专家表示，华盛顿对DeepSeek的禁令阻碍美国企业采用中国AI大模型

一份签署于7月、直到10月才公之于众的政府命令，正在美国商界激起一圈圈涟漪。

美国国土安全部要求联邦民事机构停止采购并清除深度求索（DeepSeek）的产品，连基于其模型开发的第三方服务也一并在列。

行业专家担心，这道禁令的影响不会止步于政府系统，而可能让更多美国企业对低成本的中国AI模型敬而远之。

禁令到底禁了什么

这份文件编号为"排除与清除令2026-01"，由国土安全部部长马克韦恩·穆林于7月24日签署。

它依据的是2018年出台的《联邦采购供应链安全法》，适用于联邦民事机构的信息系统与采购活动。

这部法律赋予联邦机构一种特殊权力，可以针对存在供应链风险的供应商发布排除或清除命令。此次被点名的是一家AI模型供应商，标志着这一工具正延伸到人工智能领域。

命令给出的理由集中在数据安全上。DeepSeek的服务器位于中国，用户输入的提示词和模型回复，可能把敏感数据带到境外。

命令还认为，根据中国相关法律，美国政府用户的数据可能被中国当局获取。这正是华盛顿对中国科技企业一贯的核心担忧。

与以往只针对手机应用的禁令不同，这次的打击面明显更宽。

只要产品底层用了DeepSeek的模型，哪怕由美国公司包装、部署在美国服务器上，也可能被划入清除范围。

现实中，许多云平台和AI网关默认就会调用多家模型。这意味着一些联邦机构可能在不知情的情况下用上了DeepSeek，排查工作量不小。

这一点引发了部分安全专家的批评。他们认为，在美国本土托管的开源模型并不会把数据传回中国，一刀切地纳入禁令有些矫枉过正。

需要说明的是，这道命令并不直接约束私营企业和个人，民间使用DeepSeek模型目前仍属合法。

中方随即表示，将坚决维护中国企业的正当权益。

中方还批评美方泛化国家安全概念，对中国企业进行歧视性打压。

"寒蝉效应"从何而来

既然企业不受直接约束，为何专家仍然担心？

专家认为，这道禁令释放的信号，可能比禁令本身的约束力更大。

答案在于示范效应。联邦政府是美国最大的单一采购方，它的态度往往会被大企业的合规部门当作风向标。

许多与政府有业务往来的承包商，会倾向于主动规避任何可能惹麻烦的技术，以免日后在投标或审计中被卡住。

对于金融、医疗等高度监管的行业来说，法务团队更不愿冒险，宁可多付钱，也要选择"政治上安全"的供应商。

一位分析人士打了个比方：政府的禁令就像一块"警示牌"，虽然没有封路，却足以让许多司机掉头。

对初创公司而言，影响同样微妙。它们若想日后拿下政府合同，或被大企业收购，最好从一开始就避开有争议的技术栈。

风险投资人在尽职调查时，也可能把"是否使用中国模型"列为新的审查项。久而久之，市场会自发形成一道无形的隔离带。

这对中国开源模型而言无疑是一记重拳。过去一年多，DeepSeek、通义千问等模型凭借开放权重和低廉的推理成本，吸引了不少美国开发者和初创公司。

在一些价格敏感的场景里，它们几乎是"性价比之王"。

据开发者社区的普遍反馈，同等任务下，中国开源模型的调用成本往往只有美国闭源模型的几分之一。对预算有限的小团队来说，这样的差距相当诱人。

如今，政治风险被明码标价地写进了成本表，原本的价格优势可能被大幅抵消。

当然，也有企业不愿轻易放弃。它们认为开源模型可以本地部署、代码可以审查，只要做好隔离，安全风险完全可控。

技术竞争还是阵营划线

DeepSeek自2025年1月凭借推理模型R1震动全球AI界以来，就一直处在各国监管的聚光灯下。

当时，R1以远低于美国同行的训练成本，取得了接近顶尖水平的表现，一度引发美国科技股大幅下跌。

美方此前还指责包括DeepSeek在内的多家中国AI公司，通过大规模"蒸馏"从美国模型中提取能力，中方对此予以否认。

从更大的图景看，这次禁令只是美国收紧对华科技管控的一环。联邦通信委员会也正酝酿限制中国实验室为美国电子产品做检测。

批评者则指出，排除价格更低的选项，可能让政府机构只能接受少数美国大模型厂商的定价，最终埋单的是纳税人。

还有人担心，过度依赖少数几家供应商，会削弱政府在采购中的议价能力。竞争减少，往往意味着价格更高、创新更慢。

与此同时，DeepSeek并未停下脚步，仍在持续发布新模型并开放相关技术。

一边是愈发高耸的围墙，一边是越来越开放的代码，全球AI生态正在出现明显的分岔。

这种分岔对全球开发者并非好消息。原本可以自由比较、组合使用的模型，正被贴上国籍标签，技术选择的空间随之收窄。

对中国AI企业来说，美国市场的大门正在收窄，但东南亚、中东、拉美等新兴市场需求依然旺盛。它们或许会把更多精力转向这些地区。

开源模型的生命力在于社区，而社区天然跨越国界。行政命令可以清理政府服务器，却很难阻止全球开发者下载和改进开源代码。

对美国企业而言，选择用谁的模型，已不再只是技术和成本问题，而越来越像一道政治选择题。

这道题的答案，或许将深刻影响未来几年全球人工智能的版图。