推理瓶颈：AI市场垂直封闭的形式模型

随着生成式AI商业化进程加快，竞争优势正从模型训练转向推理、分发和路由。在本文中，我们发展了一种关于AI市场垂直封闭的形式博弈论模型，作为Besanson和Celani（2026）正式模型的配套作品。该模型在无 predatory pricing（剥削性定价）情况下，孕育两种封闭机制：针对下游竞争对手的服务质量（QoS）歧视，包括通过延迟、吞吐量、上下文限制或功能访问进行歧视；以及助手层接口中的路由偏置。以Anthropic于2026年4月发布的Claude Opus 4.7及其限制访问的Claude Mythos Preview为灵感，本文引入了第三种机制——基于档次的访问歧视，由档次间隙（tau）和合作伙伴专属性（kappa）参数化。主要结果给出了QoS间隙的显式局部均衡特征。在logit需求和竞争对手对称的情况下，间隙严格随着推理质量重要性（alpha）和下游利润增大，严格随着API价格和竞争进入弹性增大而减小。当alpha处于某个联合边界时，歧视消失，而非简单阈值。针对四家提供商的仿真校准将参数值视为输入，用于比较风险映射，而非结构性估计。该映射表明Google和OpenAI面临最有利于封闭的条件；Microsoft的实现路由偏置已通过2026年3月的多模型转向被自愿约束；Anthropic显示出低消费者渠道风险和较高的企业编码代理细分市场风险。政策部分提出中性推理（Neutral Inference）框架，包括QoS平等、路由透明、FRAND式非歧视以及档次透明与发布路径约束。说明性福利计算表明，年净收益可达数十亿美元。