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

一个开发者第一次使用中国开放模型，多半不是为了谈政治。他面对的是月底的账单、上线的期限，是一个又一个等着解决的具体问题。模型如果好用，他会推荐给同事；同事做出了东西，又会推荐给下一家公司。

很少有人把这个过程看作政治影响。大家谈的是价格和性能，留在心里的却是一种真实而朴素的感受：中国技术确实有用。模型甚至还没有回答过一个政治问题，中国的国家形象已经在这种日常使用中悄然改变。

真正重要的是：模型会替一个国家解释世界

DeepSeek、GLM 和 Kimi 已经向全球开发者开放了性能强大的模型权重。开发者可以下载、修改和部署，再把它们装进自己的产品。[3][4][5]

有人说，中国政府可能还没有意识到这里面的危险。我不太相信。中国政府几十年来不断增强国家实力，很难想象多家头部公司沿着同一方向前进，政府却始终没有看见。近年的中国 AI 政策也明确提出，要建设面向全球的开源生态。这更像一次有意为之的选择。[11][12]

这项选择的政治价值，并不只是让更多产品贴上中国模型的名字。更深的一层在于：当全世界越来越多人使用中国模型，他们使用的不只是模型的能力，也在使用模型对世界的判断。

大模型并不是从所有事实中随机抽取一句话。它由什么语料训练，接受怎样的标注，遵守哪一套安全规则，处在什么监管环境里，都会进入最后的回答。谈到台湾、社会主义与资本主义，或者一场国际冲突，不同模型会选择不同的事实、措辞和解释框架。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；美国模型同样会反映开发者的政治立场和风险偏好。[14]

这种政治倾向最容易在直接问题中被看见。同样谈台湾，一个模型可能先强调国家主权，另一个模型可能先强调民主与自决；同样谈中美竞争，一个模型可能使用“维护国际秩序”，另一个模型可能使用“遏制中国发展”。事实没有完全改变，读者被带到的道德起点却已经不同。措辞看似只是毫厘之差，日积月累以后，却可能把人带向截然不同的判断。

研究已经测到了这种差异。GPT-4o 更常从西方视角叙述问题，DeepSeek 更接近中国政府的立场；调整政治语料的比例，也会改变模型对中国政治机构和领导人的评价。模型不必公开赞美一个国家。只要某些事实反复出现在前景，另一些事实总留在背景，影响就会慢慢积累。[15][16][17]

我多年前写过 GPT-4 表现出的政治倾向，也认为 Anthropic 在中国议题上的立场往往更加负面。把它们简单叫作“民主党模型”或“反华模型”并不严谨，但前沿模型确实会留下开发团队、训练数据和社会环境的痕迹。这里无须先判断哪一套立场更高明。重要的是，如果全世界只使用少数美国模型，美国的解释框架就很容易在不知不觉间变成默认答案。

而大模型的影响力，远远不止回答几个敏感问题。越来越多人让模型总结新闻、解释历史、比较制度、推荐书籍、撰写报告。很多时候，模型给出的不是最终答案，却是用户看到的第一个答案。它决定了一个问题从哪里讲起，哪些背景值得交代，哪些观点属于“主流”，哪些立场显得“极端”。谁掌握了这个最初的解释框架，谁就拥有了一种过去只有媒体、学校和文化机构才能拥有的权力。

这种权力还有一个传统媒体不具备的特点：它不是远远地向一群人广播，而是进入每个人的工作和私人对话，为每个人单独回答。用户主动把问题交给它，也主动让它整理信息、修改文字、形成判断。影响因此更加贴身，也更难被察觉。

更关键的是，政治信任并不是在政治问题上凭空产生的。一个模型先替你写对了一百段代码，帮你找出合同里的漏洞，又替你省下真金白银；等你有一天问它如何理解中国、美国或一场战争时，你已经习惯相信它了。能力带来的信任，会悄无声息地流向观点。这才是开放中国模型最深的政治回报。

一个印度程序员用中国模型完成项目，一个欧洲创业者靠它降低账单，一个日本团队用它跑通工作流。他们会记住，中国模型帮过自己的忙。真正有效的软实力，从来不是声嘶力竭地告诉别人自己有多好，而是在不知不觉间，让别人发现你确实有用。

这种由日常使用积累起来的好感，是外交口号很难换来的。印度、日本、欧洲和更多发展中国家也因此多了一个选择，不必把所有 AI 产品都接在少数美国公司的 API 后面。许多最强的美国实验室仍然选择封闭，而中国实验室正在用开放模型打破一枝独大的局面。即使这些国家将来成为中国的竞争对手，一个拥有更多选择的智能市场，对中国仍然更有利。[13]

当然，开放会带来代价。权重一旦发布就很难收回，安全限制也可能被移除。这些风险摆在明面上，中国仍然选择向前走，因为另一端连着更广阔的市场、更多的开发者，以及过去很难获得的国际话语权。

接下来，是电力和基础设施的硬账

智能正在成为一种基础能力。如果它始终锁在少数美国商业公司的服务器里，几家公司就能决定全世界使用它的价格、规则和边界。开放权重首先打破的，正是这种稀缺。模型之间的差距逐渐缩小，竞争便会顺势向下游移动，落到芯片、推理引擎、数据中心、散热、电网和发电能力上。

中国的芯片能力正在快速追赶。2026 年，由 6 万张国产 AI 加速芯片组成的科学计算集群已经投入使用。到了这样的规模，单张芯片的参数已经不能说明全部问题，集群、软件、调度和整套系统的效率同样举足轻重。[20]

电力则是中国更直接的优势。国际能源署将中国称为全球最大的电力系统；2025 年，中国发电量达到 10.58 万亿千瓦时，发电装机容量达到 38.9 亿千瓦。数字背后，是一座座已经建成的电站、一张不断延伸的输电网络，以及多年积累下来的工业能力。这些沉甸甸的基础设施，正是大规模 AI 推理需要的底座。[7][21][22]

中国公司也把每一块芯片能完成多少工作放在了核心位置。DeepSeek V4 Flash 总计 2840 亿参数，每生成一个 token 只激活 130 亿。混合专家、量化和推理优化之所以在中国模型中格外重要，背后首先是一笔成本账。[3][10]

当模型本身越来越便宜，决定 token 价格的就不再是某一张芯片，而是整套系统。模型权重可以很快复制，电站、输电网络和工业体系却需要经年累月地建设。中国正在把竞争引向这些更深、更重的地方，而这里恰恰是它多年厚积薄发形成的优势。

最后，9.5 分模型开始反击

假设最好的模型是 10 分，你做出了 9.5 分。切换模型只需要改一个 API 地址，用户自然会用脚投票，奔向 10 分。第一名拿走收入、使用反馈、开发者和口碑，再用这些优势巩固领先，市场很快形成赢者通吃的局面。第二名如果仍然闭门不出，甚至连追赶所需的反馈也拿不到。

开放权重让第二名有机会另辟蹊径。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，仍然能帮助公司改进模型。开放社区还会训练工程师、吸引研究者，让原本势单力薄的追赶者，逐渐拥有一个与它共同成长的生态。

个人使用时，人们仍然可能为最难的问题选择最贵、最聪明的模型。生产环境却有另一套逻辑。客服分类、文档提取、代码检查和固定工作流，只要能力达到要求，再一味追求最强模型，无异于杀鸡用牛刀。最难的任务交给 10 分模型，其余工作交给便宜的 9.5 分模型，用户未必感觉得到，账单却会给出最诚实的答案。

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，不能直接比较，但一百多倍的价差足以让企业重新检查每一种任务究竟需要多少智能。[1][2]

这正是中国公司的机会。它不必在每一个问题上与最强模型正面交锋，只要凭借价格和开放避其锋芒，进入那些“足够好就可以”的场景。哪怕暂时不能让用户给自己付钱，也可以先让用户少给对手付钱。这不是硬碰硬，而是从价格和分发上釜底抽薪。

美国头部 AI 公司的收入当然是真的，客户确实付了钱；百倍价格却不等于百倍利润，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]

问题在于，其中一部分收入依赖模型暂时稀缺。开放模型为普通任务提供了便宜而可信的替代品以后，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，却很难再向每一个普通 token 收取同样的费用。开放模型要打掉的不是合理利润，而是少数公司凭借垄断地位收取的高额过路费。

开放也不等于放弃商业利益。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。一个微调版本、一篇部署教程、一次硬件优化，看起来都微不足道；但涓滴成河，它们最终会汇成难以复制的生态。熟悉这些模型的工程师，也可能成为未来的员工、客户或合作伙伴。[6]

中国把权重交给世界，当然有自己的算盘：它希望更多人使用中国模型，希望吸引人才、带动基础设施需求，也希望为自己争取更多好感和话语权。可自利并不妨碍一件事产生公共价值，世界从这场竞争中得到的，是更大的选择权。

最值得期待的未来，不是用中国垄断替换美国垄断，而是让智能真正百花齐放。到那时，小公司、大学和资源更少的国家也能用得起、用得上，普通人无需先得到任何一家实验室的许可，也能使用这个时代最重要的工具。

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。
20. 国家互联网信息办公室，我国最大规模科学智能计算集群投入使用，2026 年 4 月 14 日。
21. 国家能源局，电力行业发展向新向绿，2026 年 6 月 15 日。
22. 国际能源署，Global Energy Review 2025: Electricity。

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