AI Infrastructure Brief

AI 的权力中心，已经开始从模型层滑向路由层

Anthropic 在谈 2028 年谁能主导全球 AI，Vercel、AWS、Azure 和 OpenRouter 却在用另一种方式回答同一个问题：真实生产世界里，决定权正在往路由、fallback、多模型编排和分发基础设施移动。

Anthropic 这周发了一篇很重要的文章，题目叫《2028: Two scenarios for global AI leadership》。它讨论的不是产品，不是创业公司，也不是某个模型版本，而是一个更大的问题：到 2028 年，谁来定义全球 AI 领导力。

几乎同一时间，Vercel 发了另一篇文章：《AI Gateway production index》。它没有谈国家战略，也没有谈价值观对抗，只做了一件事：把 20 万多个团队、7 个月、真实生产流量里的模型使用情况摊开来看。

把这两篇文章放在一起，能看见一个很有意思的错位。

Anthropic 讨论的是“谁先做出最强模型，谁就更可能主导未来”。Vercel 展示的却是另一件事：真实生产世界里，越来越没有哪个公司能单独主导所有工作负载，真正变得关键的，是谁控制了路由、fallback、多模型编排和分发基础设施。

这不是一个文字游戏。这可能是在 2026 年看 AI 竞争最该更新的地方。

一

先看 Anthropic 的框架。

这篇文章的核心逻辑很直白。它认为未来几年决定 AI 领导力的关键变量主要有三类。

第一类是算力。Anthropic 明确把先进芯片和训练能力放在最前面，认为这是决定前沿模型能否继续拉开差距的基础。这个判断不是空口说的。就在 2026 年 4 月，Anthropic 还宣布与 Google 和 Broadcom 签下新协议，继续扩充下一代 TPU 算力，并强调大部分新增算力会落在美国本土。

第二类是前沿模型本身。Anthropic 的世界观里，谁先把模型智能推到下一层，谁就能在能力、产品和国家竞争中取得先手。

第三类是反蒸馏和反扩散。Anthropic 在 2 月公开说，DeepSeek、Moonshot、MiniMax 等中国实验室曾通过大规模虚假账户提取 Claude 的能力，用于自己的模型训练。到了 4 月，美国白宫科技政策办公室又发了正式备忘录，把“对美国 AI 模型的对抗性蒸馏”上升成联邦政策问题。

所以，如果只看 Anthropic 这套叙事，你会自然得出一个结论：AI 领导力的核心战场，是谁能守住前沿模型，守住算力，守住能力不被复制。

这个判断不假。问题是，它不够。

二

因为真实生产世界并不是按“谁模型最强”来运转的。

Vercel 这篇生产指数最有价值的地方，不在于它给出了某家实验室暂时领先的结论，而在于它把“同一家公司会同时使用很多模型”这件事量化了。

按 Vercel 的数据，到 2026 年 4 月，Anthropic 在花费份额上领先，占到 61%；Google 在 token 体量上领先，占到 38%；OpenAI 在花费侧和更新后的份额增长也很快。也就是说，花费排名和体量排名本来就不是一回事。不同实验室赢的是不同层。

这已经足够说明一个现实：模型能力、模型价格、模型体量、模型位置，并不会自动收敛成一个单一冠军。

更重要的是，Vercel 看到的高流量团队，平均并不是在用 2 个模型、3 个模型，而是在用 30 个以上的模型。到了 10M+ 请求量这一档，平均 regular use 的模型数已经到 35 个。Vercel 自己对这个现象的解释也很明确：一个生产级模型集群，本质上是一个路由图。便宜模型做意图识别，前沿模型做关键推理，embedding 模型做检索，快速模型做摘要，视觉模型做截图处理。哪一层出问题，都可以替换。

这意味着在高强度生产环境里，模型越来越像可替换零件，而不是唯一核心。

Vercel 甚至把话说得更直白：如果某家供应商涨价、质量下降，或者发生故障，流量可以在几个小时内重新分配；在这种规模上，从一个实验室切到另一个实验室，更接近一次配置变更，而不是一次供应商迁移。

这句话其实很重。它直接动摇了“领先实验室天然拥有稳定市场支配力”这个想象。

当然，这里也要说清边界。Vercel 的样本来自 AI Gateway，不等于整个行业的全部流量。但当 Vercel、AWS、Azure、OpenRouter 都在把路由和 fallback 做成标准能力时，至少可以说明一件事：多模型编排不是个别团队的技巧，而是在成为主流基础设施方向。

三

如果你觉得这还只是 Vercel 作为网关公司的单边说法，那就继续往下看。

因为“路由层变成产品”这件事，已经不是一家公司的工程偏好，而是主流基础设施平台的共同动作。

Vercel 的 AI Gateway 文档里，直接把 unified API、预算管理、fallback、跨模型切换写成标准能力。OpenRouter 也在官方文档里把 fallback 设计成默认机制：一个模型报错、超时、限流，系统就自动切到后备模型。

AWS 走得更远。Amazon Bedrock 现在已经公开提供 Intelligent Prompt Routing。它不是简单做个故障转移，而是宣称可以在同一模型家族里，根据每次请求动态预测哪一个模型能在“质量和成本”之间给出更优解，再决定把请求发给谁。Azure 也把 Model Router 放进了 Azure AI Foundry 的公开产品体系。

路由层不再是少数高级团队才会自己手写的内部调度逻辑，而正在成为云平台、网关平台和模型平台共同争夺的标准控制面。

一旦这层被产品化，它的重要性就会持续上升。因为它天然处在所有模型之上，离用户请求更近，也离预算、延迟、稳定性和分发权更近。

四

为什么这件事在 2026 年格外重要？因为 Agent 把路由层的重要性放大了。

Vercel 的数据里，还有一组很关键的数字：到 2026 年 4 月，带 tool call 的请求只占总请求的 22.2%，但占了 58.9% 的 token 体量。也就是说，真正昂贵、真正复杂、真正容易出问题的，不再是一次问答，而是多步、长链条、带工具调用的 Agent 工作流。

一旦进入 Agent 模式，你不再只需要一个最聪明的模型。你需要决定哪一步该用贵模型，哪一步该用便宜模型，哪一步可以走缓存，哪一步必须实时推理，哪一步如果限流或超时，应该切到哪个后备模型。

这就是为什么 Anthropic、OpenAI、Google 都在不断谈 agent、长上下文、缓存、批处理和生产工作流。因为在 Agent 时代，模型再强，也只是工作流里的一个节点。真正决定单位成本、稳定性和吞吐能力的，是节点之间怎么被编排。

Vercel 的 fallback 数据也很说明问题。大约 3.5% 的请求是靠 fallback 才完成的；如果按 token 算，救回来的比例是 5.1%；按金额算是 4.9%。这说明最容易出问题的，恰恰是那些更长、更重、更贵的调用。

五

把这个生产现实再放回中美竞争，你会看到一个和 Anthropic 不太一样的图景。

Anthropic 那篇文章默认的竞争逻辑，更接近单线赛跑：谁的模型更前沿，谁的算力更强，谁就更有机会在 2028 年形成主导。

但如果生产层本身就是分布式的，多模型本身就是常态，竞争就不会只发生在一条线上。

它更像五层同时在打：

• 芯片和电力层：谁能拿到更大的训练和推理能力
• 前沿模型层：谁能在高价值推理上持续领先
• 云与分发层：谁能把模型铺到更多企业和开发者入口
• 路由与编排层：谁能决定请求怎么在不同模型之间流动
• 应用与工作流层：谁能真正接住用户场景和预算约束

在这个结构里，美国实验室当然仍然占据前沿模型和算力高地。Anthropic、OpenAI、Google 的优势是真实存在的。但这不等于它们自动主导全部市场。

因为在生产世界里，总会有大量请求不需要“最强模型”，只需要“足够好、足够稳、足够便宜”。Vercel 的数据已经能看到 MiniMax、Moonshot 这些中国实验室在 token 体量上的存在感，哪怕它们在花费份额上远不如 Anthropic、Google、OpenAI。这个信号本身已经很关键了。它说明中国模型的现实位置，未必是“在前沿智能上正面赢美国”，而更可能是“在价格敏感层、体量层、可替换层占住位置”。

蒸馏攻击值得美国警惕，但它又不足以解释全部竞争。蒸馏偷的是模型能力，偷不走真实生产环境中的全部路由逻辑、缓存策略、fallback 体系、预算控制、网关分发和客户集成关系。一个追赶者可以靠蒸馏更快做出“够用模型”，但要真正控制大规模生产流量，仍然要进入更高一层的基础设施竞争。

六

所以，这两篇文章合在一起，真正逼我们修正的，不是哪家模型暂时领先，而是“AI 领导力”这个词本身。

如果把它定义成“谁训练出最强模型”，那 Anthropic 的文章是成立的，而且它抓住了前沿竞争最硬的一面：算力、出口管制、蒸馏、防扩散。

但如果我们问的是“谁会更接近控制真实世界的 AI 生产流量、预算和分发权”，那答案就不能只看模型层了。

更接近现实的定义可能是：AI 领导力，不只是前沿模型领先，而是同时拥有前沿能力、算力供给、云端分发、路由控制和应用渗透的复合能力。

谁能在这五层里占住更多关键节点，谁才更接近真正的领导力。

模型战争还会继续。但 AI 的权力中心，已经不只在模型层了。它正在往路由层滑。