精华速览

2026年中美人工智能竞争的重心正从模型排行榜、GPU数量和参数规模，转向推理成本、开发者生态、云服务、企业部署与规则制定能力。美国对华芯片出口限制持续调整，促使中国企业更强调算法效率与开放权重路线，DeepSeek、Qwen等模型以“能力接近前沿、价格更低、可二次开发”扩大影响。与此同时，美国科技产业内部对开放权重并非铁板一块，英伟达、微软、Meta、IBM等公开支持开放模型。蒸馏争议则将竞争延伸至知识产权与规则层。整体看，开源与闭源并非替代关系，真正拉开差距的是能否形成算力、商业、生态与产业场景相互强化的闭环。

要点透视

  • 2026年1月，美国商务部工业与安全局调整部分对华半导体出口许可政策，对英伟达H200、AMD MI325X及类似产品改为满足条件后的逐案审查。
  • USCC在2026年3月报告中提出中国开放模型存在两个相互强化的循环：数字世界的模型发布、下载、微调与再迭代，以及实体产业中的部署、数据反馈与模型改进。
  • USCC统计显示阿里Qwen已形成超过10万个衍生模型，Hugging Face此后披露的数字继续增长，开发者生态成为基础模型扩散的关键指标。
  • 2026年7月，英伟达、微软、Meta和IBM等多家美国科技公司公开支持开放权重模型，认为过早限制可能压制创新和竞争。
  • 2026年，美国政府和Anthropic等公司公开指责部分中国AI企业存在未经授权的“工业规模蒸馏”，中方否认相关指控并强调蒸馏是中性通用技术。
  • 行业常将DeepSeek、Qwen等路线统称为“开源”，但其中相当一部分更准确的说法是“开放权重”：参数可下载、微调和私有化部署，训练数据与完整流程未必公开。
  • 开放权重模型更易进入企业本地数据中心、边缘设备和专有业务系统，闭源模型则通常以云端API和订阅交付，供应商持续控制版本、权限与定价。
  • 企业客户可能同时使用多种模型：高价值高敏感任务采用更强封闭系统，成本敏感或需本地部署的场景采用开放模型。

文章拆解

这轮变化的底层推力首先来自算力约束。自2022年以来美国持续收紧对华先进AI芯片出口限制，2026年1月的许可政策调整又引入逐案审查，说明管制并非单向收紧或放松，而是在安全、产业利益与市场需求之间反复校准。对中国企业而言，获取前沿算力的不确定性上升，自然把竞争重心推向算法效率、推理成本和开放权重。DeepSeek、Qwen的影响力不只来自基准测试，更来自“能力接近前沿、价格更低、可下载二次开发”的组合，这使模型从单一产品向技术底座靠拢。

开放权重的核心逻辑是降低生态试错门槛。闭源模型通过API和订阅交付，供应商掌握版本、权限和定价；开放权重则便于企业本地部署、微调和审计，对数据合规、成本和定制化要求高的客户更具吸引力。USCC提出的两个循环——数字世界的开发者迭代与实体产业的部署反馈——解释了为何中国大型科技企业更容易接受“模型低价甚至免费、在云服务和企业部署等环节变现”。但这一模式并非普适：拥有云平台和产业场景的公司可以把模型当入口，缺乏云与应用入口的创业公司则面临更直接的商业化压力。

美国产业内部同样不是单一闭源阵营。芯片公司希望模型越多、应用越广以拉动算力需求，云厂商需要多模型进入企业工作负载，下游软件公司希望降低对单一供应商的依赖，因此英伟达、微软、Meta、IBM等公开支持开放权重；而前沿模型实验室投入巨额训练资本，更依赖能力稀缺和API订阅回报，对开放扩散的安全风险更为敏感。开放与封闭因此是两组不同的风险收益组合，而非先进与落后之分。

蒸馏争议把竞争推向规则层。蒸馏本身是常见机器学习技术，争议焦点在于是否未经授权大规模利用竞争对手输出、是否规避访问限制获取数据。技术方法与合同、知识产权和访问规则应分开讨论，但规则不确定性会反向影响产业结构：闭源模型若加强身份验证和异常调用识别，后训练数据成本将上升；各国若对开放模型设置更严格部署或出口要求，开放生态扩散速度也可能变化。数据来源、授权关系和合规能力可能成为新壁垒。

下一阶段更值得观察的，是哪一方能把模型能力转化为更低推理成本、更广开发者网络、更成熟工具链和更大规模产业部署。制造业、机器人、工业质检等场景需要真实世界数据，谁能更快形成“部署—数据—再迭代”闭环，谁就更可能获得持续产业反馈。这一过程未必体现在单次榜单上，却决定AI能否成为企业长期使用的基础设施。开源还是闭源只是表层选择，背后是算力供给、商业模式、开发者生态、产业场景与规则体系能否相互强化；其中部分政策走向和统计口径尚待确认。

查看原文