中美 AI 关系，将会呈现 “斗而不破” 的状态。

Artificial Analysis 是一家专注于 AI 能力测评的权威机构，它通过运用大量数据进行系统性分析，帮助工程师和企业精准把握 AI 的能力，进而做出合理的战略决策。2025 年 6 月中期，该机构发布了《2025 年第二季度中国 AI 亮点报告》。这份报告对中国 AI 在全球的地位进行了梳理，同时对中美在语言模型领域的实力进行了对比。

先来看一些具体数据和案例。自 2022 年 ChatGPT 发布后，中美 AI 之间的差距曾一度较为明显。然而到了 2025 年 5 月，这一差距已缩小至不足三个月，这充分彰显了中国 AI 实验室和企业在近年来取得的巨大进步。例如，DeepSeek R1（2025 年 5 月）在 Artificial Analysis Intelligence Index 中获得 68 分，阿里巴巴的 Qwen3 235B A22B 得分 47 分；与之相比，OpenAI 的 o3 同样是 68 分，Gemini 2.5 Pro 则为 67 分，可见中美两国在这方面的差距已微乎其微。

中国是如何实现这一跨越的呢？简单来讲，依靠的是技术性能提升和战略上的突破。以 DeepSeek 的 R1 模型为例，通过强化学习（RL）优化，其推理能力得到显著提升。该模型在 2025 年 5 月发布时，已是全球智能程度较高的开源模型之一，它拥有 671B 的参数规模，其中活跃参数为 37B，并且在多个评测标准，如 MMLU - Pro、GPQA Diamond 等中表现优异。

再看战略上的突破。中国头部实验室普遍采用开放权重策略，即公开旗舰模型的权重，以此加速技术共享和扩散，这与美国头部公司的闭源策略形成鲜明反差。比如，阿里巴巴发布的 QwQ 32B Preview 在 2024 年 11 月首次超越 Meta 的 Llama 3.1 405B，成为当时最智能的开源模型。这种开放的态度不仅推动了技术的进步，还吸引了全球开发者的关注与参与。不仅如此，中国企业还在持续探索新的应用场景和技术路径。像阿里巴巴，不仅专注于语言模型的研发，还推出了覆盖图像生成、视频生成等多种模态的模型，这种多模态布局使企业在不同领域都能保持较强的竞争力。

所以，中美前沿语言模型差距的缩小，首先得益于技术创新；但除了技术突破，真正让中国 AI 走得更远、更快的，其实是 “开放权重” 这张 “战略底牌”。

那么，什么是开放权重呢？有些公司将自己最先进的模型保护得密不透风，生怕被他人知晓；而另一些公司则反其道而行之，不仅公开模型，还将模型的核心 “大脑”—— 权重展示给大家。这看似不可思议，毕竟模型的训练耗费了大量的资金和时间，直接公开难道不怕被别人利用吗？但中国众多 AI 实验室和企业却选择了这条道路。原因在于，他们深知闭门造车不如开门迎客。

这种 “开放” 的做法，有诸多好处。其一，它大大降低了技术门槛。如果想进行 AI 开发，直接下载一个已训练好的模型，在此基础上进行优化、调整甚至二次创新即可，就如同搭积木，别人打好了地基，后续开发者只需往上添加积木。其二，能加速技术扩散。一个模型一旦开源，全球的开发者都能参与其中，提出建议、修改代码、开发新应用，如此一来，模型的迭代速度会大幅加快。最为关键的是，它构建了一个生态。在这个生态中，谁能更好地运用模型，谁就能创造价值，进而又推动模型本身的发展。

中国 AI 圈对 “开放权重” 的运用得心应手。字节跳动的 Seedream 3.0（2024 年 12 月）作为图像生成领域的开源模型，不仅在国内被广泛应用，还吸引了大量海外开发者参与二次开发。腾讯的 Hunyuan 2.0（2025 年 4 月）在自然语言处理领域，其权重完全公开后，成为国内企业定制化服务的首选模型。此外，阿里巴巴、华为等头部机构在过去一年里也纷纷推出自己的旗舰开源模型，并公开权重。这些举措并非偶然，而是中国 AI 界的一种共识：开放并非放弃控制，而是赢得影响力的有效方式。

然而，与美国相比，差距究竟在哪里呢？目前，OpenAI、Anthropic、Google 等美国公司依然坚持 “闭源” 策略。他们虽然会发布一些 API 接口或者模型推理能力，但核心的模型权重并不对外公开。这背后存在商业考量，比如保护知识产权、维持竞争优势、防止模型被滥用等。但从另一个角度看，这意味着他们的模型只能由内部团队或授权用户进行优化，外部开发者很难真正参与其中。

这就如同一场 “技术民主化” 的实验，谁能掌握更多的开发者，谁在未来的影响力就更强。当然，开放权重也存在风险。首先是商业模式问题。如果模型完全开源，传统的 “卖模型”“收许可费” 等盈利方式将不再适用。所以，目前国内也在积极探索新的商业模式，例如提供高级技术支持、定制化服务、商业化插件等，以此来弥补开源带来的收入缺口。其二是安全风险。模型一旦开放，其使用边界难以控制。有人可能会利用它生成虚假内容、进行恶意攻击甚至实施自动化诈骗。不过，这些问题并非中国所独有，而是整个行业都面临的新挑战，关键在于如何建立合理的监管机制和伦理规范。

可以看出，中国的 “开放权重” 更像是一种战略思维。它通过降低门槛、加速扩散、构建生态，让 AI 技术成为更多人能够参与、从中受益的基础设施。而这，正是中国 AI 能够在短短几年内实现快速追赶，并在某些领域实现反超的重要原因之一。

依靠技术创新、开放权重，中国 AI 实现了对美国的快速追赶。但新的问题随之而来：技术如何转化为产品？又是谁在推动这些模型真正落地并被大众使用呢？答案就藏在中国 AI 的 “企业生态” 之中。

这是一个由众多公司在各自擅长领域协同发力形成的生态体系，类似一支球队，有人负责组织进攻，有人负责防守反击，还有人随时准备替补上场。中国的 AI 产业便是如此发展起来的。

第一类角色是大科技公司，如阿里巴巴、腾讯、华为、百度等。它们在生态中承担着搭建平台、提供算力、开发底层模型的重任，可以将其视为 AI 时代的 “基建队”。阿里巴巴不仅自主训练大模型，还推出了 ModelScope（魔搭）平台，方便开发者下载、测试、部署各种 AI 模型。华为推出 Pangu 系列大模型，并配套自家的芯片和云服务，为整个行业提供底层支持。腾讯的 Hunyuan 系列模型在 2025 年 4 月公开权重后，迅速成为国内企业定制化服务的热门选择之一。这些大公司打造了开放、共享、可扩展的技术平台，吸引更多人参与到 AI 的发展中来。

第二类角色是 AI 初创企业。这类公司数量日益增多，它们的共同特点是不求全面，只求在某一领域做到极致。例如，Moonshot AI 专注于长文本处理，它的 Kimi 模型支持超长上下文，适合进行文档分析、法律辅助等任务；MiniMax 主打轻量级模型，追求在手机、边缘设备上高效运行，更契合中小企业的需求。这些初创企业的存在丰富了 AI 生态，它们不像大公司那样业务广泛，而是在一个方向上深入钻研，反而更容易做出特色和竞争力。

第三类角色容易被忽视，但却最为接地气，即跨界玩家。所谓跨界，指的是原本并非从事 AI 行业的公司，如今也将 AI 作为核心能力应用于自身业务。小米原本主要专注于手机和智能家居领域，现在也推出了自己的 AI 模型 MiMo - 7B，并将其融入小爱同学中，让语音助手更加智能。百度以搜索业务起家，不断迭代文心一言，尝试将 AI 融入搜索、广告、自动驾驶等多个业务线。360 则直接推出 “智脑” 产品矩阵，把 AI 整合进安全软件、浏览器、办公工具等已有产品中，让 AI 更加贴近用户。这类公司的优势在于拥有用户基础、应用场景和落地经验。它们无需从头开始研发 AI 技术，只需将 AI 作为 “增强剂” 融入现有产品和服务，就能创造实际价值。

这三类角色分工明确：大公司提供底层模型和平台支持；初创企业专注模型创新和技术突破；跨界玩家负责快速落地和商业变现。各方共同构建起一个多方共建、人人可用的技术平台。中国 AI 的发展，正是依靠这样一个多层次、多角色、协同运作的企业生态。也正是这个生态，让中国在面对美国这样技术基础强大的对手时，依然能够走出一条属于自己的发展道路。

这条道路最终将通向何方？中美之间的 AI 竞争，是走向合作，还是彻底走向对抗？

AI 若要真正融入人们的生活，仅仅具备聊天、写文章的功能是远远不够的。它还需要能够理解图片、听懂语音，甚至生成视频，这样才能为人们带来理想的 “智能体验”。换句话说，未来 AI 必然是 “多模态” 的，它需要理解文字、图像、声音、动作等多种信息，并能在这些模式之间自由切换。

那么，中国的多模态能力与美国相比，处于何种水平呢？从语言模型方面来看，通过历史数据对比，中美之间的差距已非常小，基本处于同一水平。

在图像生成领域，国外起步较早，Midjourney 和 Stable Diffusion 在设计师群体中几乎无人不知。不过近年来，中国模型也在不断追赶。字节跳动推出的 Seedream 3.0 在 2024 年底发布后迅速走红，其图像质量、细节还原度可与 Midjourney V6 相媲美，ELO 值达到 1111，与 V6 的 1150 仅相差一点。阿里巴巴的 Seedream 系列也在持续迭代，尤其加强了对中文提示词的支持，更符合国内用户的使用习惯。这表明中国在该领域已与美国站在同一起跑线上，未来谁能更胜一筹，取决于谁能更快满足用户需求并将技术落地到实际产品中。

视频生成是难度最大的领域。如果说图像生成是 “比拼细节”，那么视频生成则是 “综合能力大考”。这是因为视频生成不仅要处理每一帧的画面内容，还要保证帧与帧之间的连贯性、动作的流畅性，甚至要考虑音画同步、镜头运动等诸多因素。目前，该领域的领先者是 Google，其推出的 Veo 3 模型 ELO 值高达 1247，是当前极为强大的视频生成模型之一。但它并非不可超越。中国快手推出的 Kling 2.0，阿里发布的 Wan 2.1 版本，ELO 值分别达到 1053 和 1039。虽然与 Veo 3 相比仍有差距，但它们已具备不错的视频生成能力，尤其在短视频、广告创意等场景中表现突出。更重要的是，这些模型是基于中国本土应用需求开发的，对中文提示和本地化场景的支持更为强大。

实际上，中国正在全面发力多模态领域，并且采用集中力量打组合拳的方式。大科技公司已开始将语言、图像、视频能力整合到同一个平台。阿里巴巴 ModelScope 不仅提供文本模型，还开始支持图像生成和视频编辑功能；华为 Pangu Ultra 系列也逐步加入视觉、语音模块；腾讯 Hunyuan 直接推出一站式多模态接口，开发者可一次调用多个能力。这种做法的优势明显，不再让每个模态各自为战，而是使它们协同起来，形成完整的 AI 能力体系。因此，中国 AI 发展已形成系统性布局。从目前的表现来看，中国正逐步成为全球 AI 多模态创新的重要参与者。

发展速度固然重要，但方向是否正确同样关键。中美之间这场关乎未来的 AI 竞争，其影响力早已超越技术本身，涉及政策、产业、安全、伦理等多个层面。

事实上，在许多方面，双方都存在合作的基础和必要性。AI 是一个高度依赖开放与协作的技术领域，如果完全切断交流，不仅会减缓创新速度，还可能造成资源浪费和重复研发。

具体而言，有以下三个方面可以合作：其一，基础研究需要共享与互通。尽管当前存在一些限制，但在基础模型、算法优化、评估方法等方面，全球仍有广阔的协作空间。像 Transformer 架构、扩散模型等关键技术，最初都是由多个国家的研究者共同推动的。若这种开放精神得以延续，将为 AI 发展创造更多可能。其二，行业标准需要共建。模型评估标准、伦理规范、安全机制等都需要全球达成共识。目前，已有多个国际组织，如联合国教科文组织、IEEE、OECD 等在推动 AI 治理框架建设，中美作为两大 AI 强国均参与其中。虽然双方推进节奏不同、立场存在差异，但这至少表明大家都意识到 AI 发展需要规则，且规则需要共同制定。其三，商业利益驱动合作。政府层面有时会限制出口和技术转让，但企业之间的合作动力始终存在。一些中国企业希望使用英伟达的芯片进行训练，而美国企业也渴望进入中国市场。这种相互依赖的关系，为双方合作提供了空间。

当然，也必须正视现实：中美 AI 竞争中确实存在明显的对抗趋势。美国已明确将 AI 列为 “战略技术”，并对中国实施出口管制，例如禁止向中国出售高端 GPU 芯片。中国则加大自主研发力度，推出华为昇腾、寒武纪、壁仞等国产算力平台，努力减少对外依赖。这种 “脱钩” 趋势若进一步加深，可能会形成两个平行的技术体系。

不仅如此，AI 的应用场景也开始被政治化。美国担心中国利用 AI 进行 “信息操控”；中国则认为西方在打压中国企业的全球扩张。两国对 AI 的理解和治理理念也截然不同：美国强调自由创新、市场主导；中国更注重可控发展、社会影响。这种差异导致两国在 AI 治理理念上难以统一，例如数据隐私保护方式不同、对 AI 风险的认知不同、政策执行机制也不一样。长此以往，可能会形成两套不同的 “AI 文明”。

那么，最终的走向会如何呢？既不会完全合作，也不会全面对抗，更有可能出现 “有限合作 + 局部脱钩” 的状态。即在一些基础研究、学术交流、行业标准等领域保持合作；在核心技术和国家安全相关领域加强管控；在商业市场中，既有竞争也有互补。

换句话说，中美 AI 关系将会是 “斗而不破” 的状态。这就如同下围棋，每一步都需要权衡利弊，既要坚守自身优势，又要给对手留出一定空间。AI 的未来，并非取决于哪一方更强大，而是在于能否找到一个 “共存” 的平衡点。