下一个时代的AI领导力，将不再取决于谁的模型最强大，

而取决于谁的模型无处不在。

日前，硅谷顶级风险投资公司Andreessen Horowitz（a16z）的普通合伙人马丁·卡萨多（Martin Casado）在接受《经济学人》采访时，透露了一个惊人数据：

在其投资组合中，高达80%的AI初创公司，

其底层技术正构建于来自中国的开源大模型之上。

图表上，代表中美两国开源模型累计下载量的两条曲线，从2023年下半年开始，代表美国的蓝线虽保持增长，势头也很不错，但中国的红线更猛，以更陡峭的斜率向上窜，在2025年上半年会成功超越美国，并预计在2026年上半年冲向惊人的3.2亿次下载量，建立起决定性的领先优势。

兰伯特在这张图上标注了一个词：

“The Flip”（翻转）。

如果你看最近Hugging Face的趋势榜单，

几乎都被中国模型“屠榜”：

阿里巴巴的Qwen（通义千问）系列、百度的ERNIE（文心）大模型、DeepSeek（深度求索）以及月之暗面（Moonshot AI）的Kimi等等模型，长期占据下载量和关注度的前列。

即使有些模型名字看上去不像中国的，但你点进去，大概率会发现我们的开源模型是以base model的面目出现的。

更让人震惊的是另一个全球性平台Design Arena，主要是设计相关功能，其模型排名由用户直接投票决定，我们看到：

排名前18的开源大模型均为中国模型，而第一个非中国模型（来自美国）仅排在第19位。

双重优势

问题是，这一切是怎么发生的呢？

为什么美国初创团队要用中国AI模型呢？

很显然，一大原因就是成本。

允许我们举个现实的例子：

优一家名为“LinguaBot”的AI翻译初创公司，每月需处理10亿tokens的请求。

如果使用OpenAI的API，根据模型不同，其每月的账单至少在1万到2万美元之间。

但如果使用中国的开源模型，如Qwen、DeepSeek系列，它们大多遵循Apache 2.0等宽松的开源协议，允许开发者免费下载、本地部署和微调，完全掌控自己的数据和应用。创业公司前期可能需要投入数千美元购买或租赁云端服务器，但此后的每月运营成本可能骤降至2000至4000美元——直接打了骨折！

对于任何一家需要进行大量模型微调、测试和迭代的初创公司而言，这节省下来的每一美元，都是其在激烈市场竞争中得以存活的宝贵燃料。

而且说实在的，开源模型已经很优秀了。

它们在多个关键基准上实现了“性能平价”（Performance Parity），甚至在特定领域实现了超越。

比如DeepSeek的V3模型在多项评测中击败了Meta的Llama 3.1；阿里巴巴的Qwen系列在Hugging Face等多个榜单上名列前茅；而百度的ERNIE 4.5系列则在混合专家（MoE）架构上取得了显著突破，用更少的计算资源实现了媲美更大参数模型的性能。

所以除了初创企业之外，像爱彼迎（Airbnb）这样的硅谷巨头，

也公开承认正在“重度依赖”中国的开源AI。

爱彼迎CEO布莱恩·切斯基（Brian Chesky）在一次采访中坦言，其用以驱动核心AI客服系统的，正是阿里巴巴的通义千问（Qwen）模型。

尽管爱彼迎采用了包含OpenAI和谷歌在内的13个不同模型，但通义千问是当之无愧的“头号主力”，因为它在多语言处理上的具有非常明显的优势，机器人专家的创始人Nicolas de Cameret评价道：通义千问的多语言支持是原生的，听起来自然得多。

这种能力对于一个业务遍及全球220个国家的平台而言，就是核心竞争力。

切斯基的理由直截了当：

“ChatGPT的集成能力还‘没有完全准备好’，

而通义千问‘非常好’，而且‘又快又便宜’。”

围墙花园

V.S.

开放广场

至此，你可以看到中美两国AI发展的不同路径：

美国最顶尖的模型被严格地保护在“围墙花园”内；而中国的AI实验室则采取了截然不同的“广场策略”，以极高的频率发布新模型、新权重，鼓励全球开发者进行“二次创作”。

这种开放性形成了一个强大的飞轮效应：

更多的下载意味着更多的应用、更多的反馈和更多的改进。

正如一位Reddit用户评论道：

“如果80%的美国创业公司都在用中国模型，你可以安全地假设，在全球其他地区，这个比例可能接近100%。”

这场从硅谷开始的“秘密”转向，

正在成为全球性的阳谋。

当前开源AI的格局，不禁让人联想到上世纪90年代的Linux。

开源，通过汇聚全球智慧，最终在商业上战胜了封闭。AI的革命，似乎正在重演这一幕。

美国在引领了早期GPT系列模型的发展后，出于对“安全”的担忧和商业利益的考量，逐渐关上了开放的大门。

而中国，则抓住了这个战略机遇期，选择了一条“以开放换影响”的道路。

众所周知，美国试图通过芯片出口管制等手段遏制中国AI的发展，但这反而加速了中国在自主AI框架上的自给自足。

而当全球开发者越来越多地基于中国的开源模型进行创新时，中国实际上就在输出技术标准和行业规则。

这是一种比硬件出口更深远、更持久的“软实力”构建。

自然，美国决策层已经意识到了这一威胁。

一位不愿透露姓名的西方网络安全专家说：“当你将核心业务逻辑运行在一个中国模型上时，你必须考虑到潜在地缘政治层面上的‘后门’风险。倘若未来中美关系进一步紧张，这些模型的更新、维护和社区支持是否会成为被利用的筹码？”

于是我们看到，特朗普政府在2025年7月发布了《美国AI行动计划》，其中明确提出，需要确保美国拥有“基于美国价值观的领先开源模型”。

随后，OpenAI也象征性地发布了其多年来的首个开源模型gpt-oss，但这被普遍视为一种被动的、迟缓的回应。

更具实质性的努力来自于由兰伯特等人倡导的“美国真正开放模型”（ATOM）项目，该项目呼吁政府和企业界联合投入，重新夺回开源生态的主导权。

在不少美国人看来，这场反击不仅是技术之争，更是一场关于未来AI应遵循何种价值观和治理模式的“标准之战”。

未来

中国的开源AI模型下载量超越美国，以及在硅谷创业圈的高渗透率，标志着一个新时代的开端。

对中国而言，绝对称得上是阶段性的胜利——

这一阶段的成功，

首先验证了开源战略的正确性。

面对技术封锁，开源不仅是有效的突围方式，更是通过构建全球开发者社区，将中国的技术转化为事实标准的聪明策略。

其次，它展现了中国独特市场优势的巨大潜力。

“人工智能+”行动的核心，就是将AI模型与庞大的制造业、医疗等实体经济相结合，这种大规模应用场景是任何其他国家都难以复制的护城河。

同时，在高端芯片受限的背景下，以DeepSeek为代表的模型通过算法和架构创新，证明了一条“低算力、高效能”的差异化路线是完全可行的。

然而，下载量的激增并不能完全掩盖潜藏的结构性问题。

最现实的挑战在于商业模式：

如何将巨大的影响力转化为可持续的收入，以支撑长期的研发投入，这是所有开源项目必须回答的问题。

更深层次的风险则在于核心技术的自主可控，尽管模型层面进步很快，但在高端芯片、开发框架等底层技术上，“卡脖子”的风险依然存在。

此外，随着影响力的扩大，如何在全球范围内建立信任与安全体系，回应地缘政治带来的顾虑，将直接决定这条路能走多远。

最终，所有这些都指向一个根本目标：

完成从应用大国到基础研究强国的转变，补齐原创性理论的短板。

人工智能的未来，不太可能由一家公司或一个国家垄断，它将是一个由不同技术路线、商业模式和文化价值观共同塑造的多极化世界。

在新的竞争范式下，领导力不再仅仅取决于谁拥有最顶尖的模型，而在于谁的技术能够成为全球创新的基础。

而幸运的是，中国已经凭借其坚定的开源战略，

占据了极其有利的位置。