隨著AI推理與模型調用成本持續攀升，美國AI新創與企業端正在出現明顯的模型遷移趨勢。最新案例顯示，部分公司已開始將核心業務從 Anthropic 等美國模型供應商，轉向更低成本的開源或中國系模型，其中 DeepSeek 成為最受關注的替代選項之一。
Lindy 全面切換 DeepSeek：成本下降、性能不降反升
iMessage 原生AI助手公司 Lindy 創辦人 Flo Crivello 近日表示，公司已將用戶端所有流量從 Anthropic 模型切換至 DeepSeek v4。
他指出，這次遷移帶來兩個明顯結果：一方面，公司在模型推理成本上節省「數百萬美元」級別的支出；另一方面，在多個核心任務場景中，DeepSeek v4 的表現甚至優於原先模型。
不過，這次切換並非輕量工程。團隊為了支撐 DeepSeek v4 的部署，額外開發了大量底層基礎設施與內部工具，實際工作量遠超預期，據稱達到原估算的 100 倍。
在雲端基礎設施選擇上，Lindy 最終並未選擇主流大型雲服務商，而是採用相對冷門的 Atlas Cloud，以優化成本與部署彈性。值得注意的是，公司並未完全放棄 Anthropic 模型。在內部工作流程與員工生產力工具中，仍保留 Claude 系列模型作為主要選項，並在複雜任務中作為「備援路由」，當 DeepSeek v4 失效時自動接管。
Ramp 報告：DeepSeek 成企業 AI 支出熱門項目
企業支出管理平台 Ramp 最新分析顯示，在其追蹤的數萬家企業信用卡與SaaS支出數據中，DeepSeek 已意外成為最熱門的AI相關服務之一。
報告指出，部分美國企業並未選擇在本地部署開源模型，而是直接購買 DeepSeek 的官方托管 API，導致資料在使用過程中可能跨境傳輸至中國伺服器，引發一定程度的安全與合規討論。
這一現象與早期市場對中國大模型的高度警惕形成鮮明對比。儘管美國政策與企業內控曾普遍限制使用中國模型，但在成本壓力下，中小企業逐漸選擇「向價格低頭」。
AI 支出結構重組：混合調度成主流
除了 DeepSeek，市場上多家開源推理平台也同步受益，包括 Fireworks AI、fal AI 與 DeepInfra 等，均成為企業降低推理成本的選項。此外，企業端正在形成一種新的「分層調度策略」：日常任務使用低成本開源模型，複雜任務則保留 OpenAI 或 Anthropic 的高階模型，這種混合架構正在成為AI應用落地的主流方式之一。
