Ang open source na weighted model ay kumain ng 72% sa loob ng isang taon: Babala mula sa Morgan Stanley, ang software bonus ay napupunta lamang sa mga kumpanyang may kontrol sa komplikadong workflow

Napansin ng APP ng Pananalapi ng Zhihui na sa nakaraang taon, isang tahimik ngunit malalim na pagbabago ang nagaganap sa estruktura ng AI models. Sa research report na inilabas noong Oktubre 26 ng Morgan Stanley, binanggit ang isang nakakagulat na set ng data: Sa third-party na platform na OpenRouter, ang bahagi ng open-source weighted models sa pagproseso ng tokens ay tumaas mula humigit-kumulang 22% noong isang taon, hanggang sa kasalukuyang circa 72%; samantalang sa AI Gateway Platform ng Vercel, ang ratio na ito ay tumalon mula 7% noong Disyembre 2025 hanggang 63%.

Sa likod ng numerong ito ay isang malinaw na senyales: Pabilis nang pabilis ang paglipat ng mga developer patungo sa open-source models na mas mababa ang unit cost, upang hawakan ang dumaraming dami ng regular workflows. Ang pangunahing pagsusuri ng Morgan Stanley ay—ang alon na ito ay "constructive" para sa buong industriya ng software, ngunit ang mga benepisyo ay hindi pantay-pantay; Sa huli, ang halaga ay mapupunta sa mga kumpanyang may pinakamalalim na moat, at may kakayahang kontrolin ang mga komplikadong workflow.

Mabilis na pagbagsak ng gastos, ngunit hindi lang "pag-save ng pera" ang kuwento

Binibigyang-diin ng Morgan Stanley, na ang kahulugan ng open-source models ay hindi lang "nagmura ang modelo," kundi ang pinag-uusapan ay "ang sistematikong pagbaba ng gastos ng paggawa ng useful intelligence, at ang paggamit ng intelligence ay maaaring tumaas nang husto." Para sa mga kumpanya ng software, nagbubukas ito ng dalawang magkaibang pagkakataon.

Ang unang oportunidad ay ang pagpapalawak ng saklaw ng "economically viable na workflows," kaya mas lumalawak ang mga scenario at paggamit—ngunit bukas din ang pintong ito para sa mga kakumpitensya. Ang ikalawang pagkakataon ay mas kakaiba: Ang mas murang intelligence ay nagpapataas sa halaga ng enterprise context, trusted data, telemetry, secure execution, process at governance—mga "exclusive na asset" ng mga vendor. Lahat ng kasanayan na mahirap kopyahin ay nagbibigay ng mas matatag na basehan para sa itaas o panatiliin ang mataaas na presyo ng vendor.

Sa ibang salita, ang totoong panalo ay hindi para sa kompanyang basta-basta lang ibinibigay ang cost advantage sa customer, kundi sa kompanya na kayang sabay na sakyan ang "mas malaking monetizable opportunity" at "mas malakas na pricing power."

Tatlong pangunahing hindi pagkakasundo: Sovereignty, Single Customer Economics at Pagkuha ng Customer

Tungkol sa pagtanggap sa open-source models, hinimay ng ulat ang tatlong mahalagang debate.

Una, pipigilan kaya ng panganib sa data sovereignty ang mga kumpanya sa paggamit? Ang mga optimist ay naniniwala na ang mga Western open-source models tulad ng Nemotron 4 at Mistral Large 4 ay mabilis na lumalapit sa kakayahan ng mga nangungunang internasyonal na kalaban, at mag-uudyok sa ilang dating nag-aalinlangan na customers; ang mga pessimist naman ay natatakot na mananatiling maingat ang mga European at American na kumpanya dahil sa geopolitical, reputational at security concerns.

Ang susi ng pagkakaiba ni Morgan Stanley: Magkaibang bagay ang “saan dine-develop ang modelo” at “kung paano hinahost, ginogovern, at mino-monitor ang modelo”—Maaaring magbigay ang mega cloud providers ng regional hosting, encryption, fine-grained access control at tuluy-tuloy na monitoring para mapagaan ang alinlangan ng mga enterprise.

Pangalawa, mapapabuti ba ng open-source models ang "single customer economics" ng AI? May tatlong pangunahing benepisyo ang sinasabi ng mga optimist: Makakawala sa pagdepende sa mahal na proprietary API, maaaring mag-customize para sa partikular na workflow, at may kontrol sa deployment environment at optimization ng inference. Ang kontra-argumento ng mga pessimist ay matalim din: Ang mga benepisyong ito ay valid din para sa mga AI-native startup, cloud providers at clients na may sariling kakayanan, kaya posibleng magbunga ito ng babang presyo, mababang switching cost, at erosion ng business model mula sa "per seat pricing" patungo sa "per task/result-based pricing."

Pangatlo, magagamit ba ng open-source strategy upang makuha ang mga bagong customer at palakihin ang user pool? Naniniwala si Morgan Stanley na ang mas mababang inference cost ay nagpapagana sa "product-led growth" (PLG) model, ngunit dahil pare-pareho ang modelo na available, sa huli ay mapupunta pa rin ang kita sa mga kompanyang may proprietary data, malalim na kilala ang workflows ng customer at may regulatory barriers.

Hindi pantay ang init sa apat na tracks

Sa mas konkretong sektor, malinaw ang "Matthew Effect" ng konklusyon ni Morgan Stanley.

Sa larangan ng infrastructure software, generally pabor ang open-source model. Core data platforms (Microsoft, Databricks, MongoDB, Oracle, Palantir, Snowflake) ay makakaranas ng mas mataas na query volume at mas malawak na use cases dahil sa AI agents na nangangailangan ng real-time, permissioned enterprise context; Ang observability vendors (Datadog, Dynatrace, Elastic) ay makikinabang dahil sa malaking bilang ng bagong trace at governance demands na resulta ng mga agents.

Network security ay isa pang malaking struktural na panalo. Ang mabilisang pagdami ng mga modelo ay nangangahulugan ng pagdami ng AI agents na tumatakbo sa loob ng enterprise, kaya lumalaki ang attack surface—buong supply chain integrity ng model, prompt injection, machine identity sprawl, hindi awtorisadong autonomous execution, at data leakage across workflows, lahat ay nagiging bagong security gaps. Ang CrowdStrike, Palo Alto Networks at Okta ay itinuring na pinakamalalaking makikinabang.

Sa horizontal SaaS, ang oportunidad ay ang paglipat mula “per seat pricing” patungo sa result/use pricing; Sa Microsoft ecosystem, Atlassian, Salesforce, ServiceNow ang nangunguna sa large-cap, Box, Figma, Zoom, Wix naman para sa mid to small cap. Para sa vertical software, tatlong bentahe—“mababang automation market + result-aligned pricing + malalim na workflow control”—ang dahilan kung bakit Shopify, Toast, Manhattan Associates, Navan, ServiceTitan ang pinakamalaki ang benepisyo.

Malaking pagbabago

Paalala ng Morgan Stanley, ang pagkalat ng open-source weighted models ay, sa esensya, mabilis na ginagawa ang “intelligence” bilang commodity. Kapag nawala na ang depensa ng mga modelo, lilipat ang kompetisyon mula sa “sino ang may mas magaling na modelo” patungo sa “sino ang may mas malalim na moat, mas komplikadong proseso at mas mahirap kopyahin na data asset.”

Para sa mga investors, nangangahulugan ito ng repagpresyo: Ang mga kumpanyang may single-function lang, walang proprietary data, o umaasa sa simpleng workflow na "point solutions," ay mas magiging marginalized sa cost-cutting wave na ito. Atlassian, Cloudflare, CrowdStrike, Datadog, Microsoft, MongoDB, Nutanix, Palantir, Palo Alto Networks, SAP at ServiceNow ang tunay na nakikita ng Morgan Stanley bilang mga winner na kayang mag-survive at magtagumpay sa AI reshuffle na ito.