为什么中国实验室如今主导开源AI

如果你在2024年初告诉一位从事AI基础设施工作的人，两年后所有主要智能基准上前五的开放权重模型都将来自中国实验室，他们多半会持怀疑态度。当时主导的开放权重名字是Llama、Mistral和Falcon——分别来自Meta、一家法国创业公司和阿联酋的研究机构。DeepSeek刚刚发布V2；Qwen 2正在崛起；Kimi仍是Moonshot旗下的中文产品，对英语AI圈而言几乎不可见。

到2026年4月，画面发生了根本性变化。当前的开放权重排行榜：

• DeepSeek V4 Pro（BenchLM 87）
• Kimi K2.6（BenchLM 86）
• MiMo V2.5 Pro（小米，综合分约86）
• GLM-5 / 5.1（Z.ai，BenchLM 83）
• Qwen 3.5-397B-A17B（阿里巴巴，BenchLM 约82）

前五——以及前十的多数席位——如今全部由中国实验室独占。Mistral Small 4、Hermes 4、Llama 4以及OpenAI的GPT-OSS组成非中国选项的第一梯队，但差距在2025-2026年间持续扩大。

这并非偶然，也不是某个季度的离群点。这一格局反映了中美AI研发之间需要数年才显现的战略、结构与经济差异。理解其背后的原因，对2026年及以后做出模型选择决策的所有人都有用。

战略选择：把开放权重作为地缘政治杠杆

最重要的因素也是最简单的：中国AI公司将开放权重发布视为战略优先项，这是美国AI公司普遍未做的。其逻辑是地缘政治与经济性的。中国实验室在封闭API竞争中面临结构性劣势——他们难以服务西方企业客户，受出口管制限制难以获得前沿硬件，且在全球企业买家中没有OpenAI与Anthropic那样的品牌识别度。

开放权重翻转了杠杆。一个发布最强开放权重模型的中国实验室，会成为任何偏好自托管部署的团队的默认选择——无论这些团队是不能或不愿使用美国专有API，还是需要对自己的AI基础设施保有主权。模型被全球部署——包括评估替代OpenAI与Anthropic的自托管方案的美国企业——而实验室积累的生态影响力会转化为长期的市场地位。

美国AI公司面临相反的算计。OpenAI、Anthropic与Google从封闭API中获得了巨额收入，因此释放具有竞争力的开放权重模型来蚕食那部分收入的动机有限。少数例外——Meta的Llama线、OpenAI在2025年8月发布的GPT-OSS——之所以引人注目，恰恰因为它们偏离了主流的美国战略，而非常态。

这并不是任何一方的道德判断。两种策略在各自的竞争位置上都有道理。但它们产出了一种结构性格局：中国实验室更激进地投资开放权重发布，美国实验室更激进地投资封闭API，而开放权重排行榜反映了这种投入分配。

经济模式：更低的训练成本

第二个因素是训练经济学。DeepSeek 2024年末的V3论文之所以引发轰动，正是因为其报告的训练成本据称仅为同等水平西方模型的一小部分——按DeepSeek的说法约为560万美元，而对GPT-4级别训练的估计则达到数亿美元。成本结构差异来自几个来源：

工程效率。 中国实验室被迫在西方实验室不需面对的限制下做硬性优化。对先进GPU的出口管制意味着，中国实验室无法像西方前沿实验室那样简单地用硬件砸问题。架构创新——DeepSeek的多头潜在注意力（Multi-Head Latent Attention）、Qwen的混合MoE设计、Kimi的专家路由优化——部分是对西方实验室不必规避的硬件约束的工程响应。

训练数据精炼。 中国实验室普遍重金投入精心策划的合成数据生成，而不是主要依赖公开网络数据。累积效应是更高效的训练：每个Token的信号更好、重复更少、数据质量更高。西方实验室也在做这件事，但中国实验室在这上面相对总训练预算的边际投入更高。

更低的算力机会成本。 一家西方前沿实验室进行一轮2亿美元的训练，等于放弃了价值2亿美元、原本可以服务付费API客户的算力。中国实验室面对的是不同的算力经济——本土的中国云与芯片生态、政府支持的基础设施投资以及更低的实验性训练机会成本。这让激进实验在期望值上更便宜。

结果是中国实验室在每单位投资下推出更多模型版本、迭代更快，并能负担得起把中间检查点也释放出去——而西方实验室会把这类检查点视为太宝贵不能放出。在2025-2026年间，Qwen、DeepSeek与Kimi都保持了西方实验室在开放权重领域根本无法匹敌的发布节奏。

结构性优势：本土算力栈

第三个因素是中国本土AI算力栈的发展。在2025-2026年间，中国芯片研发——华为昇腾、日益具备竞争力的国产替代品、以及围绕它们日趋成熟的软件栈——已达到无需主要依赖NVIDIA硬件即可进行前沿规模训练的水平。

GLM-5由Z.ai于2026年2月发布，据称是在8颗华为昇腾H20芯片上训练的。这不仅仅是个噱头——它代表了首个有据可查、在非NVIDIA基础设施上训练的前沿规模开放权重模型。其含义是真实的：能够在本土硬件上训练并部署前沿模型的中国实验室，拥有一条美国出口管制难以轻易切断的前进路径。

对中国以外的部署团队而言，这件事的直接影响较小。但这意味着"中国开放权重发布会因出口管制或芯片获取问题突然停滞"的结构性风险已经下降。2026年的中国开放权重生态比2024年更有韧性，发展轨迹是朝着更少（而非更多）依赖西方算力供应链的方向前进。

人才模式：不同的职业路径

中国AI研究者的劳动力市场与美国有根本性差异。在美国，顶级AI研究者面对的是被前沿实验室（OpenAI、Anthropic、Google DeepMind）外加资金充裕的初创生态主导的高竞争市场。薪酬预期极高；研究者通常期望要么是丰厚的现金薪酬，要么是有上行空间的可观股权。

在中国，市场结构有所不同。顶级AI人才流经数量更少的公司（阿里巴巴、腾讯、字节跳动以及DeepSeek、Moonshot、Z.ai等头部AI创业公司），绝对值意义上的薪资上限更低——尽管购买力与生活方式因素让这种比较远比表面数字所暗示的更复杂。结果是中国AI实验室能以西方前沿实验室在等同质量下难以承受的总薪酬成本，组建大规模研究团队。

再加上文化上不同的开放发表态度（中国AI实验室普遍比西方前沿实验室更激进地公开发表，部分是为了国际可见度），这就形成了一种研究生态——开放权重发布的边际成本比美国更低。中国实验室在发布前沿开放权重模型时，研究者整体上把开放发表视为工作的正常预期产出，而非牺牲竞争优势。

含义：一种持续性的格局

很自然的问题是，这是暂时领先还是结构性格局。我们的判断是结构性的，至少在未来几年内是这样。战略一致（开放权重作为地缘政治杠杆）、经济结构（更低的训练成本与人力成本）、基础设施独立（不断发展的本土算力栈），以及文化模式（更激进的开放发表）的组合，构成了一种持续优势——它不会在任何单个产品周期内逆转。

美国AI公司不太可能突然开始释放具有竞争力、会蚕食其封闭API收入的开放权重模型。OpenAI在2025年8月的GPT-OSS发布是一次值得注意的偏离，但其定位明确为低于前沿的版本，而非有竞争力的开放权重旗舰。Meta的Llama 4反响参差，Behemoth也已暂停。产生当前中国实验室主导格局的结构性条件并未逆转。

对于在2026年做基础设施决策的团队，这一格局有切实含义。把部署策略建立在"美国开发的开放权重模型保持竞争力"的前提之上，风险越来越大。未来24个月的基线情形是：中国实验室的开放权重发布继续主导排行榜，Mistral（在欧洲）、Nous Research（凭借类Hermes的可引导微调）以及偶有显著发布的美国版本（如GPT-OSS）会有阶段性的竞争回应，但整个生态的位置不会出现持续转移。

这对生产部署意味着什么

对多数团队的实用答案是：习惯把中国实验室的开放权重模型作为主要基础设施选择。许可总体上对商业部署友好（多数当前旗舰为Apache 2.0或等效）、部署基础设施（vLLM、Ollama、llama.cpp、TensorRT-LLM）将其支持为一等公民，且在排行榜数据可得的每一个参数规模上，模型质量都确实优于西方替代方案。

在特定情境下，确实有偏好非中国替代方案的合法理由：监管约束（部分行业出于合规原因不能使用中国开发的模型）、数据主权偏好（欧洲部署常因欧盟定位而专门选择Mistral），或刻意纳入非中国选项的供应链多元化策略。这些都是有效考量，并将继续推动相当一部分部署决策走向Mistral、Hermes 4以及类似的非中国选项。

但默认选项——在没有特定结构性原因促使你另作选择时所选的模型——在2026年大概率应是一款中国实验室的开放权重选项。多数生产部署用Qwen 3.6，多GPU服务器部署用DeepSeek V4，长程智能体工作负载用Kimi K2.6，智能体式编程用MiMo V2.5 Pro。产生这种领先地位的结构性条件在短期内不会逆转，让基础设施与这一现实对齐，会比与之对抗带来更好的结果。

收尾思考

西方AI评论中存在一种倾向，把中国实验室的主导地位框定为令人担忧或地缘政治隐忧的证据。我们并不这样看。开放权重发布——无论来自何处——让AI基础设施可被远比单靠封闭API更广泛的部署团队所使用，由此形成的生态比由少数美国专有提供商主导的生态更健康、更有韧性。

2026年最强的开放权重模型恰好来自中国实验室，是当前时刻特定的战略与经济动态所致。这并非生态的永恒特征。但对今天做部署决策的团队而言，实用指引是清晰的：最佳的开放权重选项是中国实验室的发布，许可支持商业部署，让基础设施策略与这一现实对齐，会比等待美国实验室追上差距得到更好的结果。它们可能不会追上，至少不会在开放权重这条特定的赛道上。