开源AI的中国时刻：从模型竞争到生态竞争

过去一两年，全球AI行业出现了一个颇具戏剧性的变化：曾经被视为追赶者的中国大模型，开始以开放权重、低价格、高可用性的方式，进入全球开发者的视野。DeepSeek带来的冲击尚未消散，Qwen、GLM、Kimi、MiniMax等模型又接连被放到国际比较的坐标系中。它们未必能在跑分上压过OpenAI、Anthropic和Google的模型，但在成本、部署灵活性、代码能力、智能体应用和开发者生态上，中国模型已经日益崭露头角。

开放模型降低了AI使用门槛，削弱了欧美闭源模型长期维持高价的能力，也让中小企业、地方产业和全球开发者获得了新的选择。但是，模型可以免费，算力、云服务、数据、工具链、行业交付和安全治理却依然昂贵。一个更现实的问题随之浮现：当模型能力越来越像工业零件，AI产业的利润将流向哪里？在开源与闭源的博弈中，谁会真正获益？

一、为什么中国AI企业集体押注开放模型

回答这些问题，首先要把“开源”这个词放回准确的位置。开放源代码促进会（OSI）强调，开放AI不仅应当允许使用、研究、修改和分享，还要求提供足够的数据说明、完整训练和运行代码以及模型参数等关键组成部分。今天很多被称为“开源AI”的模型，严格说更接近“开放权重模型”（open-weight model）：企业公开模型参数，允许开发者下载、部署、微调，却未必公开完整训练数据、训练代码、数据筛选规则和可复现的训练流程。这意味着，今天的“开源AI热潮”需要打一个引号。

中国AI企业选择开放模型，不能简单理解为技术理想主义。它更像一种在现实约束下形成的产业策略。

一方面，美国对先进芯片和半导体设备的限制，改变了中国AI企业的竞争方式。中国企业很难完全复制美国头部公司“无限堆算力、训练超大闭源模型、靠API收费”的路线。算力受限之后，工程效率、推理成本、模型蒸馏、混合专家架构、本地部署能力等，反而成了更重要的竞争指标。

另一方面，开放模型可以绕开闭源商业模式的门槛。过去，企业接入AI通常意味着购买OpenAI、Anthropic等公司的API。模型能力被封装在远程服务中，价格、调用规则、服务稳定性和模型更新节奏都由供应商决定。开放模型提供了另一条路：企业可以本地部署，可以微调，可以根据任务选择不同模型，也可以通过模型路由工具在价格和效果之间动态切换。

这正击中了企业AI落地中的痛点。AI应用越深入业务，账单越不可控。路透社援引行业数据称，OpenRouter上开源模型处理的token占比从2026年1月的34%上升到6月的65%；该平台最受欢迎的四个模型均来自中国，部分模型的价格低至每百万token 0.18美元，而顶级模型平均约为4美元。对大量企业而言，“90%的能力，10%的价格”已经足够有吸引力。

二、开源红利：把AI从奢侈品变成工业零件

开放模型的直接价值，是把AI能力从少数大公司的昂贵服务，变成越来越多企业可以使用的工业零件。

许多公司并不需要一个全能模型，它们需要的是能写客服话术、整理表格、生成商品描述、辅助代码开发、做内部知识库问答的工具。闭源模型当然强，但当AI调用从“偶尔尝鲜”变成“每天生产”，成本就会变成硬约束。

对开发者和研究机构来说，开放模型则意味着学习和再创造的空间。只调用API，培养不出真正理解模型的人才。学生、工程师、创业者需要拆开模型，做微调、做评测、做适配，理解模型在不同语言、行业、任务和硬件环境下的表现。开放模型带来的价值，远远超过一次模型下载。它会形成训练人才、积累工具、沉淀社区的长周期效应。

对政府、金融、医疗、工业等敏感场景来说，开放模型还关系到数据安全。很多机构不愿把内部数据上传到境外API，甚至不愿把核心业务数据交给任何第三方闭源平台。本地部署、私有化部署、专有数据微调等因此变得重要。OECD关于AI开放性的研究也指出，开放模型能够降低创新门槛，促进竞争，方便本地适配和技术主权建设，尤其适合医疗、国家安全等数据敏感部门。

这也是开源AI最有战略意义的地方。它不仅服务国内市场，也可能影响全球南方的AI采用路径。许多国家和企业既负担不起昂贵的闭源模型，也不愿完全绑定美国技术栈。便宜、可部署、可改造的开放模型，很可能成为它们接入生成式AI的重要入口。中国AI的国际影响力，未必只来自最强模型排行榜，也可能来自最广泛的部署、适配和使用。

三、模型开放之后，利润流向哪里

开放模型的叙事很容易让人兴奋，但产业经济不会因为“开放”二字自动消失。模型免费之后，成本只是换了位置。

训练成本、推理成本、存储成本、带宽成本、安全评估成本、运维成本、合规成本、行业交付成本，都需要有人承担。企业下载一个模型很容易，让它稳定运行在生产系统中却并不简单。模型需要推理集群，需要监控，需要权限管理，需要日志审计，需要灾备，需要不断更新，也需要与企业内部的数据库、业务流程和权限体系打通。真正昂贵的，往往不是模型本身，而是让模型变成可靠生产力的整套系统。

这会带来一个微妙变化：模型越开放，云和算力平台越重要。模型公司可以宣布开放权重，开发者可以轻松下载，但大规模推理、低延迟服务和企业级部署仍然要依靠云、芯片、数据库、向量检索、模型路由和运维平台。开源削弱了模型公司的定价权，却可能增强基础设施公司的议价权。过去利润流向闭源API，未来利润可能流向云厂商、推理平台、芯片公司、行业集成商和掌握数据的应用平台。

这也是中国AI企业需要警惕的隐忧：模型开放了，却没有找到可持续的商业闭环。开放可以带来声量、下载量、开发者好感和生态扩散，但这些不自动等于利润。最终，市场记住了模型名字，钱却被提供算力、云服务、行业软件和客户交付的公司赚走。

四、从“开放模型”走向“可信生态”

对中国AI企业而言，开源不应只被当作获取声量、争夺开发者和打价格战的工具。开放是一种入口，最终考验的是生态经营能力。

第一，要从“发布权重”走向更高水平的透明化。企业需要更清楚地说明训练数据来源、评测方法、许可证边界、安全策略和适用场景。国际客户不只关心模型是否便宜，也关心出了问题谁负责、数据是否安全、模型是否可审计、许可证是否会埋雷。开放模型若缺少可信文档，就会停留在开发者尝鲜阶段，很难进入严肃的企业采购。

第二，要避免陷入参数竞赛和低价消耗。中国企业已经证明自己可以做出便宜好用的模型，下一步更重要的是推理效率、稳定部署、工具链完善、Agent框架、模型路由、私有化交付和行业适配。企业真正需要的不是“又一个排行榜模型”，而是能接进业务系统、解决具体问题、长期维护升级的AI基础设施。

第三，要尽快找到商业闭环。模型可以免费，围绕模型形成的服务不能没有价格。AI企业需要把能力嵌入金融风控、制造质检、政务服务、教育辅导、医疗文书、跨境贸易、软件开发等具体场景，提供可交付、可维护、可审计的系统方案。只有从“模型供应商”变成“行业智能化服务商”，开源红利才不会被云和平台完全拿走。

第四，要认真经营全球开发者生态。英文文档、稳定API、清晰许可证、示例代码、长期版本维护、社区响应、第三方评测和海外部署方案，都决定中国模型能否真正融入全球技术栈。开发者可能不关心模型来自哪里，但他们非常关心模型是否稳定、文档是否清楚、迁移成本是否可控、服务是否会突然变化。

第五，要把安全治理前置。开放模型不能依赖事后补救。模型发布前的风险评估、红队测试、能力分级、滥用监测、版本追踪、下游使用规范，都应成为基础配置。越是想进入国际市场，越要把治理能力当成产品能力的一部分。

总之，中国开源AI的崛起，确实改变了全球AI竞争的节奏。但开源可能打破旧垄断，也可能制造新依附；它可能降低模型门槛，也可能把利润推向云、芯片、平台和行业集成商。真正的问题是中国能否把开放模型转化为可信、可持续、可治理的产业生态。谁能把模型、算力、数据、场景、合规和全球信任连接起来，谁才会成为开源与闭源博弈中的真正赢家。

（作者王翔为复旦大学数字与移动治理实验室研究员）

来源：王翔