美国不会把开放模型生态位拱手让给中国

中国现在在开源模型（开放权重模型或开放模型）上的优势，已经让美国越来越意识到：如果继续把主要精力都放在闭源模型上，把开放模型这个生态位让给中国，长期代价可能会很大。

最近一个很值得关注的信号就是Reflection AI。根据Axios 10月4日的报道，这家得到英伟达投资的公司正在准备发布自己的第一个通用开放权重模型。消息人士称，它的能力暂时可能还比不上美国最先进的闭源模型，但已经有希望直接和中国最好的开放权重模型竞争。

为什么美国现在这么着急？首先当然还是因为中国模型确实已经跑到了前面。

从Artificial Analysis目前的综合能力指数来看，小米MiMo-V2.6-Pro得分46，GLM-5.3是45，Kimi K3是44，Qwen3.8 2.4T A95B是40。相比之下，美国目前比较有代表性的开放模型，Thinking Machines的Inkling Small只有26分，英伟达Nemotron 3 Ultra是23分。至少从目前已经发布的模型来看，中国在高性能开放权重模型上确实有比较明显的优势。

中国开放权重模型还形成了日益深厚的生态积累。Hugging Face今年8月的一项研究显示，Qwen的衍生模型仓库已经达到15万多个，是Meta相关模型总量的约2.6倍、Llama的4.7倍。GGUF格式模型的月下载量里，Qwen大约3960万次，Gemma约2080万次，Llama只有约750万次。美国AI研究人员Nathan Lambert 9月的追踪分析还估计，中国模型已经占OpenRouter开放模型调用Token量的80%以上。

其实美国并不是现在才意识到开放模型的重要性。2025年7月，美国政府的《AI行动计划》就明确提出，美国需要拥有领先、体现美国价值观的开放模型，因为开放模型未来可能成为全球商业和学术研究的通用标准，所以它不只是一个商业问题，也有地缘战略价值。

今年1月，白宫科技政策办公室主任Michael Kratsios在国会听证会上回答中国开放模型竞争的问题时，也专门提到了Reflection。他的意思是，美国正在向很多国家输出整套AI技术，而这些国家并不一定只想调用美国公司的闭源API，它们也会希望拥有能够自己部署、自己控制的模型。所以美国需要给这些国家提供一个“viable American option”——一个真正可行的美国选择。

美国企业也不是完全没有做开放模型。OpenAI在2025年8月发布了gpt-oss-120b和gpt-oss-20b；Google在2026年4月发布Gemma 4，都采用了Apache 2.0许可证。但真正把这件事当成产业战略来推动的，目前看还是英伟达。

今年3月，英伟达成立了Nemotron Coalition，把Reflection、Thinking Machines、Cursor、LangChain等公司拉到一起，把算力、数据、评测和不同领域的经验组织起来，共同开发开放模型。

这个联盟并不只是美国公司，法国的Mistral、印度的Sarvam等也在里面。这是很关键的一个点，可能说明英伟达想做的不是扶持一家美国公司去单挑Qwen、Kimi或者DeepSeek，而是组织一张国际开放模型网络去跟中国竞对拼。到时候美国公司可以提供GPU、资金和基础技术，欧洲、印度等地的公司提供当地语言、客户关系和市场经验，最后模型还可以部署在当地的数据中心，由当地客户自己管理。所以中国未来面对的，可能不是一家一家美国开放模型公司的竞争，而是一支分工合作的国际团队。

Reflection其实已经在尝试这种模式。它此前进入韩国的主权AI项目，与新世界集团签署建设250MW主权AI工厂的谅解备忘录，把开放模型、英伟达GPU和韩国本地基础设施组合起来。双方尤其强调韩国可以自己控制和审计整个系统。

过去的问题是，美国虽然早就知道开放模型有战略价值，但整个市场的注意力一直被能力更强、商业价值更高的闭源模型吸走。某种程度上，美国在这个问题上是“思想走在了行动前面”。

而过去一段时间，中国开放模型越来越强，可能让这种紧迫感明显上升。美国如果把开放模型这个市场完全让出去，至少会面临三个问题。

第一个就是开发者生态。一旦全球开发者默认先用中国模型，美国以后想把他们重新拉回来，就不是简单发布一个跑分更高的模型就能解决的。

第二个是美国闭源模型自己的商业模式也可能受到冲击。如果客户发现，一个不错的开放模型加上自己的数据和微调，已经足以解决80%甚至90%的工作，那为什么所有任务都要调用最贵的美国闭源模型？这会直接影响闭源模型公司的定价能力、客户关系和利润空间。

第三个是“主权AI”。现在越来越多国家希望AI基础设施掌握在自己手里。它们未必想把政府、企业和关键行业的数据全部交给一家美国公司处理，而开放权重模型恰好给了它们另一种选择，可以把模型拿过来，放在自己的云或者数据中心里运行。一旦一个国家选定某套模型，后面还会跟着培训、微调、行业适配、GPU、数据中心和长期维护等等，实际上是一整套生意。如果这个入口被中国开放模型占住，美国丢掉的就不光是模型收入，还可能包括后面一整条AI基础设施和服务链。

所以现在，美国希望既保住Claude、Gemini、GPT等SOTA闭源模型的技术优势，也抢占全球企业能够自主部署、定制的开放模型市场和生态位。Reflection某种程度上就是补美国这个短板的一次重要尝试。

英伟达为什么这么积极，也挺好理解：开放模型越普及，越多企业自己部署模型，对GPU和推理算力的需求可能越大，利好硬件厂商。

但这也暴露了美国开放模型发展中的一个矛盾。真正拥有美国最先进模型能力的公司，很多恰恰依靠闭源API赚钱。让它们把接近旗舰水平的模型权重直接开放出来，相当于有可能侵蚀自己的生意，所以动力不会特别强。这反而给Reflection这样的公司留下了空间，不需要保护一个巨大的闭源API业务，从一开始就把“做美国最强开放模型”作为自己的核心定位。

美国在开放模型上追赶中国最大的优势，是它并不是从零开始。美国手里已经有世界上非常强的闭源模型研发能力和人才，只不过这些能力分散在不同公司，不可能直接搬给Reflection。也不存在一种简单办法，可以把Claude、Gemini或者GPT的能力无损、低成本地复制到一个开放模型里面。

这也是为什么“蒸馏”问题会变得非常微妙。对美国开放模型阵营来说，如果能够合法、低成本地从最先进的美国闭源模型中学习能力，当然会大幅加快追赶速度。所以美国内部也有人主张不要把模型蒸馏限制得太死。但问题是，这又直接触碰到了闭源模型公司的利益。对它们来说，自己花几十亿美元训练出来的能力，如果很容易被其他美国公司蒸馏出来，再做成开放模型，那显然不是一件好事。

美国第二个优势就是钱和算力。Reflection成立才两年，甚至还没有公开发布自己的旗舰基础模型，估值已经达到250亿美元。与此同时，它和SpaceX和Nebius签署的算力合同，名义价值合计最高约73亿美元，目标就是拿到英伟达最新一代GPU。

美国能不能做出一款性能接近中国头部水平的开放模型？我觉得以美国现在能够投入的资金、GPU和人才来看，某一款美国开放模型在部分任务上追平甚至超过今天的中国头部模型，未来几个月就有可能发生。

如果Reflection、Nemotron以及其他美国开放模型能够持续发布，在能力、成本和部署效率上不断改善，那么未来6到18个月，中国开放模型很可能面对比现在激烈得多的竞争。

当然，对中国开放模型来说，最深的护城河还不是模型能力，而是中国在前期美国缺位的几年里已经积累起来的开放模型生态。美国发布一个更强的开放模型或许不难，但要让全球十几万个衍生模型、开发者习惯、企业部署和已有工具全部从中国的生态迁移到美国的，是另一回事。要真正取代中国开放模型的生态优势，美国不仅需要模型更强，还需要说服大量已有用户迁移，同时争取未来的大部分新增用户。这个过程需要多久，目前看很难判断。

除此之外，还有一个容易被低估的变量，就是安全和信任。

开放权重模型有一个天然特点：模型一旦下载出去，开发者原来训练进去的安全拒绝机制并不是永久有效的。模型一旦被下载，别人就可以修改它，让它不再拒绝危险请求，这类方法通常被称为Abliteration，也就是“消融式去拒绝”。模型公司以后当然可以发布更安全的新版本，但已经下载出去的旧权重收不回来，也无法像云端API那样远程更新和修改安全机制。

Anthropic正在非常积极地强调这个问题，而且尤其把中国开放模型作为案例。9月29日，Anthropic发布了一项评估。它发现，智谱原版GLM面对明显恶意的网络攻击要求时会拒绝，但如果直接修改模型权重，把拒绝机制去掉，模型参与攻击任务的比例可以提高到100%。

更值得注意的是，做这件事情并没有想象中那么昂贵。Anthropic估算，一个有经验的团队大约只需要1200美元的GPU成本。而经过修改、取消安全限制的模型，在原始权重发布几天之后就已经出现在网上。

Anthropic借此强调Claude与开放权重模型的区别：Claude的权重不公开，同时API还有额外的安全控制，因此至少无法用同样的方法直接修改权重、拆掉拒绝机制。

中国开放模型公司需要警惕安全问题慢慢变成一个品牌和国际形象问题。Trust（信任）可能成为未来中美开放模型竞争中仅次于能力和成本的第三个重要变量。如果未来不断出现“中国开放模型被去掉安全限制”“中国模型被用于网络攻击”这样的案例，就可能形成“中国开放模型不重视安全”的整体印象和叙事，最终会影响国际客户的采购意愿。

当然，基于开放模型的固有特点，美国开放模型怎么能做到比中国的更安全，还是一个有待讨论的问题。但如果美国一边快速缩小模型能力差距，一边成功建立了“美国开放模型更加安全可信”的市场认知，那么即使它的模型并没有明显超过中国，也可能逐渐改变大型企业、政府和敏感行业客户的采购选择，甚至逐步侵蚀中国开放模型在能力、成本和开发者生态上的优势。

我觉得中国开放模型公司已经开始意识到这个问题，并且已经有所行动。智谱和安远AI上周发布了《前沿开放权重AI风险管理框架》（Frontier Open-Weight AI Risk Management Framework）的全文。这个框架把开放模型分成绿、黄、红三个风险等级：绿区可以直接开放权重；黄区要先小范围测试或只提供API，确认风险可控后再开放；红区则暂时不能开放权重。其中一个关键主张是，开放权重模型应该比闭源模型更早触发安全审查，原因就是前面说的那些。这个框架还提出模型厂商在训练数据、预训练、安全评测以及正式发布之前就应当尽可能解决问题，模型发布后，部署方、云平台、应用开发者和企业用户也要承担责任，通过权限控制、网络隔离、日志、监测等手段降低实际风险。

这些建议还很难称得上是业界的普遍共识和成熟方案，但中国公司开始重视开放权重模型的安全问题，本身就是一个进步，也是未来在面对和美国开放模型的正面竞争时，必须要做的一门功课。

文章仅做学术探讨和研究交流使用，相关判断不代表任何公司或机构立场，也不构成任何法律、商业或投资建议。转载请注明出处。