硅谷风投 Menlo Ventures 在 11 月 3 日发布《2026 年企业 AI 现状报告》，调研近 400 位美国企业 AI 负责人后得出结论，在企业用于开源大模型的付费支出里面，中国 AI 模型合计占比 89%；细分份额上，月之暗面 Kimi 占 61% 排第一，DeepSeek 占 15% 第二，智谱 GLM 占 11% 第三，通义千问 Qwen 占 3%，西方开源模型里份额最高的 Meta Llama 仅 7%；这里要重点分清统计口径，89% 只是开源赛道内部的支出占比，不是全部企业 AI 总开支，开源整体只占到全部企业 AI 支出的 4%，闭源前沿模型依然是企业花钱大头，报告同时提到开源 token 均价降到每百万 0.13 美元，性价比、长上下文、Agent 复杂推理能力，是海外企业愿意付费采购国内这几款模型的核心原因，不再单纯把中国模型当成廉价替代品。
一、中国 AI 模型在开源企业支出占比走高的主要原因
- 长文本、Agent 工具调用能力更强，适配企业生产任务
- 推理定价更低，单位 token 成本优势明显
- Meta Llama 迭代节奏放缓，竞品供给空档显现
- 私有化、API 托管两条路线都成熟，适配不同企业管控需求
- 海外聚合平台持续导流，降低企业接入门槛
Kimi 主打超长上下文，DeepSeek 在代码、数学推理、智能体任务表现突出，GLM 适合行业微调，刚好匹配海外企业搭建知识库、自动化工作流的需求。
开源模型整体价格远低于 Claude、GPT 这类闭源旗舰，企业大批量调用的时候，可以显著压缩 AI 预算。
Lama 4 发布之后没有重磅新版本，在复杂推理、长文本上竞争力下滑，企业采购慢慢转向能力持续迭代的国内模型。
既支持 API 直接调用，也支持本地私有化部署，海外创业公司、中型企业可以根据数据合规要求自由选择。
OpenRouter 这类模型聚合平台上架国内多款模型，企业不用单独对接每家厂商，测试、比价、上线流程更简单。
二、报告内主流开源模型支出份额对比表
| 模型名称 | 所属厂商 | 支出份额 | 核心优势方向 |
|---|---|---|---|
| Kimi | 月之暗面 Moonshot | 61% | 超长上下文、文档解析、复杂 Agent 任务 |
| DeepSeek | 深度求索 | 15% | 代码生成、数学推理、智能体闭环 |
| GLM | 智谱 AI | 11% | 行业微调、多模态、轻量化部署 |
| Qwen 通义千问 | 阿里 | 3% | 多尺寸小模型，适合端侧、轻量业务 |
| Llama | Meta | 7% | 海外老牌开源，社区生态成熟 |
| 其他开源模型 | 其余厂商 | 3% | 小众垂直模型 |
三、企业选型接入这类中国开源 AI 模型的落地步骤清单
- 步骤 1：明确业务场景，区分是文档解析、代码开发、知识库问答还是通用对话，匹配 Kimi、DeepSeek、GLM 各自强项
- 步骤 2：评估数据合规风险，确认业务数据是否允许出境，选择 API 调用或者私有化部署方案
- 步骤 3：在 OpenRouter 或者厂商官方 API 完成小批量压测，统计 token 消耗、响应速度、幻觉率
- 步骤 4：对比报价，设置用量上限、告警，避免 token 调用超支
- 步骤 5：开发侧对接 SDK，写好提示词、工具调用逻辑，搭建测试环境验证稳定性
- 步骤 6：灰度上线小流量，持续监控报错、拒绝输出、上下文丢失问题
- 步骤 7：稳定后逐步放大流量，同步关注版本更新，按需升级模型版本
四、整体结论
这份数据代表在付费开源模型这个细分赛道，国内头部大模型已经拿到绝对主导地位，但不能等同于全球 AI 市场整体领先；闭源的 Anthropic、OpenAI 依然吃掉企业 AI 大部分预算。Kimi 一家就占据六成以上开源支出，说明长文档、长上下文的企业需求非常旺盛，DeepSeek、GLM 补齐代码、行业微调赛道，共同形成梯队；同时也要注意，这份调研样本偏向美国企业，不代表全球所有地区企业的采购偏好。
【相关 FAQ】
问题 1：Menlo Ventures 报告里面中国 AI 模型占 89%，是不是代表占全部企业 AI 支出的 89%？
回答 1：不是，Menlo Ventures 报告的 89% 统计范围仅限开源模型板块的企业支出，开源本身只占全部企业 AI 支出 4%，闭源前沿模型依旧是企业主要花钱方向。
问题 2：Menlo Ventures 报告排名前三的 Kimi、DeepSeek、GLM，各自擅长什么场景？
回答 2：Kimi 主打超长文档读取、长上下文 Agent 任务；DeepSeek 优势在代码、数学推理；GLM 更适合行业微调、轻量化私有化部署，三者一起撑起中国 AI 模型 89% 的开源企业支出份额。
问题 3：Menlo Ventures 报告中西方开源模型里 Meta Llama 份额只有 7%，是什么原因？
回答 3：根据 Menlo Ventures 报告，Meta Llama 迭代放缓，在长上下文、复杂推理能力上跟不上 Kimi、DeepSeek、GLM，企业付费意愿下降，所以它在开源模型企业支出里仅剩下 7%。
问题 4：海外企业采购 Kimi、DeepSeek、GLM 这类中国 AI 模型，主要走什么方式接入？
回答 4：海外企业可以通过 OpenRouter 这类模型聚合平台，或者厂商官方托管 API 接入，有数据合规需求的企业，也可以下载权重做私有化本地部署，也是 Menlo Ventures 报告里中国 AI 模型拿下 89% 份额的重要支撑。
【参考资料】
[2026-11-08]（Menlo Ventures 报告：中国 AI 模型占全球开源模型企业支出 89%，Kimi、DeepSeek、GLM 位列前三）新浪财经
[2026-11-06]（Kimi 拿走 61%，美国企业开源账单近九成给了中国模型）36 氪
[2026-11-03]（2026: The State of Enterprise AI）Menlo Ventures 官网
[2026-11-06]（美创投机构报告：企业 AI 支出预计达 1770 亿美元，开源模型支出近九成流向中国模型）界面新闻
[2026-11-07]（89% 份额背后：中国开源大模型如何改写全球企业 AI 支出版图）通信世界
【免责声明】
本文内容基于 Menlo Ventures《2026 年企业 AI 现状报告》的调研数据解读，样本以美国企业 AI 负责人为主，数据只反映开源模型付费支出口径，不等同于模型下载量、免费使用量、全部 AI 市场规模；模型跨境 API 调用、数据传输需要遵守各国当地数据合规、进出口相关法规；模型能力、价格、服务政策由各 AI 厂商独立调整，本文不构成企业选型、采购建议。