中美企业AI开源与闭源之争：谁能把AI变成生产力

coffee198375

2026年7月24日，英伟达CEO黄仁勋在社交平台X上发布首条帖文，分享了一封由英伟达、微软、Meta、IBM、Linux基金会等二十多家企业和机构联合签署的公开信《开放权重与美国AI领导力》。信中提出，美国是否继续领导人工智能，不能只看它有没有世界上最强的模型，还要看AI能否真正进入工厂、医院、农场、学校和中小企业的日常工作。开源模型让企业可以下载、检查、修改并运行模型，按不同任务选择不同成本和能力的解决方案，从而避免整个AI经济被少数模型供应商控制。黄仁勋的态度很明确：世界既需要前沿闭源模型，也需要前沿开源模型。

严格来说，今天被普遍称为“开源模型”的产品，多数只是开放权重，并未像传统开源软件那样完整公开训练数据、数据处理方法和训练代码。这并不影响它正在产生的经济效果：先进模型正在从少数公司掌握的稀缺能力，逐渐变成企业可以购买、下载、替换和组合的通用资源。

当市场上只有一个模型能完成某项任务时，它可以收取高额的技术溢价。当五个甚至十个模型都能胜任时，客户就会开始比较成本、速度、数据安全和部署方式。8月，Meta又发布开放权重模型Muse Glimmer，可在单块显卡上运行，直接面向日程管理、文件整理等智能体任务。扎克伯格同时呼吁美国减少对开源模型发展的政策摩擦。模型能力固然重要，却开始从不可替代的核心资产，变成可以选择和切换的系统部件。这就像汽车工业的发展，发动机曾是汽车企业最核心的竞争力，但当发动机技术逐渐成熟，产业竞争便开始转向整车设计、供应链、渠道、品牌和服务。人工智能正在经历类似的变化。

当模型越来越容易获得，讨论开源赢还是闭源赢，已经很难触及产业竞争的核心。更值得观察的是：AI产业的稀缺资源和利润将转向何处？

第一，利润将向算力与能源迁移。如果模型越来越开放，最直接的受益者未必是模型公司，而可能是为模型运行提供基础设施的企业。闭源模型通常通过应用程序接口（API）收费，每一次调用都直接带来收入。开源模型则允许企业将模型部署在自有服务器、云平台、个人电脑、手机或者工业设备上。模型可以免费，但模型运行所需要的芯片、服务器、存储、网络和电力不会免费。

黄仁勋接受Axios采访时坦言，Kimi K3等更便宜高效的开源模型会让更多个人和企业开始使用AI，最终对芯片、数据中心和算力的需求会增加。这也是英伟达积极支持开源模型的根本原因。OpenAI和Anthropic依靠模型能力的稀缺性收费，英伟达则从AI能力的大规模扩散中获利。它不需要押注某一家模型公司胜出，只要模型数量增加、推理成本下降、应用范围扩张，开源模型和闭源模型都需要芯片和计算平台。

这背后是一种典型的“杰文斯悖论”，资源使用效率提高、单位成本下降，总消耗量未必减少，反而可能因为用途扩大而快速增长。从这个意义上说，开源模型并没有让AI免费，而只是改变了付费对象。过去企业主要向模型公司支付调用费，未来可能更多地向芯片厂商、云平台、数据中心和能源企业付费。近两年数据中心的用电需求快速攀升、多国电网面临扩容压力，某种程度上正是这一趋势的现实注脚。

第二，利润将向专有数据与工作流程迁移。当多个模型都能写文章、生成代码、分析文件时，企业缺少的是一个真正理解自身业务的系统。通用模型知道什么是合同，却不知道一家企业过去签过哪些合同；知道什么是设备故障，却不知道某条生产线三年来的异常记录；知道如何解释政策，却不了解一个部门的政策体系、办事流程和部门间的职责边界。这些知识散落在企业数据库、业务系统、生产日志、会议记录和员工经验里。有些已经数字化，有些仍然隐含在组织惯例和个人判断之中。

因此，开源模型越成熟，企业专有数据和真实工作流程反而越重要。同一个模型部署在不同企业，最终的价值可能截然不同。一家企业只能让它回答常见问题，另一家企业却能让它读取订单、调用系统、判断风险、生成方案并跟踪执行结果。差别不在模型本身，而在于其背后有哪些数据、工具、权限和反馈机制。

模型可以在几小时内更换，企业积累的数据、经验和协作方式却要经年形成。一代模型的领先很快可能被追平，企业之间更持久的差距，将体现在数据能否流动、流程能否调整、人与AI能否有效协同。随着模型日益通用，产业价值也会更多流向企业软件、数据治理、系统集成和行业服务。毕竟，模型本身只是能力，接入企业数据、进入业务流程、解决具体问题之后，才会变成生产力。

第三，利润将向入口和分发迁移。互联网时代已经反复证明，底层技术决定可能性，入口决定现金流。搜索引擎控制信息入口，操作系统控制软件入口，应用商店控制分发入口，电商平台控制交易入口，社交网络控制注意力入口。人工智能时代不会例外。

当模型可以相互替代，普通用户未必在意后台运行的是哪一个模型。人们不会每天比较十种模型，再决定用哪个安排会议、处理邮件或者修改文档。多数人最终会直接使用嵌入办公软件、社交应用或操作系统中的AI功能。谁掌握入口，谁就拥有选择模型和分配流量的权力。

Meta就是典型例子。一边用闭源模型强化自己的产品，一边用开放权重模型扩大开发者和本地部署生态。模型不必直接盈利，只要能够增强入口，延长用户的使用时长，提高广告、订阅、云计算或者硬件收入，免费的开源模型同样具有商业价值。

对于纯模型公司，模型开源意味着放弃部分调用收入。对于芯片企业，模型开源意味着更多计算需求。对于平台公司，模型开源意味着更低的技术成本和更强的入口控制。大家都在谈开源，算的却不是同一本账，这也是开源之争最容易被忽略的地方。每一家企业都是站在自己的利润表上观察开源。靠出售模型稀缺性赚钱的企业，会更重视能力控制，靠芯片、云计算、广告、软件入口赚钱的企业，则更希望模型充分扩散。

第四，利润将向控制权和责任承担迁移。很多人认为，开源模型会让所有AI服务变得廉价。但在医疗、金融、制造、公共服务和关键基础设施等领域，客户购买的从来都不只是模型能力，还有可靠性、安全性、合规性、持续运维和事故责任。

一个免费模型可以给出诊疗建议，但医院不能因此把医疗责任交给模型。一个开源模型可以分析金融风险，但银行仍需知道数据是否合规、结论是否可解释、系统是否稳定，以及出错后由谁负责。模型开源之后，企业获得了自主部署权，也要承担版本更新、安全防护、权限管理和风险控制。围绕这些形成的专业服务市场可能更大。技术可以免费，可信赖的服务仍然收费。开源数据库没有消灭数据库公司，Linux也没有消灭企业级操作系统服务。未来高价值的AI产品，不一定是“我有一个别人没有的模型”，而可能是“我能够保证这个系统在你的业务环境中可靠运行”。

为此，中国AI企业要防止只赢得模型、却失去利润。开源模型正在成为中国AI企业进入全球技术体系的一条重要路径。K3发布后一周，Kimi在美国的下载量增长近四倍。一些海外企业也开始使用中国模型降低成本。模型一旦被下载、微调、部署进企业工作流，中国技术事实上已经进入当地的产业生态。但下载量、排行榜和开发者声誉不会自动变成商业收益。

如果模型由中国企业提供，算力收入流向海外芯片企业，部署收入流向国际云平台，分发入口被操作系统和应用商店掌握，最终客户关系也留在国外平台手中，那么中国企业可能赢得技术影响力，却难以获得支撑下一代研发的利润。因此，中国AI产业下一阶段不能只关心有没有更强的模型，还要回答一系列更现实的问题：模型运行在哪一种芯片上，通过什么平台部署，数据沉淀在哪里，智能体调用哪些业务系统，客户入口由谁掌握，最终形成的行业知识又归谁所有。这也意味着，国产算力生态、云服务能力和行业解决方案的建设，与模型本身的性能提升同样紧迫，甚至更为紧迫。

未来不会是开源简单打败闭源，也不会由少数闭源公司垄断全部智能。闭源模型继续提供最前沿的能力、更完整的产品体验和更方便的托管服务。开源模型则会承担大规模扩散、行业定制、本地部署和技术主权。企业则会根据任务难度、成本、安全和延迟，在多个模型之间切换。但无论采用哪一种路线，一个趋势已经越来越清楚，模型不再能独占AI产业的全部价值。算力和能源决定AI能否大规模运行，专有数据和工作流程决定AI是否真正理解业务，应用入口决定谁掌握用户和流量，安全与责任则决定AI能否进入关键行业。

过去，人们不断追问谁拥有最强大的模型？下一轮竞争要回答的问题已经变了：谁能够把越来越容易获得的智能，沉淀为一个组织中不可替代的能力？这才是AI开源大战正在重新绘制的产业利润地图。