美国换谁都会愤怒但是中国人会开心!美风投机构调研出一个惊人的结论,在对开源模型的调用花费中,美国企业把89%的钱都给了中国~~~

残月铁榔头 · 發布於 2026/11/15 下午11:30 · 更新於 2026/11/17 上午01:15 · 台北時間 · 本頁的資料來源與計算方式 ⓘ

觀看數
—次
喜歡
—次
YouTube 留言總數
—則
長度
—
字幕狀態未確認

觀看數觀測

尚無歷史觀測

本站尚未儲存這部影片的歷史觀測,無法據以建立歷史時間序列。

共同標籤

已比對共同詞彙 · 37 個標籤 · 比對時間 2026/11/15 下午11:37

比對依據(110 處)
  1. 美国影片說明…nical0415@163.com 1、美国硅谷知名风险投资机构门罗风投发布的一个报…
  2. 风险影片說明…415@163.com 1、美国硅谷知名风险投资机构门罗风投发布的一个报告显示美国企…
  3. 机构影片說明…163.com 1、美国硅谷知名风险投资机构门罗风投发布的一个报告显示美国企业用于开…
  4. 美国影片說明…名风险投资机构门罗风投发布的一个报告显示美国企业用于开源模型的支出中,89%付给了中…
  5. 企业影片說明…险投资机构门罗风投发布的一个报告显示美国企业用于开源模型的支出中,89%付给了中国模…
  6. 模型影片說明…罗风投发布的一个报告显示美国企业用于开源模型的支出中,89%付给了中国模型。前三名中…
  7. 支出影片說明…发布的一个报告显示美国企业用于开源模型的支出中,89%付给了中国模型。前三名中,Ki…
  8. 中国影片說明…国企业用于开源模型的支出中,89%付给了中国模型。前三名中,Kimi占61%,Dee…
  9. 模型影片說明…业用于开源模型的支出中,89%付给了中国模型。前三名中,Kimi占61%,DeepS…
  10. DeepSeek影片說明…了中国模型。前三名中,Kimi占61%,DeepSeek占15%,GLM占11%,排名第四的是m…
  11. 排名影片說明…eepSeek占15%,GLM占11%,排名第四的是meta占比7%而已 2、观点…
  12. meta影片說明…k占15%,GLM占11%,排名第四的是meta占比7%而已 2、观点 A、…
  13. 美国影片說明…2、观点 A、在开源这个赛道,美国完全不是对手了,只有脸书可以勉强喊出几句…
  14. 对手影片說明… A、在开源这个赛道,美国完全不是对手了,只有脸书可以勉强喊出几句话 …
  15. 原因影片說明…以勉强喊出几句话 B、产生的原因 a、便宜:开源模…
  16. 模型影片說明…因 a、便宜:开源模型平均每百万 token 约 0.13 美…
  17. token影片說明… a、便宜:开源模型平均每百万 token 约 0.13 美元;美国闭源模型平均 …
  18. 美元影片說明…型平均每百万 token 约 0.13 美元;美国闭源模型平均 0.7 美元 …
  19. 美国影片說明…每百万 token 约 0.13 美元;美国闭源模型平均 0.7 美元 …
  20. 模型影片說明…token 约 0.13 美元;美国闭源模型平均 0.7 美元 …
  21. 美元影片說明….13 美元;美国闭源模型平均 0.7 美元 b、开放了权重,…
  22. 企业影片說明… b、开放了权重,企业可以下载权重私有化部署,更加灵活更安全 …
  23. 部署影片說明… b、开放了权重,企业可以下载权重私有化部署,更加灵活更安全 …
  24. 安全影片說明…,企业可以下载权重私有化部署,更加灵活更安全 c、在超长上下文…
  25. 企业影片說明…档解析、代码生成等场景表现更好,匹配中小企业的需求,美国模型在前沿推理、多模态、复杂…
  26. 需求影片說明…、代码生成等场景表现更好,匹配中小企业的需求,美国模型在前沿推理、多模态、复杂科学任…
  27. 美国影片說明…生成等场景表现更好,匹配中小企业的需求,美国模型在前沿推理、多模态、复杂科学任务等顶…
  28. 模型影片說明…等场景表现更好,匹配中小企业的需求,美国模型在前沿推理、多模态、复杂科学任务等顶尖能…
  29. 能力影片說明…型在前沿推理、多模态、复杂科学任务等顶尖能力上,依然保持微弱领先; C、…
  30. 领先影片說明…、复杂科学任务等顶尖能力上,依然保持微弱领先; C、闭源模型的费用更高,…
  31. 模型影片說明…依然保持微弱领先; C、闭源模型的费用更高,用户是美国的头部大企业,但是…
  32. 美国影片說明… C、闭源模型的费用更高,用户是美国的头部大企业,但是中小企业,倾向于使用开…
  33. 企业影片說明…、闭源模型的费用更高,用户是美国的头部大企业,但是中小企业,倾向于使用开原模型 …
  34. 企业影片說明…用更高,用户是美国的头部大企业,但是中小企业,倾向于使用开原模型 …
  35. 模型影片說明…头部大企业,但是中小企业,倾向于使用开原模型 a、开原模型的花…
  36. 模型影片說明…开原模型 a、开原模型的花费相比较于美国的闭源模型,还是小众,…
  37. 美国影片說明… a、开原模型的花费相比较于美国的闭源模型,还是小众,只占总费率4%,剩…
  38. 模型影片說明… a、开原模型的花费相比较于美国的闭源模型,还是小众,只占总费率4%,剩下96%流…
  39. 模型影片說明…小众,只占总费率4%,剩下96%流向闭源模型 b、原因就是头部…
  40. 原因影片說明…流向闭源模型 b、原因就是头部大企业比如金融、法律、优先选用闭…
  41. 企业影片說明… b、原因就是头部大企业比如金融、法律、优先选用闭源旗舰模型,他…
  42. 法律影片說明… b、原因就是头部大企业比如金融、法律、优先选用闭源旗舰模型,他们也不差钱 …
  43. 模型影片說明…部大企业比如金融、法律、优先选用闭源旗舰模型,他们也不差钱 D、全世界范…
  44. 世界影片說明…舰模型,他们也不差钱 D、全世界范围内,调用中国的模型的TOKEN消耗占…
  45. 中国影片說明…差钱 D、全世界范围内,调用中国的模型的TOKEN消耗占比连续超过美国 …
  46. 模型影片說明… D、全世界范围内,调用中国的模型的TOKEN消耗占比连续超过美国 …
  47. token影片說明… D、全世界范围内,调用中国的模型的TOKEN消耗占比连续超过美国 …
  48. 美国影片說明…用中国的模型的TOKEN消耗占比连续超过美国 a、2024年底…
  49. 中国影片說明… a、2024年底,中国只占1%,美国90%以上 …
  50. 美国影片說明… a、2024年底,中国只占1%,美国90%以上 b、2…
  51. 中国影片說明… b、2025年,中国爆发,达到30% …
  52. 2026年影片說明…,达到30% c、2026年2月9日这一周,中国模型 Token 周…
  53. 中国影片說明… c、2026年2月9日这一周,中国模型 Token 周消耗量(4.12 万…
  54. 模型影片說明… c、2026年2月9日这一周,中国模型 Token 周消耗量(4.12 万亿)…
  55. token影片說明…c、2026年2月9日这一周,中国模型 Token 周消耗量(4.12 万亿)第一次超过美…
  56. 美国影片說明…n 周消耗量(4.12 万亿)第一次超过美国模型(2.94 万亿),完成历史性反超。…
  57. 模型影片說明…周消耗量(4.12 万亿)第一次超过美国模型(2.94 万亿),完成历史性反超。之后…
  58. 历史影片說明…一次超过美国模型(2.94 万亿),完成历史性反超。之后连续多周维持领先,份额持续走…
  59. 领先影片說明…万亿),完成历史性反超。之后连续多周维持领先,份额持续走高。 …
  60. 2026年影片說明…额持续走高。 d、2026年下半年至今,中国占比60%以上,美国下降…
  61. 中国影片說明… d、2026年下半年至今,中国占比60%以上,美国下降到30% …
  62. 美国影片說明…026年下半年至今,中国占比60%以上,美国下降到30% E、美国现在对…
  63. 下降影片說明…6年下半年至今,中国占比60%以上,美国下降到30% E、美国现在对中国…
  64. 美国影片說明…以上,美国下降到30% E、美国现在对中国的优势 a…
  65. 中国影片說明…下降到30% E、美国现在对中国的优势 a、斯坦福的…
  66. 中美影片說明… a、斯坦福的报告中,中美顶尖模型的能力分差2.7% …
  67. 模型影片說明… a、斯坦福的报告中,中美顶尖模型的能力分差2.7% …
  68. 能力影片說明… a、斯坦福的报告中,中美顶尖模型的能力分差2.7% b、长…
  69. 工程影片說明… b、长文本解析,代码工程任务,批量后台推理,中国和美国差不多,甚…
  70. 中国影片說明…长文本解析,代码工程任务,批量后台推理,中国和美国差不多,甚至微弱领先 …
  71. 美国影片說明…解析,代码工程任务,批量后台推理,中国和美国差不多,甚至微弱领先 …
  72. 领先影片說明…批量后台推理,中国和美国差不多,甚至微弱领先 c、高难度科学推理…
  73. 模型影片說明… c、高难度科学推理,前沿基础模型创新,美国最大的领先,大概平均7个月左右…
  74. 美国影片說明… c、高难度科学推理,前沿基础模型创新,美国最大的领先,大概平均7个月左右,有的时候…
  75. 领先影片說明…度科学推理,前沿基础模型创新,美国最大的领先,大概平均7个月左右,有的时候接近,有些…
  76. 美国影片說明…接近,有些时候远一些,快速发展,主要就是美国算力芯片性能优秀 F、美国模…
  77. 算力影片說明…,有些时候远一些,快速发展,主要就是美国算力芯片性能优秀 F、美国模型的…
  78. 美国影片說明…是美国算力芯片性能优秀 F、美国模型的发展前景和行动 …
  79. 模型影片說明…国算力芯片性能优秀 F、美国模型的发展前景和行动 a…
  80. 模型影片說明…前景和行动 a、开原模型赛道估计失败了 b、…
  81. 模型影片說明…估计失败了 b、闭源模型中美国本土训练、推理、人力、电力成本昂贵…
  82. 中美影片說明…失败了 b、闭源模型中美国本土训练、推理、人力、电力成本昂贵,闭…
  83. 人力影片說明… b、闭源模型中美国本土训练、推理、人力、电力成本昂贵,闭源模型定价偏高,用户有…
  84. 力成影片說明…、闭源模型中美国本土训练、推理、人力、电力成本昂贵,闭源模型定价偏高,用户有限 …
  85. 模型影片說明…本土训练、推理、人力、电力成本昂贵,闭源模型定价偏高,用户有限 …
  86. AI影片說明…户有限 c、斯坦福 AI 指数报告显示,流入美国的 AI 顶尖学…
  87. 指数影片說明… c、斯坦福 AI 指数报告显示,流入美国的 AI 顶尖学者数量…
  88. 美国影片說明… c、斯坦福 AI 指数报告显示,流入美国的 AI 顶尖学者数量大幅下滑,人才吸引…
  89. AI影片說明…斯坦福 AI 指数报告显示,流入美国的 AI 顶尖学者数量大幅下滑,人才吸引力减弱;…
  90. 人才影片說明…流入美国的 AI 顶尖学者数量大幅下滑,人才吸引力减弱; d、现…
  91. 民主影片說明…引力减弱; d、现在民主党上来了,要强烈监管,放慢发展 …
  92. 监管影片說明… d、现在民主党上来了,要强烈监管,放慢发展 PS:…
  93. 分析影片說明…展 PS:通过上述分析,美国最害怕的是中国发展速度,仅仅2年就…
  94. 美国影片說明… PS:通过上述分析,美国最害怕的是中国发展速度,仅仅2年就这么快…
  95. 中国影片說明… PS:通过上述分析,美国最害怕的是中国发展速度,仅仅2年就这么快,所以将来美国…
  96. 美国影片說明…中国发展速度,仅仅2年就这么快,所以将来美国前景不妙 a、走入…
  97. 中国影片說明…妙 a、走入开源,中国主导 b、闭关锁国,…
  98. 中国影片說明…主导 b、闭关锁国,中国不安全,向对待华为一样,对待中国汽车一样…
  99. 安全影片說明… b、闭关锁国,中国不安全,向对待华为一样,对待中国汽车一样,封锁…
  100. 华为影片說明… b、闭关锁国,中国不安全,向对待华为一样,对待中国汽车一样,封锁起来 …
  101. 中国影片說明…关锁国,中国不安全,向对待华为一样,对待中国汽车一样,封锁起来 …
  102. 华为影片說明… 封锁起来也是落后的,比如汽车,华为总有一天会超过你们的,大概芯片领域需要5…
  103. 需要影片說明…,华为总有一天会超过你们的,大概芯片领域需要5年左右
  104. 美国影片標題美国换谁都会愤怒但是中国人会开心!美风投机构…
  105. 中国影片標題美国换谁都会愤怒但是中国人会开心!美风投机构调研出一个惊人的结论…
  106. 机构影片標題美国换谁都会愤怒但是中国人会开心!美风投机构调研出一个惊人的结论,在对开源模型的调用…
  107. 模型影片標題…美风投机构调研出一个惊人的结论,在对开源模型的调用花费中,美国企业把89%的钱都给了…
  108. 美国影片標題…个惊人的结论,在对开源模型的调用花费中,美国企业把89%的钱都给了中国~~~
  109. 企业影片標題…人的结论,在对开源模型的调用花费中,美国企业把89%的钱都给了中国~~~
  110. 中国影片標題…的调用花费中,美国企业把89%的钱都给了中国~~~
比對版本

youtube-quality-20261017-a

影片說明

赞助作者: 微信:canyuegood5201314 paypal:cynical0415@163.com 1、美国硅谷知名风险投资机构门罗风投发布的一个报告显示美国企业用于开源模型的支出中,89%付给了中国模型。前三名中,Kimi占61%,DeepSeek占15%,GLM占11%,排名第四的是meta占比7%而已 2、观点 A、在开源这个赛道,美国完全不是对手了,只有脸书可以勉强喊出几句话 B、产生的原因 a、便宜:开源模型平均每百万 token 约 0.13 美元;美国闭源模型平均 0.7 美元 b、开放了权重,企业可以下载权重私有化部署,更加灵活更安全 c、在超长上下文、文档解析、代码生成等场景表现更好,匹配中小企业的需求,美国模型在前沿推理、多模态、复杂科学任务等顶尖能力上,依然保持微弱领先; C、闭源模型的费用更高,用户是美国的头部大企业,但是中小企业,倾向于使用开原模型 a、开原模型的花费相比较于美国的闭源模型,还是小众,只占总费率4%,剩下96%流向闭源模型 b、原因就是头部大企业比如金融、法律、优先选用闭源旗舰模型,他们也不差钱 D、全世界范围内,调用中国的模型的TOKEN消耗占比连续超过美国 a、2024年底,中国只占1%,美国90%以上 b、2025年,中国爆发,达到30% c、2026年2月9日这一周,中国模型 Token 周消耗量(4.12 万亿)第一次超过美国模型(2.94 万亿),完成历史性反超。之后连续多周维持领先,份额持续走高。 d、2026年下半年至今,中国占比60%以上,美国下降到30% E、美国现在对中国的优势 a、斯坦福的报告中,中美顶尖模型的能力分差2.7% b、长文本解析,代码工程任务,批量后台推理,中国和美国差不多,甚至微弱领先 c、高难度科学推理,前沿基础模型创新,美国最大的领先,大概平均7个月左右,有的时候接近,有些时候远一些,快速发展,主要就是美国算力芯片性能优秀 F、美国模型的发展前景和行动 a、开原模型赛道估计失败了 b、闭源模型中美国本土训练、推理、人力、电力成本昂贵,闭源模型定价偏高,用户有限 c、斯坦福 AI 指数报告显示,流入美国的 AI 顶尖学者数量大幅下滑,人才吸引力减弱; d、现在民主党上来了,要强烈监管,放慢发展 PS:通过上述分析,美国最害怕的是中国发展速度,仅仅2年就这么快,所以将来美国前景不妙 a、走入开源,中国主导 b、闭关锁国,中国不安全,向对待华为一样,对待中国汽车一样,封锁起来 封锁起来也是落后的,比如汽车,华为总有一天会超过你们的,大概芯片领域需要5年左右

本頁的資料來源與計算方式

影片的數字

公開統計
觀看、喜歡與留言總數是取得當時的 YouTube 公開統計,不是即時數值;各項統計的觀測時間可能不同。「資料最後記錄」是影片資料的記錄時間,不代表觀看、喜歡或留言都在那時重新觀測。
觀看歷史
圖上每個點是實際儲存的觀測,連線只為方便閱讀,不代表中間時間的測量值;沒有歷史觀測時不建立時間序列。
喜歡占互動
喜歡 ÷(喜歡+不喜歡+顯示留言),任一來源缺值時不估算。
字幕
只記錄來源是否提供字幕,尚未擷取逐字稿,因此字幕不列入標籤比對。
觀測分析
直播逐時/逐日最高同時在線取自所讀直播紀錄;讀取上限、略過與解析失敗的筆數列在「資料涵蓋範圍與解析限制」。

共同標籤

標籤來源:新文易數(tag.observe.tw)。共同標籤以文字比對影片標題與說明,不是 AI 判讀;命中不代表事件歸屬或立場,與頻道分類分開。標題或說明出現標籤,不代表影片主題;可能來自固定宣傳或版權文字。字幕尚未取得,不列入比對。

比對範圍
僅列出目前詞彙版本與影片標題、說明仍相符的比對結果;待比對或來源文字已變動的影片不列入,數量見「收錄與比對範圍」。
期間
「往前 N 日」包含今天與前 N 天,共 N+1 個台北日曆日(往前 7 日為 8 個日曆日);指定起訖日期時以實際起訖日為準。日數、日期與小時條件同時套用。
命中片段
每支影片最多顯示 3 段,標示來自標題、說明或字幕;沒有片段時顯示「沒有命中片段」,來源文字缺漏時顯示「來源文字未提供」,不另行補寫。完整比對依據在影片頁的「共同標籤與比對依據」。
顯示排除
符合標籤顯示規則的詞(上游排除詞、雜訊、純數字或日期、長度不符,以及核定的來源或平台名稱、雙字通用詞、國家城市政黨詞、少數 YouTube 平台或宣傳用語)整詞不列入排行,但仍保留在原始詞彙池與比對證據中;原始詞彙池列出排除原因。雙字通用詞只依核定清單判定,包含它們的人名、事件或具體議題不會因此被排除。管理員也可以在排行上直接排除個別標籤,同樣只影響排行顯示,每次排除與恢復都留有紀錄。
說明欄樣板
同一頻道說明欄反覆出現的宣傳段落不列入比對。「24小時」這類詞只在這種重複宣傳段落中略過,出現在一般新聞內容時照常計入;這不同於整詞的顯示排除。
示例
列表與片段只是符合條件的影片例子,不能用來推算整體比例或全站失真程度;有效比對的影片比例只代表比對完成度。
觀看
累計觀看是取得當時的公開觀測值,不是期間增量;無觀看值的影片不當作 0。

本頁資料範圍

觀看數與互動數為取得當時的公開觀測值。

資料來源

本站以納入名單的 YouTube 頻道與影片為範圍(名單見頻道觀測),數據來自 YouTube 公開資料與定時觀測:直播約每分鐘輪詢一次,頻道統計、新影片與影片統計則分批輪流更新,所以同一頁的數字不一定在同一時間取得。不涵蓋全 YouTube;缺漏、尚未收錄或資料服務中斷都不等於零,尚未取得的數值顯示「—」。

頁面使用台北時間(UTC+8)。「更新於」是來源已記錄的觀測時間;來源沒有記錄時顯示「未記錄」,不以開啟網頁的時間代替。

共同標籤詞彙的標籤來源:新文易數(tag.observe.tw),保留來源、版本與比對依據;本站的頻道分類沿用有影儀表板的來源組織方式,與內容標籤是不同維度。影片數、觀看數與直播同時在線人數分開計算,不代表 YouTube 全站流量,也不表示因果關係。

完整的資料來源與計算方式 →