摘要：中国开放权重模型正在把全球AI竞争从单纯模型能力比拼，推向成本、部署、开发者生态和产业落地的综合竞争。模型影响力不再只来自一次发布或一张榜单，而会沉淀在代码、服务器、业务系统和日常工作流程中。
2026年7月，围绕开放权重模型的几条消息密集出现。
一边是Kimi K3、Qwen 3.8等中国模型继续扩大影响。它们把市场注意力重新拉回到成本、开放权重、可部署性和开发者适配上，也让更多企业开始重新评估自己的技术选型。
另一边，美国开始讨论如何应对中国开放权重模型。有人建议通过立法扶持美国开放模型，也有报道提到，美国政府内部曾讨论过利用采购规则、实体清单和合规要求，限制本国企业使用中国模型。
几年前，全球AI竞争主要围绕模型能力展开。谁的参数更多，谁的榜单成绩更高，谁能推出下一代旗舰模型，往往决定一家公司在行业中的位置。
现在，竞争又增加了一个维度：谁能成为更多开发者、企业和设备默认使用的基础模型。
开放权重改变了模型的传播方式
闭源模型通常通过API提供服务。企业把数据发送到模型厂商的服务器，按照调用量付费，模型升级、服务规则和价格都由平台决定。
开放权重模型提供了另一种选择。
开发者可以下载模型权重，在本地服务器、云平台或行业数据中心部署，也可以根据自己的业务进行微调、量化和二次开发。
这种模式降低了几个门槛。
第一，企业可以控制部署位置。对制造、能源、金融、政务等行业来说，数据能否留在本地，往往比单项榜单成绩更重要。
第二，企业可以控制推理成本。调用量较小时，API服务简单方便；调用量持续增长后，本地部署的成本优势会逐渐显现。
第三，开发者可以修改模型。包括替换推理框架、适配国产芯片、压缩模型体积、接入内部知识库，以及与现有业务系统打通。
第四，模型更容易进入设备端和边缘端。工业终端、机器人、汽车、个人电脑和小型服务器，都需要体积更小、运行成本更低的模型。
开放权重模型因此具备较强的扩散能力。一个模型发布后，可以被云厂商托管，被芯片厂商适配，被开发者微调，也可以被企业直接部署到内部环境中。
模型厂商不需要独自完成全部市场推广，生态中的其他参与者会帮助它进入更多场景。
中国模型找到了适合自己的竞争路径
中国模型厂商过去两年的一个明显特点，是开放权重或准开放权重发布频率较高。
Qwen、DeepSeek、Kimi、GLM等模型，都在不同阶段提供了可以下载、部署或即将开放权重的版本。模型能力提升后，这种策略带来的影响开始扩大。
中国模型在海外受到关注，通常与三个因素有关。
首先是价格。
在模型能力接近的情况下，推理价格会直接影响产品能否大规模使用。代码助手、智能客服、搜索、内容处理和智能体应用每天可能产生大量调用，价格差距会快速转化为运营成本差距。
其次是可部署性。
很多初创公司不愿把业务完全绑定在单一API平台上。开放权重模型可以部署在不同云平台，也可以根据业务规模调整硬件配置。
再次是模型与硬件的适配空间。
中国企业面临芯片供应和算力成本压力，模型压缩、低精度推理、混合专家架构和国产芯片适配因此发展较快。企业选择模型时，也会关注它能否运行在现有硬件环境中。
这些条件叠加后，中国模型获得了一种与美国闭源模型不同的传播路径。
美国头部模型依靠强大的通用能力、高端用户和API生态占据市场。中国模型更多依靠开放权重、较低成本和本地部署进入开发者社区和企业场景。
两种路径并不冲突，却会争夺同一批开发者。
模型竞争开始接近操作系统竞争
开放权重模型的扩散方式，与过去的软件平台竞争有一些相似之处。
操作系统时代，一家公司不一定要控制所有硬件，只要能让更多厂商、开发者和设备围绕自己的系统建立应用生态，就可能获得长期影响力。
移动互联网时代，Android依靠开放生态进入大量设备，iOS依靠封闭体系和高质量体验建立另一套市场。
大模型领域也可能形成类似结构。
一类模型保持闭源，通过统一API提供高质量服务。
另一类模型开放权重，让芯片厂商、云平台、软件公司和企业用户自由部署与改造。
开放模型未必在所有指标上领先，但只要它足够好、足够便宜、足够方便，就有机会成为大量应用的底层组件。
开发者一旦围绕某个模型建立提示词体系、微调数据、评测集、工具链和业务流程，迁移成本会逐渐增加。
因此，模型厂商争夺的也包括开发习惯、工具标准和行业接口。
谁先进入更多项目，谁就更容易积累适配方案、部署经验和行业数据。
美国开始重视开放模型竞争
美国AI产业过去几年主要由闭源模型公司推动。
OpenAI、Anthropic和Google依靠大规模训练投入和云端服务，占据了前沿模型市场。Meta虽然发布开放权重模型，但美国整体产业资源仍然更多集中在闭源平台。
中国开放权重模型的能力和使用量上升后，美国内部的讨论开始变化。
一些人认为，美国需要建立更强的开放模型体系，否则全球开发者可能逐渐转向中国模型。
也有人提出，应通过版权、蒸馏和模型训练规则，为美国开放模型创造更有利的条件。
与此同时，限制中国模型的声音也开始出现。
采购规则、实体清单和安全审查，都可能成为影响模型使用的手段。对于政府、军工和关键基础设施项目，这些规则的约束力尤其明显。
这类政策可以限制部分市场，却很难阻止开放权重模型在全球传播。
模型文件一旦公开，就可以被下载、复制、微调和重新部署。限制云服务相对容易，限制已经进入开发者社区的模型要困难得多。
这也是开放权重模型的特殊之处。它既是一种产品，也是一种可以被全球开发者继续加工的数字基础设施。
开放权重不等于完全开源
讨论中国开放模型时，还需要区分“开放权重”和“开源”。
开放权重通常意味着用户可以下载训练完成后的模型参数，但不一定能够获得完整训练数据、训练代码和数据处理流程。
不同模型的许可证也存在差异。
有些允许商业使用，有些对用户规模、行业和二次分发设有限制。有些模型允许修改和微调，却不允许使用其输出训练竞争模型。
因此，开放权重提供了更强的使用自由，却不代表所有环节都公开。
对于企业来说，选择模型时需要同时关注许可证、数据合规、更新机制、技术支持和长期维护。
只看“免费”或“可以下载”，容易低估后续成本。
模型部署之后，还需要持续处理推理优化、安全补丁、版本升级、知识库更新和业务适配。
企业选择模型的标准会发生变化
模型能力仍然重要，但企业选型已经很难只看榜单。
一个模型能否进入生产环境，通常取决于多项条件：
能否部署在现有服务器上；
是否支持企业内部数据隔离；
推理成本是否可控；
是否具备稳定的工具调用能力；
能否适配现有数据库、软件系统和智能体平台；
是否支持国产芯片和多种推理框架；
模型厂商是否持续更新；
许可证是否允许商业使用。
对于很多企业来说，能力最高的模型未必是最合适的模型。
一个在特定业务中表现稳定、成本较低、可以本地部署的模型，可能更容易获得长期使用。
这也给中国模型厂商提供了机会。
中国企业拥有大量制造、能源、物流、政务和中小企业场景。开放权重模型可以与行业软件、工业数据和本地算力结合，形成针对具体业务的解决方案。
模型公司如果只发布模型文件，优势很容易被追平。若能同时提供推理框架、开发工具、行业数据、智能体平台和硬件适配，生态壁垒会更高。
下一阶段比拼的是生态完成度
开放权重让中国模型获得了更大的国际影响力，但模型发布只是第一步。
开发者是否愿意长期使用，还取决于文档质量、社区响应、版本稳定性、部署工具和兼容性。
企业是否愿意进入生产环境，还取决于安全、运维、服务保障和行业适配。
芯片厂商是否愿意投入适配资源，也要看模型的用户规模和更新节奏。
未来的竞争很可能围绕几个层面展开：
模型能力能否保持在主流水平；
推理价格能否持续下降；
模型能否运行在更多硬件平台；
开发工具是否足够成熟；
企业部署是否足够简单；
行业应用是否形成规模。
中国开放权重模型已经获得了一个较好的起点。
美国开始讨论立法扶持和使用限制，也说明开放模型已经进入国家产业竞争的视野。
接下来决定格局的，将是开发者数量、企业部署规模和行业生态。
当越来越多应用围绕某类模型建立起来后，模型的影响力就不再只来自一次发布会或一张榜单，而会沉淀在代码、服务器、业务系统和日常工作流程中。