中国为什么敢把最强的 AI 免费送给全世界？真正的回报很少有人看见

当你还在为最贵的美国模型付账时，你的竞争对手可能已经把 95% 的请求换成了中国模型。他会把骤降的账单截图发到群里，其他人看见以后，也会开始换。

大家看到的是价格，很少有人看到另一层回报：在模型回答任何政治问题以前，中国技术已经帮你省了钱、做成了产品。你对中国的感受，已经因此发生了一点变化。

这可能才是开放权重最被低估的政治意义。每一个大模型，都带着自己国家的口音。中国送出的不只是智能，也是在把自己的技术、标准和叙事送进数百万人的电脑。

第一份回报，几乎没人谈

DeepSeek V4 Flash 和 GLM 5.2 使用 MIT 许可证，Kimi K3 也允许广泛使用、修改和部署。开放权重不等于完整开源，运行它们的芯片和电力更不免费。但开发者确实可以把这些接近前沿的能力装进自己的产品，不必把每一次调用都交给原公司。[3][4][5]

不少人把这件事理解成中国政府没有意识到危险。我不相信这个解释。一个在几十年里显著提高了国家实力的政府，当然会犯错，却不太可能在 DeepSeek、智谱、月之暗面和阿里巴巴同时开放模型时，仍然没看见同一个风险。更直接的证据是政策：中国 2025 年的“人工智能+”文件明确提出建设面向全球的开源生态，2026 年的国际合作行动计划又提出共享开源 AI 和普惠算力。开放不是监管遗漏的一扇门，而是政府主动写进战略的一扇门。[11][12]

第一份回报是政治影响力。

模型从来不是一台价值中立的计算器。训练语料、标注方式、安全规则和监管环境，会决定它怎样描述台湾，怎样比较社会主义和资本主义，又怎样解释一场国际冲突。中国的生成式 AI 规定要求公共服务遵守社会主义核心价值观；美国模型也同样带着创造者的政治直觉和风险偏好。[14]

这种“口音”并非想象。研究发现，GPT-4o 更容易采用西方中心的叙事，DeepSeek 更接近中国政府的叙事；改变政治语料的比例，也会直接改变模型对中国政治机构和领导人的评价。模型不会在每个回答里宣传一个国家，但它会悄悄决定哪些事实更重要，哪些词更自然，哪些前提根本不必说出口。[15][16][17]

我多年前曾经写过 GPT-4 表现出的政治倾向。我也认为 Anthropic 在中国议题上的立场往往更负面。“民主党模型”或者“反华模型”是过于粗糙的标签，真正重要的事实只有一个：没有任何前沿模型是没有立场的。

不过，最有效的政治影响往往发生在政治问题出现以前。一个印度程序员用中国模型写完代码，一个欧洲创业者靠它把 AI 账单压低，一个日本团队用它做成稳定的工作流，他们首先得到的不是一堂政治课，而是一次“中国技术对我有用”的亲身体验。

软实力最有效的时候，看起来通常不像软实力。它只是帮你把事情做成了。

这种体验不会自动消除对审查、安全和依赖的担忧，却会给中国带来外交口号很难买到的熟悉感和好感。它也让印度、日本、欧洲和更多发展中国家多一个选择，不必把未来的每一个 AI 产品都接在少数美国公司的 API 后面。这些国家同样可能成为中国的竞争对手，中国仍然愿意增强它们的能力，因为一个无法被美国公司独占的智能市场，对中国更有利。

美国政府并没有全面禁止开放权重，Meta 也发布过重要的开放模型。真正的对比是，许多最强的美国实验室选择封闭，而越来越多中国实验室把开放当成全球分发方式。[13]

风险当然真实存在。权重一旦离开服务器，就像种子被撒了出去，发布者再也无法决定它最后长成什么。安全限制可以被移除，模型也可能被用于网络攻击和虚假信息。中国接受这些风险，换取全球采用、生态权力、国家好感和更大的叙事声音。这不是慈善，也不是无知，而是一笔经过计算的政治交易。

中国真正想比的是电力和基础设施

智能是这个时代最重要的工具之一。如果它被锁在少数美国商业公司的服务器里，全世界使用智能的价格、规则和边界，就会由几家公司决定。危险之处甚至不只是“美国掌握 AI”，而是如此基础的能力掌握在几家追求利润的私人公司手里。

开放权重是在拆掉这道收费站。模型一旦从稀缺品变成标准件，竞争重点就会从“谁藏着最聪明的权重”，转向“谁能最便宜、最稳定地生产 token”。战场随之下沉到芯片、推理引擎、数据中心、散热、电网和发电站。

这正是中国更愿意竞争的地方。

中国在先进芯片上有明显劣势，电价也并非处处全球最低。但在许多工业场景里，中国有更低的能源和建设成本，更重要的是规模与速度。截至 2025 年底，中国发电装机容量达到 38.9 亿千瓦；国际能源署估算，中国 2024 年清洁能源投资超过 6250 亿美元，并已占全球数据中心用电量约四分之一。电站、输电、工业供应链和数据中心，都不是一夜之间能复制的能力。[7][8][9]

中国模型也被算力限制逼得格外重视效率。DeepSeek V4 Flash 总计 2840 亿参数，每生成一个 token 只激活 130 亿；混合专家、量化、国产芯片适配和生产级推理，已经成为整个开放生态的重点。[3][10]

当然，开放权重不保证 token 一定在中国生成。欧洲公司完全可以在美国云上，用英伟达芯片和欧洲的电运行中国模型。但它会把模型本身的利润压低，把胜负推向整套基础设施的效率。中国赌的是，当模型从皇冠变成零件，自己的电力、工程速度、推理优化和供应链，会比封闭实验室的围墙更有价值。

先把对手最稀缺的商品变得充足，再到自己有规模优势的地方竞争。这就是第二层算盘。

最后，把“百倍利润”的地基抽走

大模型市场对第二名格外残酷。

假设最好的模型是 10 分，你做出了 9.5 分。两者切换只需要改一个 API 地址，用户自然会奔向 10 分。第一名拿走收入，也拿走使用反馈、开发者和口碑，再用这些优势继续保持第一。9.5 分的模型如果继续封闭，很快就会同时失去市场和追赶市场所需的信息。

开放权重，是打破这个循环最直接的办法。私有部署不会自动把用户数据送回模型公司，但公开评测、错误报告、衍生模型、硬件适配和开发者讨论，仍然会形成宝贵的反馈。开放社区还会训练工程师、吸引研究者，把原本只属于一家公司的研发，变成许多人共同扩建的生态。

个人解决最难的问题时，仍然可能选择最贵、最聪明的模型。但到了生产环境，逻辑会完全改变。客服分类、文档提取、代码检查和固定工作流，只要智力越过合格线，价格、速度和稳定性就比榜单上的半分更重要。最难的 5% 交给 10 分模型，其余 95% 交给便宜的 9.5 分模型，用户几乎感觉不到，账单却会感觉非常明显。

截至 2026 年 8 月，DeepSeek V4 Flash 每百万输出 token 为 0.28 美元，Anthropic Claude Fable 5 为 50 美元。两者能力不同，不能直接画等号，但一百多倍的价格差说明了“够用的智能”和“最前沿的智能”之间有多大的定价空间。[1][2]

所以中国公司的商业逻辑很锋利：哪怕暂时不能让用户给自己付钱，也要先让用户少给对手付钱。只要对手无法继续用最高价覆盖所有任务，市场就会重新打开。

这也解释了美国头部 AI 公司那些看起来惊人的收入。把它们说成“虚假收入”并不准确，因为客户真的付了钱；把百倍价格理解成百倍利润也不准确，因为训练和推理同样烧钱。OpenAI 在 2026 年第一季度取得 57 亿美元收入，同时消耗了 37 亿美元现金；Anthropic 当时才接近首个季度经营利润。[18][19]

真正“虚”的，是建立在暂时稀缺上的那部分超额收入。开放模型让普通任务第一次有了可信的替代品，领先公司仍然可以在科学研究、高难度推理和关键 agent 上收取高价，却不能再向每一个普通 token 收取同样的过路费。利润不会消失，只会从垄断利润回到正常利润。

开放本身也是一种商业模式。Hugging Face 报告称，中国模型已占过去一年下载量的 41%，Qwen 家族产生了超过 11.3 万个衍生模型。每一个微调、部署教程和硬件优化，都在扩大原模型的影响；每一个学会使用它的工程师，都可能成为未来的员工、客户或合作伙伴。[6]

现在，三层逻辑连在了一起。开放模型把中国的技术和叙事带到全世界；低价模型把竞争推向电力、数据中心和推理效率；广泛采用再削弱少数美国公司对智能入口的定价权。

中国是在为自己争取利益，不是在做慈善。但自利并不妨碍它产生公共价值。一个更好的未来，不是用中国垄断替换美国垄断，而是让任何国家、任何公司都无法独占通往智能的道路。

如果这场竞争最终让 token 更便宜，让小公司、大学和资源更少的国家也能使用强大的智能，那么最大的赢家不会只是中国。

而是那些原本永远不可能拥有一家前沿实验室的人。

参考资料

1. DeepSeek API 文档，Models & Pricing，访问于 2026 年 8 月 2 日。
2. Anthropic，Claude Fable 5，含 API 价格。
3. DeepSeek，DeepSeek V4 Flash 模型卡，含架构与 MIT 许可证信息。
4. 智谱 Z.ai，GLM 5.2 模型卡及发布文章。
5. 月之暗面，Kimi K3 代码仓库及Kimi K3 许可证。
6. Hugging Face，State of Open Source on Hugging Face: Spring 2026。
7. 国家能源局，2025 年全国电力统计数据，2026 年 1 月 29 日。
8. 国际能源署，World Energy Investment 2025: China。
9. 国际能源署，Energy and AI: Executive Summary。
10. Hugging Face，Architectural Choices in China's Open-Source AI Ecosystem，2026 年 1 月 27 日。
11. 国务院，关于深入实施“人工智能+”行动的意见，2025 年 8 月。
12. 中国政府网，China issues action plan on AI cooperation and development，2026 年 7 月 17 日。
13. 美国国家电信和信息管理局，Dual-Use Foundation Models with Widely Available Model Weights Report，2024 年 7 月 30 日。
14. 国家互联网信息办公室，生成式人工智能服务管理暂行办法，2023 年 7 月 13 日。
15. Pacheco、Cavalini 与 Comarela，《Echoes of power: investigating geopolitical bias in US and China large language models》，Humanities and Social Sciences Communications，2026 年 3 月 25 日。
16. Waight 等，《State media control influences large language models》，《Nature》，2026 年 5 月 13 日。
17. Haslett 等，《Made-in China, Thinking in America: U.S. Values Persist in Chinese LLMs》，2025 年 12 月。
18. 路透社，《OpenAI burned $3.7 billion in first quarter of 2026, The Information reports》，2026 年 6 月 16 日。
19. 路透社，《Anthropic closing in on first quarterly operating profit》，2026 年 5 月 20 日。

本文中的观点性判断由作者负责。模型可用性、许可证和 API 价格核对于 2026 年 8 月 2 日，后续可能发生变化。