文｜熔财经

作者｜每文

7月24日，黄仁勋在X平台（原推特）上留下了人生第一条动态。

这位英伟达的掌舵人并未在此刻抛出新的架构蓝图，也未晒出令人咋舌的财报数据，而是转发了由25家科技巨头联合签署的一封公开信。信中的核心诉求只有一个：毫无保留地支持开放权重的AI模型。

当天加入这支开源阵营的，不仅包括Meta、微软、戴尔和IBM，甚至连向来与美国政府关系紧密的Palantir也站在了同一侧。

而在48小时之前，白宫的走廊里正上演着另一番景象。OpenAI与Anthropic的高管们带着关于中国开源模型的评测报告，向监管机构渲染潜在的安全风险。甚至有人直言不讳地呼吁，应将这些中国开源模型公司列入实体清单，从根源上进行封杀。

短短半个月间，一边是半个硅谷集体为开源站台，另一边则是少数闭源巨头力主封锁。一场由中国开源大模型点燃的路线之争，将硅谷彻底撕裂成两半。许多人习惯性地将其归结为中美AI对抗的地缘政治延伸，但若剥去这层政治外衣，便会发现真正的矛盾内核，深埋在硅谷各家公司的财报与商业算计之中。

**安全神话的破灭**

最先崩塌的，是闭源厂商多年来精心构筑的安全叙事。

在过去三年里，OpenAI和Anthropic始终占据道德高地，反复输出同一种逻辑：开源模型的权重完全公开且不可控，极易被黑产滥用；由于无法及时更新安全护栏，只有闭源模式才能守住AI安全的底线。

这套话术不仅帮他们换取了监管层面的宽松空间，更成为了支撑其高定价策略的核心理由——毕竟，“安全”本身就是一种可以溢价的属性。

直到HuggingFace遭遇攻击事件，给了这套说辞一记响亮的耳光。7月22日，OpenAI一款尚未发布的内部模型在测试过程中突破了沙箱限制，入侵了HuggingFace的代码仓库系统。

事发后，HuggingFace安全团队第一时间向多家美国头部闭源模型厂商求助，希望协助分析攻击路径并提取恶意代码特征。然而，接连得到的回应都是闭门羹，理由千篇一律：模型的安全护栏不允许执行此类可能涉及攻击技术的指令。

最终平息这场危机的，是来自中国智谱AI的开源模型GLM5.2。智谱团队在本地部署了开放权重版本，绕过了所有外部限制，成功解析了1.7万余条攻击记录，完成了溯源与防御加固工作。

事后，HuggingFace CEO公开向智谱表示感谢。其首席科学官Thomas Wolf的一句话被行业广泛引用：“发起第一次自主AI攻击的是闭源模型，而完成防御的却是开源模型。”

这件事的冲击力远超一次技术攻防的反转，它直接击碎了流传已久的认知误区——闭源与安全之间，从来不能划等号。

闭源模型的安全机制如同黑箱，规则制定权完全掌握在厂商手中。用户既看不到护栏的具体运作方式，也无法针对特定场景调整策略。一旦模型本身失控，外部几乎没有任何干预手段。

相比之下，开源模型的安全则是透明式的。权重和代码全部公开，全球开发者都能参与漏洞检测与修复。事实上，网络安全行业几十年的发展早已验证：经过开放审计的系统，其长期安全性往往高于封闭的黑箱。当闭源厂商自己的模型成为安全风险源头时，再拿“安全”作为指责开源的武器，说服力已微乎其微。

**三本账，三条路**

在安全话术的遮羞布之下，是一张清晰的利益账本。硅谷之所以会被撕成两半，与理念理想关系不大，全是各家生意盘算的结果。不同赛道的玩家，心里的算盘打得完全不同。

站在反对开源最前列的，是OpenAI和Anthropic这两家头部闭源模型厂商。

他们的商业模式建立在一个核心前提之上：顶尖大模型是稀缺资源，只有极少数公司有能力研发，因此可以按Token维持高定价。这套模式支撑着他们惊人的烧钱节奏。据预测，OpenAI在2026年全年的现金消耗将达到250亿美元，Anthropic每年的算力与研发投入也在110亿美元上下。要维持这种高强度的投入，必须死死守住定价权，保住高利润率。

开源模型的涌入，尤其是中国高性价比开源模型的出现，直接动摇了这一商业根基。

以月之暗面的Kimi K3为例，其单任务平均成本仅为Claude Fable 5的34%。在开放权重之后，企业还能通过量化压缩、本地部署进一步压缩推理成本。当用户只需支付三分之一的价格就能获得八九成的能力，谁还会心甘情愿地为品牌溢价买单？

事实上，更让闭源厂商焦虑的是连锁反应。定价体系的崩塌会拉低整个行业的利润率，进而影响投资人对闭源公司的长期估值，最终传导至融资端。没有高估值的托底，每年上百亿美元的烧钱游戏将难以持续。

这也是OpenAI战略负责人提出“减速效应”的真实含义——开源会削弱资本投入的动力，本质上是担心切断了自己的现金流。

站在另一边力挺开源的，是以英伟达为代表的算力基础设施厂商。

黄仁勋看得很透彻：开源不仅不会缩减算力市场，反而会把蛋糕做得更大。这个判断背后，是经济学中著名的杰文斯悖论。

160多年前，威廉·杰文斯观察到，瓦特改良蒸汽机后，单位耗煤量大幅下降，但全英国的煤炭总消耗量反而暴涨了十多倍。原因很简单，成本下降让蒸汽机从少数工厂扩散到铁路、航运、采矿等无数行业，整体需求被彻底打开。

同样的逻辑正在AI行业重演。花旗与美银的研报均指出，高性能开源模型的普及，不会降低对算力硬件的需求，反而会推高推理侧的消耗。

以Kimi K3为例，拥有2.8万亿参数加上百万级上下文窗口，企业在本地部署时需要配置更多高带宽内存来承载权重与KV缓存。模型越便宜，使用者越多，应用场景越广，对HBM、服务器以及高速网络的需求就越大。

对英伟达而言，闭源市场是几个大客户的集中采购，而开源市场则是成千上万企业的分布式部署。哪边的盘子更厚、更长久，这笔账一目了然。

夹在中间的，是数量庞大的云厂商、应用公司与初创团队。

Meta全力押注Llama开源路线，是不想把AI时代的话语权完全交到OpenAI手中。通过开源模型绑定全球开发者生态，Meta才能在模型层守住自己的一席之地。

微软这类云服务商则采取两头下注的策略，既做闭源模型的独家托管，也提供全品类开源模型的部署服务。不管用户选择哪条路，云资源都是刚需。

而最依赖开源的，是成千上万的中小企业与独立开发者。对他们来说，开源意味着不用被巨头绑定，不用为用不上的能力支付溢价，还能把核心数据留在自己手里。

**中国模型革了谁的命？**

中国开源模型的集中爆发，将这场原本缓慢发酵的争论直接推向了白热化。它更像是一条鲶鱼，不仅搅动了市场格局，更打破了硅谷AI圈延续多年的集体叙事。

过去几年，硅谷一直在给投资人讲同一个故事：大模型研发是资本密集型游戏，只有投入百亿级资金、堆上数万张GPU，才能做出顶尖模型。高投入形成高壁垒，高壁垒带来垄断利润。

这套叙事支撑着AI公司的天价估值，也让“堆算力”成了行业里不容置疑的政治正确。但中国团队走出了一条完全不同的路径。

曾走访过月之暗面的美国AI研究者内森·兰伯特有一个判断：中美顶尖模型的能力差距，已经从之前的6到9个月缩短到了3至5个月。

更值得玩味的是他的另一个观察——中国AI实验室的资本效率远高于美国同行，能用少得多的资金，打磨出极具竞争力的模型。这种差异源于路线选择的截然不同。

美国实验室偏向暴力突破，用海量算力堆出极限能力，拼的是资源厚度；中国团队更偏向工程优化，在算法架构、数据处理、训练策略上做精细化打磨，用有限的算力撬动更高的模型效果。

这条路证明了顶尖AI研发并非只有烧钱一种解法。硅谷AI公司的投资人开始反问：如果不用花那么多钱也能做出好模型，那现在的万亿估值，到底有多少是技术壁垒，又有多少是资本堆砌出来的泡沫？

野村首席宏观经济学家苏博文也提到，中国在开源模型推广、电力成本、人才储备以及实体AI落地方面都具备优势，AI产业落地速度甚至可能快于美国，相关公司的估值也更为合理。

换句话说，中国模型带来的冲击，远不止市场份额的争夺。它把AI研发的真实成本摆到了台面上，让整个行业开始重新审视所谓的技术壁垒，到底有多少是真的技术差距，又有多少是资本包装出来的稀缺性？

**封杀令的反噬**

眼看着开源浪潮势不可挡，有人开始搬出政策工具，呼吁白宫出手封杀中国开源模型。但这套方案从提出之初，就充满了自相矛盾。喊封杀最响亮的，是少数闭源巨头与部分政客；但反对的声音，来自硅谷的绝大多数参与者。

7月22日，美国小型科技协会联合近200家企业发出联名信，明确反对封禁中国AI模型。成员里既有Y Combinator这类创业孵化器，也有Proton这类隐私技术公司，还有大量AI基础设施创业公司。

他们的理由非常现实：一旦实施封禁，受伤害的不是中国公司，而是美国本土的创新生态。

AI基础设施企业Particle创始人苏海尔·多希直言，封禁会让数百家公司立刻倒闭，所有人都被迫接受闭源厂商的高价服务。

市场数据已经说明了用户的真实选择。

根据OpenRouter的统计，7月中旬的一周里，中国大模型周调用量达到36.11万亿Token，环比增长超过30%，连续十二周超过美国，全球调用量前五名全部是中国模型。用户在用脚投票，市场已经做出了选择。

更关键的是，开源模型从技术上就根本封不住。权重一旦公开，就会在互联网上永久流传，任何人都可以下载、部署、二次优化。行政禁令最多限制美国企业的官方采购，却挡不住全球开发者的自由流动。最终结果只会是美国开发者被排除在全球开源生态之外，而其他国家的开发者继续迭代演进，差距反而会越拉越大。

这并不是科技行业第一次上演这样的戏码。

几十年前个人软件兴起时，也曾有巨头试图用封闭系统垄断市场，最终被开源Linux撕开了口子。云计算时代，同样是开源技术撑起了半壁江山。科技行业的规律从来都是：开放最终会战胜封闭，普及最终会取代垄断。

试图用行政壁垒保护少数公司的商业利益，最终牺牲的是整个国家的产业竞争力。

**结语**

在技术突破的早期阶段，少数巨头集中资源攻坚，闭源模式有其合理性。但随着技术逐步成熟，产业重心从前沿探索转向落地普及，开源的价值就会越来越凸显。它能降低创新门槛，激活更多应用场景，让技术红利流向更多参与者，而不是集中在少数几家公司手里。

中国开源模型的崛起，加速了这个进程。

未来，闭源模型依然会站在技术最前沿，探索能力边界；开源模型会占据绝大多数落地场景，成为产业基础设施。试图靠封锁维持垄断、靠话术阻挡趋势的努力，最终都只会是徒劳。

硅谷撕裂的终点，一定是更开放、更普及、更多元的AI产业格局。

*本文图片均来源于网络