過去一兩年，全球AI行業出現了一個頗具戲劇性的變化：曾經被視為追趕者的中國大模型，開始以開放權重、低價格、高可用性的方式，進入全球開發者的視野。DeepSeek帶來的衝擊尚未消散，Qwen、GLM、Kimi、MiniMax等模型又接連被放到國際比較的坐標系中。它們未必能在跑分上壓過OpenAI、Anthropic和Google的模型，但在成本、部署靈活性、代碼能力、智能體應用和開發者生態上，中國模型已經日益嶄露頭角。

開放模型降低了AI使用門檻，削弱了歐美閉源模型長期維持高價的能力，也讓中小企業、地方產業和全球開發者獲得了新的選擇。但是，模型可以免費，算力、雲服務、數據、工具鏈、行業交付和安全治理卻依然昂貴。一個更現實的問題隨之浮現：當模型能力越來越像工業零件，AI產業的利潤將流向哪里？在開源與閉源的博弈中，誰會真正獲益？

一、為什麼中國AI企業集體押注開放模型

回答這些問題，首先要把“開源”這個詞放回準確的位置。開放源代碼促進會（OSI）強調，開放AI不僅應當允許使用、研究、修改和分享，還要求提供足夠的數據說明、完整訓練和運行代碼以及模型參數等關鍵組成部分。今天很多被稱為“開源AI”的模型，嚴格說更接近“開放權重模型”（open-weight model）：企業公開模型參數，允許開發者下載、部署、微調，卻未必公開完整訓練數據、訓練代碼、數據篩選規則和可複現的訓練流程。這意味著，今天的“開源AI熱潮”需要打一個引號。

中國AI企業選擇開放模型，不能簡單理解為技術理想主義。它更像一種在現實約束下形成的產業策略。

一方面，美國對先進晶片和半導體設備的限制，改變了中國AI企業的競爭方式。中國企業很難完全複製美國頭部公司“無限堆算力、訓練超大閉源模型、靠API收費”的路線。算力受限之後，工程效率、推理成本、模型蒸餾、混合專家架構、本地部署能力等，反而成了更重要的競爭指標。

另一方面，開放模型可以繞開閉源商業模式的門檻。過去，企業接入AI通常意味著購買OpenAI、Anthropic等公司的API。模型能力被封裝在遠程服務中，價格、調用規則、服務穩定性和模型更新節奏都由供應商決定。開放模型提供了另一條路：企業可以本地部署，可以微調，可以根據任務選擇不同模型，也可以通過模型路由工具在價格和效果之間動態切換。

這正擊中了企業AI落地中的痛點。AI應用越深入業務，帳單越不可控。路透社援引行業數據稱，OpenRouter上開源模型處理的token占比從2026年1月的34%上升到6月的65%；該平臺最受歡迎的四個模型均來自中國，部分模型的價格低至每百萬token 0.18美元，而頂級模型平均約為4美元。對大量企業而言，“90%的能力，10%的價格”已經足夠有吸引力。

二、開源紅利：把AI從奢侈品變成工業零件

開放模型的直接價值，是把AI能力從少數大公司的昂貴服務，變成越來越多企業可以使用的工業零件。

許多公司並不需要一個全能模型，它們需要的是能寫客服話術、整理表格、生成商品描述、輔助代碼開發、做內部知識庫問答的工具。閉源模型當然強，但當AI調用從“偶爾嘗鮮”變成“每天生產”，成本就會變成硬約束。

對開發者和研究機構來說，開放模型則意味著學習和再創造的空間。只調用API，培養不出真正理解模型的人才。學生、工程師、創業者需要拆開模型，做微調、做評測、做適配，理解模型在不同語言、行業、任務和硬體環境下的表現。開放模型帶來的價值，遠遠超過一次模型下載。它會形成訓練人才、積累工具、沉澱社區的長週期效應。

對政府、金融、醫療、工業等敏感場景來說，開放模型還關係到數據安全。很多機構不願把內部數據上傳到境外API，甚至不願把核心業務數據交給任何第三方閉源平臺。本地部署、私有化部署、專有數據微調等因此變得重要。OECD關於AI開放性的研究也指出，開放模型能夠降低創新門檻，促進競爭，方便本地適配和技術主權建設，尤其適合醫療、國家安全等數據敏感部門。

這也是開源AI最有戰略意義的地方。它不僅服務國內市場，也可能影響全球南方的AI採用路徑。許多國家和企業既負擔不起昂貴的閉源模型，也不願完全綁定美國技術棧。便宜、可部署、可改造的開放模型，很可能成為它們接入生成式AI的重要入口。中國AI的國際影響力，未必只來自最強模型排行榜，也可能來自最廣泛的部署、適配和使用。

三、模型開放之後，利潤流向哪里

開放模型的敘事很容易讓人興奮，但產業經濟不會因為“開放”二字自動消失。模型免費之後，成本只是換了位置。

訓練成本、推理成本、存儲成本、帶寬成本、安全評估成本、運維成本、合規成本、行業交付成本，都需要有人承擔。企業下載一個模型很容易，讓它穩定運行在生產系統中卻並不簡單。模型需要推理集群，需要監控，需要許可權管理，需要日誌審計，需要災備，需要不斷更新，也需要與企業內部的資料庫、業務流程和許可權體系打通。真正昂貴的，往往不是模型本身，而是讓模型變成可靠生產力的整套系統。

這會帶來一個微妙變化：模型越開放，雲和算力平臺越重要。模型公司可以宣佈開放權重，開發者可以輕鬆下載，但大規模推理、低延遲服務和企業級部署仍然要依靠雲、晶片、資料庫、向量檢索、模型路由和運維平臺。開源削弱了模型公司的定價權，卻可能增強基礎設施公司的議價權。過去利潤流向閉源API，未來利潤可能流向雲廠商、推理平臺、晶片公司、行業集成商和掌握數據的應用平臺。

這也是中國AI企業需要警惕的隱憂：模型開放了，卻沒有找到可持續的商業閉環。開放可以帶來聲量、下載量、開發者好感和生態擴散，但這些不自動等於利潤。最終，市場記住了模型名字，錢卻被提供算力、雲服務、行業軟體和客戶交付的公司賺走。

四、從“開放模型”走向“可信生態”

對中國AI企業而言，開源不應只被當作獲取聲量、爭奪開發者和打價格戰的工具。開放是一種入口，最終考驗的是生態經營能力。

第一，要從“發佈權重”走向更高水準的透明化。企業需要更清楚地說明訓練數據來源、評測方法、許可證邊界、安全策略和適用場景。國際客戶不只關心模型是否便宜，也關心出了問題誰負責、數據是否安全、模型是否可審計、許可證是否會埋雷。開放模型若缺少可信文檔，就會停留在開發者嘗鮮階段，很難進入嚴肅的企業採購。

第二，要避免陷入參數競賽和低價消耗。中國企業已經證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、穩定部署、工具鏈完善、Agent框架、模型路由、私有化交付和行業適配。企業真正需要的不是“又一個排行榜模型”，而是能接進業務系統、解決具體問題、長期維護升級的AI基礎設施。

第三，要儘快找到商業閉環。模型可以免費，圍繞模型形成的服務不能沒有價格。AI企業需要把能力嵌入金融風控、製造質檢、政務服務、教育輔導、醫療文書、跨境貿易、軟體開發等具體場景，提供可交付、可維護、可審計的系統方案。只有從“模型供應商”變成“行業智能化服務商”，開源紅利才不會被雲和平臺完全拿走。

第四，要認真經營全球開發者生態。英文文檔、穩定API、清晰許可證、示例代碼、長期版本維護、社區回應、第三方評測和海外部署方案，都決定中國模型能否真正融入全球技術棧。開發者可能不關心模型來自哪里，但他們非常關心模型是否穩定、文檔是否清楚、遷移成本是否可控、服務是否會突然變化。

第五，要把安全治理前置。開放模型不能依賴事後補救。模型發佈前的風險評估、紅隊測試、能力分級、濫用監測、版本追蹤、下游使用規範，都應成為基礎配置。越是想進入國際市場，越要把治理能力當成產品能力的一部分。

總之，中國開源AI的崛起，確實改變了全球AI競爭的節奏。但開源可能打破舊壟斷，也可能製造新依附；它可能降低模型門檻，也可能把利潤推向雲、晶片、平臺和行業集成商。真正的問題是中國能否把開放模型轉化為可信、可持續、可治理的產業生態。誰能把模型、算力、數據、場景、合規和全球信任連接起來，誰才會成為開源與閉源博弈中的真正贏家。

（作者王翔為復旦大學數字與移動治理實驗室研究員）

來源：中國澎湃新聞