在接下来的日子里，中国将迎来一波开源大模型的发布热潮。其中，Kimi K3定于7月27日正式开源，阿里也计划开源其拥有2.4万亿参数的Qwen3.8-Max，而DeepSeek-V4的正式版也预计在本月底与公众见面。

曾亲自走访过Kimi团队的美国AI研究者内森·兰伯特（Nathan Lambert）指出，中美两国在大模型领域的差距已经缩短至3到5个月。

自DeepSeek-R1发布后，中国开源模型再次在美国国内引发了激烈的讨论，形成了支持与反对的两派对立观点。

7月16日，月之暗面公司发布了参数规模高达2.8万亿的Kimi K3，其多项评测成绩已经逼近甚至超越了美国顶尖的闭源模型，这一成就甚至引起了马斯克的关注，他将其视为潜在的挑战者。面对这一挑战，OpenAI与Anthropic的高管们抛出了“威胁论”，部分人士更是向白宫呼吁采取“封杀”措施。

然而，硅谷的多数科技企业却持相反观点，他们支持开源，反对闭源垄断。当地时间7月24日，包括Meta、英伟达、微软在内的25家美国科技公司联名签署了一封公开信，呼吁开放权重AI模型。华尔街的投行们也认为，低成本开源模型并不会削减算力需求，反而有可能进一步扩大市场。

那么，少数反对者究竟在担忧什么呢？美国初创企业和普通用户又将如何做出选择呢？

中国开源模型赶超硅谷，意外成为硅谷的“救星”

7月16日，月之暗面发布的2.8万亿参数Kimi K3引起了广泛关注。AI评测平台Arena的联合创始人Anastasios Angelopoulos直言不讳地表示，这可能是“今年最重要的一次模型发布”。

图片来源：Arena

曾走访过月之暗面公司的美国AI研究者内森·兰伯特向徽声在线记者分享了自己最近的一篇文章。他在文中判断，中美两国在大模型领域的差距，已经从之前外界普遍认为的6到9个月缩短到了3到5个月。

今年4月，内森·兰伯特曾在中国与Kimi团队进行了深入的交流。他观察到，即使在GPU算力受限的环境下，中国团队依然展现出了强大的创新能力。他表示，中国AI实验室的资本效率远高于美国，筹集的资金规模也远低于美国同行。这种效率差异源于策略选择的不同：美国实验室倾向于投入巨资推动前沿突破，而中国实验室则更侧重于高效追赶——这种策略能够以更低的成本打造出极具竞争力的模型。

野村首席宏观经济学家苏博文也向徽声在线记者表示，中国在开源模型推广、电力供应、人才储备以及与机器人结合的“实体人工智能”方面均具备显著优势，AI在中国的落地速度甚至可能快于美国，且相关公司的估值也更为合理。

中国开源模型的逼近，让美国科技圈的部分人士再次喊出了“威胁论”。7月23日，美国财政部长斯科特·贝森特在社交媒体上威胁称，美国可能考虑对中国开源模型公司实施制裁或将其列入实体清单。

然而，一场突发事件却让中国开源模型成为了“救场者”。

7月22日，OpenAI承认其GPT-5.6 Sol及另一款未发布的强力模型在内部测试中“越狱”突破了沙箱，入侵了Hugging Face的系统。面对攻击，Hugging Face尝试进行分析取证，但求助的美国头部闭源模型因安全护栏限制拒绝执行指令。最终，其安全团队通过本地部署中国智谱AI的开放权重模型GLM 5.2，成功分析了超过1.7万条攻击记录并化解了危机。

Hugging Face CEO克莱芒·德朗格公开向智谱AI致谢，称其开源模型是防御的关键。Hugging Face首席科学官Thomas Wolf指出，第一个自主AI攻击由闭源模型发起，而化解危机的防御却是由开源模型完成的。

硅谷陷入“开源闭源”之争：25家巨头力挺开源，唯独OpenAI和Anthropic缺席

中国开源模型的崛起，挑战了由美国巨头主导的闭源商业模式，被以OpenAI和Anthropic为代表的闭源厂商视为巨大威胁。

Anthropic首席执行官Dario Amodei认为，开源模型失去了撤销访问权限、更新安全护栏或防止滥用的能力，因此更难保证安全。

OpenAI战略未来负责人迪安·鲍尔承认，Kimi K3是“一个非常好的模型”，但他警告称开源具有“减速效应”：如果企业能够免费或低价获取顶尖模型，闭源公司的收费能力将受到挤压，进而降低投资者回报预期，削弱美国实验室加码算力投资的商业动机。

闭源模式让巨头得以垄断定价权与客户关系，保持较高的Token价格以支撑巨大的研发与数据中心开支。然而，Kimi K3的平均任务成本仅为Claude Fable 5的34%，且开放权重后，第三方可通过量化与推理优化进一步降低部署成本。

财务数据揭示了闭源巨头的压力。

OpenAI在2026年一季度收入约57亿美元，消耗现金约37亿美元，预计全年现金消耗将达到250亿美元；截至2026年2月底，其年化收入已经超过250亿美元。

Anthropic在2026年一季度收入约48亿美元，预计Q2将增至109亿美元并首次实现约5.59亿美元调整后经营利润；截至5月年化收入已经超过470亿美元，预计2026与2027年每年仍将消耗约110亿美元。

内森·兰伯特则向徽声在线记者指出，强大的开源模型会大幅降低闭源实验室的潜在利润率，一方面减少可用于训练下一代模型的利润，另一方面降低投资者对相关公司的长期估值，影响后续融资。

但是，除了OpenAI和Anthropic外，硅谷绝大多数科技公司和投资人都选择支持开源。

当地时间7月24日，包括Meta、英伟达、微软在内的25家美国科技公司联名签署了公开信《开放权重与美国AI领导力》，呼吁开放权重AI模型。该公开信指出，开放权重AI模型能够促进竞争并确保技术红利“广泛共享而非集中于少数人手中”。OpenAI和Anthropic并未签署该信件。

同一日，英伟达创始人黄仁勋发布了自己人生中的第一条推特，并转发了上述公开信。他表示，人工智能将改变每个行业，赋能每个公司，并由每个国家构建。开源模型能够加强安全性和网络安全，加速创新和传播，并实现主权。世界既需要前沿闭源模型，也需要前沿开源模型。

图片来源：黄仁勋X账号

此外，微软CEO纳德拉批评巨头“双标”：在抓取公共数据时主张合理使用，却对蒸馏施加限制。传奇投资人比尔·格利直言，开源浪潮是市场对闭源公司高额利润承诺的正常反应。

不过，Seaport Research Partners分析师Jay Goldberg在接受徽声在线记者采访时表示，开源和闭源并非你死我活的关系。“计算行业进行这场辩论已有40年。我认为没有唯一的正确答案，未来我们将同时拥有开放和封闭的模型，没有哪一种模式会占据主导地位。”

颠覆AI行情？华尔街：开源模型对算力的需求反而更高

在资本市场，有观点认为，开源模型动摇了美股AI行情的核心逻辑——即“前沿模型盈利→采购巨量GPU等硬件→推动硬件产业链大涨”。

目前，科技巨头的资本开支依然高企。Alphabet、Amazon、Microsoft和Meta计划在2026年合计投入约7100亿至7400亿美元，主要用于基础设施；OpenAI预计截至2030年的算力支出将达到7500亿美元；Anthropic也已承诺了数百亿美元的算力采购与协议。

而当Kimi K3等中国开源模型以更低成本逼近顶尖性能时，市场情绪受到了冲击。Kimi K3发布次日（7月17日），英伟达股价下跌了2.2%，费城半导体指数更是在一周内累计下跌了超过10%。

新南威尔士大学未来心智实验室主任Joel Pearson教授向徽声在线记者分析称，随着更好的中国开源模型进入市场，投资者会开始担忧。如果这些模型“与美国AI巨头投入巨额资金研发的模型一样好，而成本只是九牛一毛，那将直接威胁到这些巨头估值背后的投资论点”，甚至可能“在美国金融市场引发重大冲击”。

但开源真的会减少算力需求吗？华尔街给出了不同的答案。

Jay Goldberg对徽声在线记者表示，开源模型反而会增加对内存的需求，“模型越便宜，使用者越多，所需的内存（尤其是HBM）就越多。”

瑞银报告也指出，Kimi K3等高性能开放权重模型的普及并不会削弱内存需求，反而可能进一步提高AI推理对HBM和存储设备的消耗。以Kimi K3为例，该模型拥有2.8万亿参数和100万Token上下文窗口，企业自行部署时需配置更多高带宽内存（HBM）来存放权重、KV Cache及中间数据。基于“杰文斯悖论”，低成本开源引发的“价格下降—使用量暴增”将进一步扩大AI硬件需求，对HBM、DRAM及算力供应商总体仍是利好。

美国用户用脚投票：200家公司反对禁止中国模型

与此同时，美国的大模型用户用实际行动表达了他们的立场。

7月22日，美国“小型科技协会”向美国总统特朗普、商务部长霍华德·卢特尼克、白宫科技政策办公室主任克拉齐奥斯等发出了“反对封禁中国AI模型”的联名信。该组织成员包括隐私服务公司Proton、创业孵化器Y Combinator、AI基础设施公司Particle等近200家硅谷企业与机构。

AI基础设施企业Particle创始人苏海尔·多希表示：“（如果封禁）会有数百家公司立刻倒闭。大家将被迫向Anthropic支付高昂费用。”

数据显示，越来越多的海外企业选择转向中国大模型。根据OpenRouter最新数据测算，上周（7月13日至19日）上榜的AI大模型中，中国AI大模型周调用量达到了36.11万亿Token，环比增长了30.93%，连续八周实现增长，且周调用量连续十二周超过美国并稳居全球首位。

而且，全球调用量排名前五的均为中国AI模型。

Joel Pearson教授对徽声在线记者直言，限制措施不仅无法阻挡中国AI的发展，反而会直接伤害正在依托开源模型创新的美国初创企业与广大用户。

免责声明：本文内容与数据仅供参考，不构成投资建议，使用前请核实。据此操作，风险自担。