中国开源，正在形成集团化作战的优势。DeepSeek和阿里Qwen等基础模型撑起了中国开源的上限，而更多的中小企业正在它们的基础上，不断推出体量更小却能力更强的垂直模型，让今年以来中国大模型更新的速度不断加快，不断带来新的惊喜。而在美国仍以闭源为主的背景下，中国企业拥抱开源的做法充分展现了中国的技术自信，也开辟出一条技术普惠与全球共生的新路径，持续开拓海外市场，代表着全球AI技术从“单极霸权”转向“多极共生”。

中国开源，正形成合力

2月初，当中国开源大模型DeepSeek在全球140个国家和地区的应用市场下载排行榜同时登顶，OpenAI却公然在媒体上指责，DeepSeek未经许可使用了ChatGPT的蒸馏数据。

这样的指责非但没能为OpenAI“挽尊”，却招来全球科研从业者的“群嘲”。

如今，又一个把蒸馏buff叠满的选手出现了。

4月13日，昆仑万维推出Skywork-OR1(Open Reasoner 1)系列模型，同规模下性能超越阿里QwQ-32B，对齐DeepSeek-R1。

资金实力并不雄厚的昆仑万维，为什么也可以做出SOTA级别的大模型？其实官方并不讳言，他们的模型是基于DeepSeek-R1-Distill-Qwen-7B和DeepSeek-R1-Distill-Qwen-32B这两款模型训练而来。

而正如名字里体现的那样，DeepSeek的这两款模型，又蒸馏了阿里的Qwen系列模型。

在借力优秀开源模型的同时，昆仑万维也在为开源社区做出自己的贡献。相比于只开源模型权重的DeepSeek，昆仑万维还开放了自己使用的数据集和训练代码，更加接近于“真开源”的概念。这意味着，任何用户都可以去尝试复刻他们的模型训练过程。

昆仑万维这份成果，充分展示了开源最重要的意义——不仅仅是让给用户提供一个免费可用的产品，更能够让更多开发者站在前人的肩膀上，快速、低成本地推动技术继续前进。

事实上，就在去年业界还在讨论大模型预训练遭遇瓶颈的背景下，今年以来，中国大模型的迭代速度却仍在加快，并且越来越多的企业投入开源。

阿里云通义千问从除夕夜开源全新的视觉模型Qwen2.5-VL，再到3月初发布并开源了全新推理模型QwQ-32B，在开源当日就登顶全球主流AI开源社区HuggingFace的趋势榜。

阶跃星辰则在一个月左右时间开源三款多模态大模型，其最新开源的是图生视频模型Step-Video-TI2V，支持生成的视频具备运动幅度可控和镜头运动可控两大核心特点，同时自带一定的特效生成能力。

智谱则在4月宣布开源32B/9B 系列GLM模型，涵盖基座、推理、沉思模型，均遵循MIT许可协议。

甚至一度闭源的百度，也宣布将于6月30日完全开源文心大模型。

相比于国内开源生态的日益繁荣，美国大模型公司至今仍以闭源为主，这也让中国大模型的出海迎来难得机遇——DeepSeek让印尼教育公司Ruangguru借此低成本优化了教学模型；新加坡 B2B旅游技术公司Atlas将Qwen集成至智能客服系统，实现7×24小时多语言支持……

为何美国闭源，中国开源？

美国AI倾向闭源而中国AI愈发开放，实际上是两国AI发展环境的必然结果。

美国的AI产业主要由科技大厂和VC（风险投资人）主导，由于资方对于AI有着巨大的资本回报预期。因此美国的AI模型企业普遍具有强烈的技术信仰，即追求技术领先后实现一定程度的市场垄断后创造巨额利润，其生态也天然的倾向于闭源。

以OpenAI发展历程为例，其在创立期间作为非盈利实体，此后却不断走向封闭——GPT-1时完全开源，GPT-2部分开源遭遇反对后才全面开源，GPT-3正式走向闭源，随后GPT-4时闭源策略进一步强化，模型架构、训练数据完全保密，甚至限制企业用户的API调用频率。

尽管OpenAI表示闭源是基于合规和管控技术滥用的出发点，但市场普遍认为OpenAI转向闭源的标志性事件是其与微软达成百亿美元级合作，将GPT-3嵌入Azure云服务，形成“技术-资本”闭环。

在去年10月微软首次在财报披露其对OpenAI投资时就表示：“我们对OpenAIGlobal,LLC进行了投资，总投资承诺为130亿美元，投资按权益法核算。”

所谓的权益法也可以理解为微软对于OpenAI的投资的目的是获得回报而不是单纯的慈善科研，显然OpenAI通过闭源生态卖高价API就是其目前最大的收入来源，也成了OpenAI不愿开源的最大阻力。

而从OpenAI“分家”成立的Anthropic，更是在一开始就坚定了闭源路线，其大模型产品Claude则全面采取了闭源模式。

而即便是美国开源唯一扛把子的META旗下的Llama，开源时也加入了两条防友商条款：

1、开源模型在META批准前不能用于超过7亿月活的产品和服务

2、不能利用Llama模型的输出内容来训练和改进其他的大语言模型

可以看到，即便是开源模型，Meta的核心目的依然是打造自己的AI生态而非技术普惠。

美国在资本层面选择了闭源为主，开源为辅的AI战略，可以说是纯商业考量。相比之下，中国自上而下的顶层设计从一开始就重视开源，体现了自主可控思维下的产业优先路径。

早在2017年，中国政府就发布了《新一代人工智能发展规划》，明确提出要加快AI与经济、社会深度融合的目标，部署构筑AI发展的先发优势。2021年，开源相关内容更是明确列入中国“十四五”规划中，引发各地积极推动技术革新进程。

中国科学院院士梅宏就曾表示，语言模型未来的发展必须依赖于开源平台，只有在一个开放的环境中，才能确保各行业用户对数据上传和业务整合的安全性与信任度。

去年12月工信部等四部门发布的《中小企业数字化赋能专项行动方案（2025—2027年）》中，明确支持开放原子开源基金会设立“中小企业AI开源专项”，提供可复制，易推广的训练框架、测试工具等资源，降低企业技术门槛。

一个更现实的问题是，由于美国的潜在技术封锁，中国在AI领域并不能单纯的做追随者，而必须打造能够独立自主的国产生态，在美国已经建设了一套闭源为主的生态下，再建设一套闭源生态无异于闭门造车，唯有开源生态才能快速助力AI产业的发展。

除了顶层支持外，各地对开源生态上也付出了真金白银的支持。

智谱联合北京国资成立的专注于大模型生态投资的Z基金宣布，出资3亿元支持全球范围内的AI开源社区发展，任何基于开源模型（不局限于智谱开源模型）的创业项目均可申请。

中美AI产业在开源与闭源策略上的分野，本质是发展逻辑的根本差异——美国受资本驱动，科技大厂与VC的盈利诉求催生了“技术垄断-高价变现”的闭源生态，即便如Meta尝试开源，也难逃商业壁垒的桎梏；中国则依托顶层设计，以“技术平权+产业协同”为核心理念，通过政策赋能构建开放生态，让开源成为降低技术门槛、推动实体经济融合的基础设施。这种战略选择，既塑造了两国AI产业的不同路径，也预示着全球AI生态正从“垄断竞争”向“开放共赢”加速演进。

够用就是够好

中国的AI开源生态，不仅正在加速中国及全世界的AI产业化发展，还让美国技术优先的信仰陷入了一个尴尬的陷阱。

面对DeepSeek效应带来的步步紧逼，4月5日，Meta发布自称有史以来最强多模态大模型Llama4。

然而实测下来，这是一款让人大跌眼镜的模型，号称10m tokens的上下文长度频频出错、初代小球测试难以完成、9.11>9.9的比大小失误……模型上线几天内，高管离职、测试作弊等丑闻也被内部员工爆料证实。

更多消息证明，Llama4可谓是扎克伯格赶鸭子上架的产物。那么问题来了，为什么扎克伯格一定要赶在4月上线呢？

正如前文所述，美国AI产业界对于技术有一种迷之信仰，认为自己的产品必须最强、最先进，因此纷纷开启军备竞赛。而训练AI所需的边际效应递减，使得大厂们在消耗了天量成本后，技术门槛不仅没有建成，反而陷入了算力瓶颈的泥沼。

OpenAI刚发布GPT-4o的图像生成功能，几天后Altman就发推说他们的GPU“快烧了”。Gemini2.5发布不到一周，GoogleAIStudio负责人就说他们仍受“速率限制”困扰，开发者每分钟只能发20个请求。似乎没有一家公司能应对超大模型的推理需求。

实际上，美国正在陷入误区。智源研究院的负责人表示：“如果一个新模型用100倍成本跑出了10分基准测试分的提升，那么这个新模型对于80%以上的应用场景就毫无意义，因为没有任何性价比。”

而中国大模型企业加速开源生态，看似不再去争夺这个第一，反而凭借着“够用就好”赢得了更多的客户，尤其是工业界客户的认可。

相比于政企客户动不动千万的预算，很多企业和机构既有迫切的AI需求，但是又没有那么多预算现成解决方案，利用开源模型自行开发几乎成为了他们不二之选：

宝钢用冶金工程关键工序“大模型+小模型”进行生产设备智能预警；

中煤科工的“煤科卫士大模型ChinamjGPT”，使煤机装备设备故障停机时间、维修成本分别降低30%和20%；

上海孟伯智能物联网科技有限公司基于轻量大模型打造了边剪检测、连退炉工艺优化应用平台；

弥费科技基于大模型技术实现了半导体晶圆厂自动物料搬运系统智能预测维护与管理。

这些都是开源模型在工业场景落地的代表案例。

而除了工业用途外，开源生态也能帮助更多的公益事业。

山水自然保护中心致力于雪豹及高原生态系统的保护，布设的红外相机每个季度会拍摄大量照片或视频，靠人工识别雪豹踪迹效率极低，耗费大量时间和人力。华为昇腾与山水自然保护中心合作进行雪豹踪迹识别华为把三江源红外影像物种识别的相关模型和工具开源，降低了参与AI开发的门槛，让更多使用该模型的研究保护机构受益，可举众人之力在数据集、数据处理和数据清洗多方面优化模型。

开源的 “集市”效应

开源软件运动的旗手、美国人埃里克·雷蒙德在1999年的《大教堂与集市》一书中提出一个比喻：传统的、封闭的软件开发模式如同建造一座大教堂，软件由少数专家（建筑师）在与世隔绝的环境中精心设计和构建，只有在最终完成后才发布给用户；而开放源代码的开发模式。如同一个熙熙攘攘、看似混乱但充满活力的集市，软件开发是公开的、去中心化的、演进式的。

书中认为，对于许多类型的软件项目，尤其是复杂的系统级软件（如操作系统内核），开放、协作、去中心化的“集市”开发模式，尽管看起来可能混乱，但实际上比传统、封闭、集中式的“大教堂”模式更有效率、更能产生高质量、更健壮的软件。 它通过“早发布、常发布”和利用大规模同行评审（“足够多的眼睛”）等机制，能够更快地发现和修复错误，并更好地吸纳用户反馈和社区贡献，从而推动软件的快速迭代和创新。

Linux等开源项目的巨大成功，验证了雷蒙德的观点。

开源运动曾经为美国和世界带来远超投入本身的巨大价值。哈佛大学2024年的一份研究报告表示：“开源投入41.5亿美元，为企业创造了8.8万亿美元价值（即每投入1美元，创造2000美元价值）。如果没有开源，企业在软件上的支出将是现在的3.5倍。”

如今，中国公司学到了这一点。美国AI企业似乎却忘了。 

事实上，对于中国的大模型企业们，即使不考虑社会效益，选择拥抱开源生态对于企业本身也并非无利可图。

多家大模型企业均告诉观察者网，开源并不是放弃商业化，开源依然有开源的盈利逻辑，比起开不开源，如何技术上更加服务好客户才是关键的问题。

以智谱AI为例，其宣称为国内唯一全面对标OpenAI的企业，但相比于OpenAI的闭源战略，其反而是行业内开源战略最坚定的践行者之一。

智谱于2023年率先开源国内第一个Chat大模型ChatGLM-6B，成立近六年来，智谱已开源55余款模型，在国际开源社区累计下载量近4000万次。

智谱告诉观察者网，智谱希望自己的开源战略为北京打造人工智能“全球开源之都”贡献自己的力量。

而具体到商业层面，智谱则选择了开源吸引开发者生态，向B端和G端提供付费的定制解决方案。

而除了卖解决方案，卖API也是一个重要的盈利环节。

以DeepSeek为例，开源模型的第一笔生意是高性能API的销售。基础服务虽免费，但企业可提供高性能API服务，按调用量收费。DeepSeek-R1的API定价为每百万输入Token1元，每百万输出tokens16元。免费token额度用完了或者基础API满足不了需求，用户就倾向于使用付费版保持业务流程的稳定性。

相比于只有模型服务的企业，阿里则选择另一种开源变现模式——生态捆绑。

阿里的Qwen系列作为开源急先锋，通过全模态开源吸引开发者使用云计算等基础设施，形成场景闭环。他们的模型在前期只是一个引子，明码标价的商品实则是云服务。

中国开源大模型的全球化应用已从“技术跟随”转向“生态主导”。当美国陷入“闭源垄断”与“开源失控”的两难时，中国通过“协议创新+场景深耕”，正在重构全球AI开源生态的底层逻辑。这场博弈的终极战场，不在参数规模的竞赛，而在AI技术与实体经济深度融合的万亿级市场。

本文系观察者网独家稿件，文章内容纯属作者个人观点，不代表平台观点，未经授权，不得转载，否则将追究法律责任。关注观察者网微信guanchacn，每日阅读趣味文章。