为什么美国初创企业暗中依赖中国：当他们“自主研发”的人工智能模型突然来自中国时

Xpert 预发布版

在线联系方式（Konrad Wolfenstein）

Available in 27 languages 📢

在 Google 上更倾向于选择 Xpert.Digital。ⓘ

发布日期：2026年8月8日 / 更新日期：2026年8月8日 – 作者： Konrad Wolfenstein

为什么美国初创公司暗中依赖中国：当他们“自主研发”的人工智能模型突然来自中国时——图片来源：Xpert.Digital

Qwen、Kimi 和 DeepSeek：这四位来自中国的模特目前将美国竞争对手远远甩在身后。

节省80%成本：中国人工智能模型如何悄然征服美国市场

硅谷的一场秘密革命：为什么美国初创企业突然开始依赖中国的人工智能

长期以来，硅谷一直被视为全球人工智能发展无可争议且不可撼动的中心。然而，在光鲜亮丽的市场宣传之外，一场引人注目的变革正在悄然发生：越来越多的美国初创企业和老牌科技巨头正在悄然采用Qwen、Kimi和DeepSeek等中国开源人工智能模型。这并非出于地缘政治考量，而是出于务实的经济考量。这些中国替代方案在编程和自动化任务方面的性能如今已能与西方顶尖模型相媲美，而成本却低得多。这一发展给OpenAI等行业巨头带来了巨大压力，迫使它们大幅降价，并引发了关于未来行业权力分配的根本性思考。本文将深入分析这场悄然变革背后的惊人数据，以知名企业为例阐述企业如何调整战略，并解释数据主权问题为何在这个新兴市场中扮演着至关重要的角色。.

一个大陆悄然改变阵营

二十年来，硅谷一直被公认为软件创新的中心，而就在两年前，中国技术将成为硅谷下一代公司发展基石的想法还显得荒谬可笑。但如今，这恰恰是正在发生的事情，其速度之快甚至令经验丰富的市场观察家都感到惊讶。安德森·霍洛维茨基金的投资人马丁·卡萨多在一次广为引用的采访中对此做了精辟的总结：如果今天的创业团队在a16z大会上进行路演，并且依赖于开源人工智能模型，那么大约有80%的概率使用的是中国模型。值得注意的是，卡萨多后来补充道：这80%指的是使用开源模型的初创公司比例，据估计，这占所有人工智能初创公司的20%到30%。如果将这一比例推算到整个初创公司领域，这意味着大约有16%到24%的美国人工智能公司在其技术栈中深度嵌入了中国开源模型。这种区别乍一看可能会减轻声明的戏剧性，但它并不能改变一个根本事实，那就是美国创新领域中相当一部分快速增长的供应商正在远离国内供应商。.

这一论断背后的数据：OpenRouter 的真实表现

任何想要客观了解这一市场转变的人都不能忽视OpenRouter平台的数据。OpenRouter被认为是最大的独立AI模型访问中介服务平台，允许开发者在来自不同供应商的数百个模型之间切换。该平台收集的使用数据能够客观地反映真实的市场需求，因为它并非基于公告或营销宣传，而是基于实际处理的代币数量——AI语言模型处理文本的基本单位。2024年底，中国模型在该平台总代币量中的占比仅为1.2%左右，这是一个微不足道的数字，并未引起太多关注。然而，仅仅一年半的时间，这一比例就增长了五十多倍。2026年2月，中国模型在美国用户每周代币量中的占比首次超过30%，此后每周都保持在30%以上。到2026年7月，中国模型在高峰周的占比达到了46%，而同期美国模型的占比为35.7%。如果仅考虑平台上使用最广泛的十个模型，情况则更为清晰：在2026年2月24日当周，这十个模型中61%的代币交易量都来自中国开发者。据OpenRouter预测，到2026年7月底，中国模型甚至占据了全球使用率排名前五的全部席位，平台总交易量已超过每周20万亿个代币，其中超过60%的交易量来自中国模型。.

这一发展不能简单地归结为统计噪声，而是揭示了过去一年半以来的一个清晰趋势。与此同时，方法论上的局限性也必须认真对待。虽然 OpenRouter 是衡量开发者行为最重要的独立指标，但它并不能代表整个全球人工智能市场，而主要反映的是那些对成本敏感、技术娴熟且高度重视开放权重的用户群体。像 ChatGPT 这样的消费级应用，或者与 Anthropic 直接签订的企业 API 合约，在这些数据中几乎没有体现。正因如此，OpenRouter 和 a16z 等机构发布的年度报告以及 2025 年的报告等研究呈现出更为温和的景象，表明北美专有模型仍然占据全年代币总量的绝大部分，而中国开放模型的平均占比约为 13%。因此，真相介于标题和结论之间：这一趋势确实存在，并且正在加速发展，但主要影响的是特定的应用领域，尤其是软件开发和自动化代理工作，这两个领域目前合计占平台所有代币总量的一半以上。.

为什么编程和自动化尤其正在推动这场变革？

理解这一转变的关键在于理解如今主导人工智能系统的工作负载的性质。就在2024年，OpenRouter上的编程任务仅占总令牌量的11%，而如今，超过一半的处理令牌都用于编程任务和自主代理工作流程，其中模型独立执行多阶段任务。中国模型在这一领域取得了巨大进步，因为它们专门针对编码和代理工作进行了优化。OpenRouter首席运营官Chris Clark明确解释了其背后的机制：中国开源模型在美国开发者大量使用的基于代理的工作流程中占据了不成比例的强大地位。换句话说，这并非出于意识形态的选择，而是对高容量、重复性编程任务性价比极高的务实回应。.

一切的开端是那场价格冲击。

这一发展的经济核心在于价格差异之大，它从根本上改变了财务经理的每一项计算。发行一百万枚代币，使用Anthropic的Fable等顶级型号，成本约为50美元；而同样数量的代币，使用Moonshot的Kimi K3，成本约为15美元；使用Zhipu的GLM-5.2，成本约为4.40美元；使用DeepSeek的V4 Pro，成本仅为0.87美元。这些数字实际上意味着，根据所选型号的不同，公司完成同样的任务可能需要支付五到六十倍的价格。对于一家每天处理数百万请求的公司而言，这并非小事，而是决定利润率和整个商业模式可扩展性的关键成本因素。.

这种价格动态也解释了为什么 OpenAI 在 2026 年降价高达 80%。一家估值十亿美元、拥有巨大市场影响力的公司降价并非出于善意，而是迫于激烈的竞争压力。当客户只需点击一下鼠标就能找到一家价格低得多、却能提供相同服务的供应商时，老牌供应商就只能在调整价格和失去客户之间做出选择。这种机制是经典竞争经济学的典型案例：一旦市场上的商品几乎同质化，平均使用场景下的质量差异微乎其微，价格就会滑向最便宜、最可靠的供应商的边际成本。这正是我们目前在语言建模市场所看到的。.

公司重新计算账目时：具体公司示例

抽象的市场数据只有在看到具体的公司如何实际重组其内部流程时，才能真正具有说服力。加密货币交易平台 Coinbase 在 2026 年提供了一个最生动的例子。其首席执行官 Brian Armstrong 在 2026 年夏季发布了关于公司内部成本策略的详细分析，解释说他们在人工智能 (AI) 使用量增加的同时，将支出削减了近一半。关键在于将内部 AI 网关中的默认模型切换到智普的 GLM 5.2 和 Moonshot 的 Kimi 2.7 Code——这两个开源的中国模型可以处理代码审查、摘要和草稿等日常任务，而像 Anthropic 的 Opus 这样更昂贵的高端模型则保留用于复杂的规划任务。值得注意的是，这种切换并非唯一的成本削减措施。 Coinbase 同时将其内部 AI 工具的缓存命中率从 5% 提升至 60%，这本身就解释了大部分成本节约的原因，因为现在重复查询几乎可以免费从缓存中获取答案，而无需每次都触发新的、成本高昂的模型查询。这个例子表明，转向使用中国模型很少是孤立的决策，而是更广泛的智能资源分配战略的一部分，其中模型的选择只是众多控制手段之一。.

Cursor，一个开发平台，也是人工智能软件开发领域最受赞誉的工具之一，在2026年3月也遭遇了一场令人震惊的事件。该公司发布了其新模型Composer 2，并将其标榜为自主研发，声称拥有顶级的编码性能。然而，发布后几个小时内，眼尖的开发者就在API的技术响应数据中发现了一个内部模型标识符，该标识符明确指向了Moonshot AI的开源模型Kimi K2.5。随后，Cursor被迫公开承认Composer 2确实基于Kimi K2.5架构，尽管该公司强调，用于微调最终模型的计算能力约有四分之三来自其自身的训练，只有约四分之一基于Kimi的原始基础架构。联合创始人Aman Sanger也坦诚地承认，在最初的公告中没有提及Kimi基础架构是一个错误。这一事件揭示了一种更大的模式：许多所谓的美国人工智能创新，其底层实际上是建立在中国的基础模型之上的，而这一点并未对外公开。观察人士有时会沾沾自喜地将此描述为一种对实际技术来源的无声掩盖。.

除了这些知名案例之外，还有许多其他公司也调整了其人工智能基础设施，以适应中国的开放模型。例如，外卖服务公司 DoorDash 将简单的编程任务外包给 Kimi，而将关键决策留给成本更高的高端模型；Snowflake 和人工智能初创公司 Lindy 等公司也采取了类似的成本优化策略。据公开报道，软件公司西门子利用自身工业数据训练 Qwen 来开发行业特定的辅助系统，而不是从零开始构建全新的基础模型——考虑到训练新语言模型的巨大成本，这是一个合理的经济决策。.

🎯🎯🎯 数据驱动的 B2B 行业中心，作为一种准内部解决方案

准内部解决方案：Xpert.Digital 如何弥合 B2B 营销和销售中的运营差距——智能内容驱动型业务——图片：Xpert.Digital

Xpert.Digital 是一个以数据驱动的 B2B 行业中心，由 Konrad Wolfenstein 领导。该公司为工业合作伙伴提供外部的、准内部解决方案，弥补其在市场营销、内容和销售方面的运营缺口，而无需客户投入额外资源。.

更多信息请点击这里：

准内部解决方案：Xpert.Digital 如何弥合 B2B 营销和销售中的运营差距——智能内容驱动型业务

杠铃策略实践：如何通过合适的模型组合优化人工智能成本

四个值得记住的名字

要了解当前的市场转变，就必须了解推动这一发展的关键参与者。首先也是最重要的，是由中国科技公司阿里巴巴开发的Qwen，它目前被认为是全球下载量最高的开源AI模型，拥有令人瞩目的约7亿次下载量。Qwen被认为是一款功能全面的模型，尤其擅长自然语言处理和文档分析，因此非常适合用于文本生成、报告撰写和客户服务。第二个值得特别关注的模型是来自Moonshot AI的Kimi K3，它于2026年7月发布，是迄今为止发布的最大的开源模型，其编程基准测试性能接近领先的专有模型。它尤其适合软件开发和处理长文档，因为它的上下文窗口最大可达25.6万个词元，这相当于该模型可以同时处理和保留的文本量。第三款模型是来自中国智普人工智能（现更名为Z.ai）的GLM，它以可靠地控制工具和系统而闻名，尤其适用于自动化任务和基于代理的工作流程。最后，DeepSeek则以其卓越的性价比成为市场上的佼佼者，其模型能够以远低于传统供应商的成本完成逻辑推理和编程任务，使其成为大规模任务的理想之选。.

数据主权问题和监管灰色地带

在公共讨论中，一个常被低估的方面是：通过原始提供商的云API使用中国模型，与在自有或欧洲基础设施上运行开放模型权重之间存在根本区别。本文介绍的四个模型——Qwen、Kimi、GLM和DeepSeek——均以开放许可发布。这意味着企业可以下载模型的底层数学参数，并在自有服务器或欧洲托管服务提供商处运行。在这种情况下，所有数据在物理和法律上都归运营公司所有。从欧洲通用数据保护条例（GDPR）的角度来看，这比使用美国云基础设施要干净得多，因为在美国云基础设施上，数据可能受美国《云法案》（CLOUD Act）的约束。这种区别至关重要，因为它表明模型的政治来源与数据保护和国家安全面临的实际风险是两个截然不同的问题，而这两者在公共讨论中常常被不恰当地混淆。.

与此同时，仍然存在一些合理的问题，使得盲目采用中国模型成为不可取之事。2026年，美国国会启动了对Airbnb和Cursor等公司使用中国人工智能模型的调查。这些调查的重点并非开放模型权重本身，而是安全审计、潜在影响以及对地缘政治对手技术的战略依赖等问题。独立的安全评估也表明，一些应用最广泛的中国模型在标准化安全测试中得分相对较低，这对于那些合规要求严格的公司而言尤为重要。然而，这些担忧主要集中在通过中国供应商提供的托管云服务使用这些模型，而非开放权重在欧洲或美国基础设施上的独立运行——在后者情况下，公司可以完全控制数据流、日志记录和安全配置。.

模型组合背后的战略逻辑

通过观察企业案例，我们发现了一种清晰的战略模式，这种模式在专业领域已被确立为一种“杠铃策略”——即在两个对立的平台之间进行精心分配任务。诸如文本摘要、标准代码审查或翻译等简单、高容量且重复性的任务越来越多地委托给价格低廉、通常是中国产的开源模型，而具有战略意义的关键性、复杂性或高度敏感性的任务则仍然由价格更高的西方高端模型来完成。从经济角度来看，这种划分非常合理，因为它优化了每个任务的成本效益比，而不是使用单一的、通常价格过高的高端模型来处理所有用例。外卖服务公司 DoorDash 已经在实践中应用了这一原则，他们将简单的编程任务系统性地交给 Kimi 处理，而业务关键决策则仍然由价格更高、更成熟的高端模型来完成。对于希望实现人工智能成本结构专业化的公司而言，这最终意味着要从“哪个供应商才是最佳选择”的问题转向“哪个特定任务最适合哪个模型及其成本结构”的问题。.

这对西方人工智能产业意味着什么

向中国开源模式的转变给老牌美国供应商带来了结构性困境，其影响远不止短期价格调整那么简单。像OpenAI和Anthropic这样的公司多年来一直以技术优势足以支撑持续溢价为商业模式的前提。然而，一旦大多数实际应用场景下的性能差异变得微乎其微，以至于对企业而言不再具有经济意义，竞争便不可避免地转向价格战。在这场竞争中，中国供应商凭借更低的运营成本、政府补贴以及更积极的开源战略，拥有结构性优势。OpenAI将自身价格下调高达80%的举措，与其说是实力增强的体现，不如说是承认如果没有相应的竞争措施，其此前的溢价已难以为继。对于整个西方人工智能产业而言，这标志着一个阶段的转变：从仅凭创新就能保证定价权的时期，过渡到成本效益、基础设施控制和专业化增值服务成为决定性差异化因素的时期。.

即将到来的延期

当前的发展趋势表明，这种趋势在可预见的未来不会逆转，反而会变得更加多元化。单一的主导模式正在形成，取而代之的是一个日益分散的市场格局，没有任何一种开放模式的市场份额超过四分之一，这表明市场健康且竞争激烈，存在多种同样可行的替代方案。对于欧洲企业，尤其是IT预算有限的中型企业而言，这提供了一个难得的机会，可以同时受益于成本下降和技术成熟度的提升，前提是他们愿意应对运营开放模式的法律和安全框架。如今，那些仅仅依赖单一供应商（通常是美国供应商）来制定人工智能战略的企业，不仅面临成本过高的风险，还可能在战略上依赖于一个变化速度远超其他技术领域的市场。应对这种不确定性的最务实之道在于有意识地构建多元化的模型组合，并辅以清晰的内部治理机制，明确将特定任务类别分配给特定的模型和托管位置。.