人人配开源技术蓬勃发展，助推Together AI与Hugging Face高速增长

Together AI 首席执行官维普尔・韦德・普拉卡什

　　作者：朱莉娅・霍恩斯坦、劳拉・布拉顿、凯文・麦克劳克林

　　我们今早曾深度报道：尽管 Anthropic 与 OpenAI 发展势头迅猛，但各类开源人工智能模型以及其他高性价比替代方案服务商同样迎来爆发式增长，大量企业选择采用开源技术来控制自身算力与研发成本。而行业的发展远不止于此。

　　Together AI 是一家新型云服务商，主营英伟达云服务器租赁以及开源模型调用权限业务。公司首席执行官维普尔・韦德・普拉卡什透露，受开源模型使用量暴涨带动，过去几个月里公司至少三次上调全年营收预期。截至今年 3 月，Together AI 的年化营收规模已接近 10 亿美元。

　　他表示，本月平台云服务处理的令牌总量飙升至 400 万亿，而去年同期仅为 300 亿，绝大部分增量都来自过去半年。如果以 DeepSeek v4 Pro 模型的调用单价（每百万令牌约 0.18 美元）来测算，这一增量对应的月度调用支出差额约 7000 万美元。（人工智能智能体生成一份简单文档，通常需要消耗 1000 至 15000 枚令牌。）

　　普拉卡什认为，未来开源模型终将占据全球人工智能绝大多数的使用场景。

　　开源 AI 模型代码托管平台 Hugging Face 联合创始人兼首席执行官克莱姆・德朗格透露，今年 1 月至 6 月期间，平台付费订阅用户数量实现翻倍，但并未披露具体用户数据。

　　其联合创始人托马斯・沃尔夫表示，越来越多企业开始清醒地意识到两大痛点：AI 高昂的使用成本，以及绑定单一厂商后产生的技术锁定风险。

　　OpenAI 与 Anthropic 则回应称，新一代大模型定价具备充分合理性，这些模型能为企业客户实现更丰富复杂的业务能力。需要客观说明的是，开源模型并非同质化产品，想要厘清各类模型的优劣差异，仍需要一定的落地验证周期。

　　高性价比 AI 模型的爆发，也带动了模型路由服务商的崛起：这类工具可以让企业根据不同业务场景灵活切换 AI 模型，从而压缩算力开支。思科、奥多比等大型企业均通过这类路由工具控制 AI 使用成本。

　　模型路由初创企业 Not Diamond 首席执行官托马斯・埃尔南多・科夫曼表示：“过去半年，我们的市场需求迎来爆发式增长。” 该路由工具可以让开展 AI 代码开发的企业选用 Anthropic 老旧的低价模型，对比该厂商顶配模型，可帮助企业节约 20% 至 40% 的 AI 调用成本。

　　同类路由及 AI 调度工具服务商还包括 Martian AI、Factory、Portkey、OpenRouter、CodeStrap 以及 Vercel，这类软件能够助力 AI 智能体对接各类应用系统，高效完成复杂的白领类工作。

　　亚马逊 AWS 布局前线部署工程师，入局行业新风口

　　目前，能够驻场协助客户落地 AI 应用的专业技术顾问 —— 前线部署工程师（FDE）岗位需求迎来爆发，亚马逊也正式加码布局该赛道。

　　据 AWS 在职员工透露，近期亚马逊云科技开始培训内部解决方案架构师团队转型为前线部署工程师，派驻到客户企业现场驻场服务。我们此前曾介绍过该岗位：多数大型企业尚不具备独立落地 AI 项目的技术能力，前线部署工程师需要兼具软件开发、商业咨询、产品管理多重能力，手把手帮助客户搭建 AI 技术体系。

　　帕兰提尔最早开创了该岗位模式，如今从 OpenAI、Anthropic 到赛富时、雪花等科技企业，为拿下大型企业 AI 订单，都纷纷组建前线部署工程师团队。

　　AWS 生成式 AI 创新中心董事总经理泰穆尔・拉希德介绍，经过专项培训的前线部署工程师，将与算法工程师、应用科学家、AI 战略顾问组成联合团队为客户提供项目落地服务。AWS 更倾向于以团队形式而非单个工程师派驻的模式开展驻场交付。

　　这项业务是 AWS 现有驻场技术服务的延伸。早在 2025 年初，AWS 就联合 Anthropic 派遣工程师进驻考克斯汽车公司亚特兰大总部，帮助企业开发面向汽车经销商营销网页自动生成的 AI 智能体。AWS 官方表示，近期公司还派驻技术团队驻场服务珍・古道尔野生动物保护研究所、世界一级方程式锦标赛、福克斯电视台、纳斯达克、美国国家橄榄球联盟、标普全球等多家机构。

　　拉希德表示，驻场团队是 AWS 一项专项计划的核心执行力量：该项目致力于帮助客户在 45 天内完成从创意构思到 AI 项目落地全流程。团队此前主要为企业提供开源模型行业定制化改造服务，如今工作重心逐步转向自研 AI 大模型与行业智能体的开发落地。

　　同时，驻场团队还会协助客户搭建数据管理工具，方便 AI 智能体深度对接企业内部业务系统、保障业务执行精准度，包含刻画人员、企业、产品等数据关联关系的知识图谱，以及统一营收、客户等业务指标口径的语义层。

　　此外，团队还会针对 AI 模型的推理部署环节做深度调优，在提升模型运行性能的同时，帮助企业降低算力运营成本。