS 佈局前線部署工程師，入局行業新風口

　　目前，能夠駐場協助客户落地 AI 應用的專業技術顧問 —— 前線部署工程師（FDE）崗位需求迎來爆發，亞馬遜也正式加碼佈局該賽道。

　　據 AWS 在職員工透露，近期亞馬遜雲科技開始培訓內部解決方案架構師團隊轉型為前線部署工程師，派駐到客户企業現場駐場服務。我們此前曾介紹過該崗位：多數大型企業尚不具備獨立落地 AI 項目的技術能力，前線部署工程師需要兼具軟件開發、商業諮詢、產品管理多重能力，手把手幫助客户搭建 AI 技術體系。

　　帕蘭提爾最早開創了該崗位模式，如今從 OpenAI、Anthropic 到賽富時、雪花等科技企業，為拿下大型企業 AI 訂單，都紛紛組建前線部署工程師團隊。

　　AWS 生成式 AI 創新中心董事總經理泰穆爾・拉希德介紹，經過專項培訓的前線部署工程師，將與算法工程師、應用科學家、AI 戰略顧問組成聯合團隊為客户提供項目落地服務。AWS 更傾向於以團隊形式而非單個工程師派駐的模式開展駐場交付。

　　這項業務是 AWS 現有駐場技術服務的延伸。早在 2025 年初，AWS 就聯合 Anthropic 派遣工程師進駐考克斯汽車公司亞特蘭大總部，幫助企業開發面向汽車經銷商營銷網頁自動生成的 AI 智能體。AWS 官方表示，近期公司還派駐技術團隊駐場服務珍・古道爾野生動物保護研究所、世界一級方程式錦標賽、福克斯電視臺、納斯達克、美國國家橄欖球聯盟、標普全球等多家機構。

　　拉希德表示，駐場團隊是 AWS 一項專項計劃的核心執行力量：該項目致力於幫助客户在 45 天內完成從創意構思到 AI 項目落地全流程。團隊此前主要為企業提供開源模型行業定製化改造服務，如今工作重心逐步轉向自研 AI 大模型與行業智能體的開發落地。

　　同時，駐場團隊還會協助客户搭建數據管理工具，方便 AI 智能體深度對接企業內部業務系統、保障業務執行精準度，包含刻畫人員、企業、產品等數據關聯關係的知識圖譜，以及統一營收、客户等業務指標口徑的語義層。

　　此外，團隊還會針對 AI 模型的推理部署環節做深度調優，在提升模型運行性能的同時，幫助企業降低算力運營成本。