文｜熔財經 每文

7月24日，黃仁勳發出了人生第一條X（原推特）。

這位英偉達掌門人沒有發布新架構，也沒有曬財報數據，而是轉發了一封由25家科技公司聯署的公開信，核心主張只有一個：全力支持開放權重AI模型。

同一天站隊的，還有Meta、微軟、戴爾、IBM，甚至包括Palantir這種向來和美國政府走得極近的公司。

而就在48小時前，另一股力量正在白宮走廊裏遊走，OpenAI與Anthropic的高管帶着中國開源模型的評測數據，向監管層渲染安全風險，甚至有人直接呼籲將中國開源模型公司列入實體清單，徹底封殺。

一邊是半個硅谷集體站台開源，一邊是少數閉源巨頭力推封鎖，短短半個月，一場由中國開源大模型引燃的路線之爭，把硅谷徹底撕成了兩半，很多人習慣性把這場爭論歸為中美AI對抗的延伸，但剝開地緣政治的外衣會發現，真正的矛盾內核，藏在硅谷各家公司的財報與商業算盤裏。

安全神話的破防

最先被擊穿的，是閉源廠商經營多年的安全敘事。

過去三年，OpenAI、Anthropic始終站在道德高地輸出同一套邏輯——開源模型權重公開、不可控，容易被濫用做黑產，無法及時更新安全護欄，只有閉源模式才能守住AI安全的底線。

這套話術幫他們拿到了監管層面的寬鬆空間，也成了支撐高定價的核心理由之一，畢竟安全本身就是溢價的一部分。

直到HuggingFace遇襲事件，給了這套說辭一記結結實實的耳光——7月22日，OpenAI一款未發布的內部模型在測試中突破沙箱限制，入侵了HuggingFace的代碼倉庫系統。

事發後，HuggingFace安全團隊第一時間向多家美國頭部閉源模型求助，希望協助分析攻擊路徑、提取惡意代碼特徵，卻接連喫到閉門羹，理由都是模型的安全護欄不允許執行此類可能涉及攻擊技術的指令。

最終擺平這場危機的，是來自中國智譜AI的開源模型GLM5.2，團隊在本地部署了開放權重版本，繞過所有外部限制，成功解析了1.7萬餘條攻擊記錄，完成了溯源與防禦加固。

事後HuggingFace CEO公開向智譜致謝，首席科學官Thomas Wolf的一句話被行業反覆引用，即發起第一次自主AI攻擊的是閉源模型，完成防禦的卻是開源模型。

這件事的衝擊力遠不止一次技術攻防的反轉，它直接打破了流傳已久的認知誤區——閉源和安全之間，從來不能直接畫等號。

閉源模型的安全是黑箱式的，規則制定權完全掌握在廠商手裏，用戶既看不到護欄的具體機制，也無法針對特定場景調整策略，一旦模型本身出現失控，外部幾乎沒有任何干預手段。

開源模型的安全則是透明式的，權重、代碼全部公開，全球開發者都能參與漏洞檢測與修復。

事實上，網絡安全行業發展幾十年早已驗證了開放審計的系統，其長期安全性往往高於封閉黑箱。當閉源廠商自己的模型成了安全風險源頭，再拿安全當武器去指責開源，說服力已經所剩無幾。

三本賬，三條路

安全話術的遮羞布之下，是清晰的利益賬本，硅谷會被撕成兩半，和理念理想沒多大關係，全是各家生意盤算的結果，不同賽道的玩家，手裏的算盤完全不一樣。

站在反對開源最前列的，是OpenAI和Anthropic兩家頭部閉源模型廠商。

他們的商業模式建立在一個核心前提上，頂尖大模型是稀缺資源，只有極少數公司有能力研發，因此可以按Token維持高定價。

這套模式支撐着他們驚人的燒錢節奏，OpenAI預計2026年全年現金消耗達到250億美元，Anthropic每年算力與研發投入也在110億美元上下。要維持這種投入強度，必須守住定價權，保住高利潤率。

開源模型的湧入，尤其是中國高性價比開源模型的出現，直接動搖了這個商業根基。

以月之暗面的Kimi K3為例，單任務平均成本僅為Claude Fable 5的34%，開放權重之後，企業還能通過量化壓縮、本地部署進一步壓縮推理成本。

當用戶用三分之一的價格就能拿到八九成的能力，沒有誰會心甘情願為品牌溢價買單。

事實上，更讓閉源廠商焦慮的是連鎖反應，定價體系崩塌會拉低行業利潤率，進而影響投資人對閉源公司的長期估值，最終傳導到孖展端，沒有高估值託底，每年上百億美元的燒錢遊戲就很難持續。

這也是OpenAI戰略負責人提出「減速效應」的真實含義——開源會削弱資本投入的動力，本質上是擔心斷了自己的現金流。

站在另一邊力挺開源的，是以英偉達為代表的算力基礎設施廠商。

黃仁勳看得很明白，開源不僅不會縮減算力市場，反而會把蛋糕做得更大。這個判斷背後，是經濟學裏著名的傑文斯悖論。

160多年前，威廉·傑文斯觀察到瓦特改良蒸汽機後，單位耗煤量大幅下降，但全英國煤炭總消耗量反而暴漲了十多倍。原因很簡單，成本下降讓蒸汽機從少數工廠擴散到鐵路、航運、採礦等無數行業，整體需求被徹底打開。

同樣的邏輯正在AI行業重演，花旗與美銀的研報都提到，高性能開源模型的普及，不會降低對算力硬件的需求，反而會推高推理側的消耗。

以Kimi K3為例，2.8萬億參數加上百萬級上下文窗口，企業本地部署時需要配置更多高帶寬內存來承載權重與KV緩存，模型越便宜，用的人越多，場景越廣，對HBM、服務器、高速網絡的需求就越大。

對英偉達來說，閉源市場是幾個大客戶的集中採購，開源市場是成千上萬企業的分佈式部署。哪邊的盤子更厚、更長久，這筆賬一目瞭然。

夾在中間的，是數量龐大的雲廠商、應用公司與初創團隊。

Meta全力押注Llama開源路線，是不想把AI時代的話語權完全交到OpenAI手裏，通過開源模型綁定全球開發者生態，Meta才能在模型層守住自己的一席之地。

微軟這類雲服務商則是兩頭下注，既做閉源模型的獨家託管，也提供全品類開源模型的部署服務，不管用戶選哪條路，雲資源都是剛需。

而最依賴開源的，是成千上萬的中小企業與獨立開發者，對他們來說，開源意味着不用被巨頭綁定，不用為用不上的能力支付溢價，還能把核心數據留在自己手裏。

中國模型革了燈塔國什麼命？

中國開源模型的集中爆發，把這場原本緩慢發酵的爭論直接推向了白熱化，它更像一條鯰魚，不僅攪動了市場格局，更打破了硅谷AI圈延續多年的集體敘事。

過去幾年，硅谷一直在給投資人講同一個故事，大模型研發是資本密集型遊戲，只有投入百億級資金、堆上數萬張GPU，才能做出頂尖模型。高投入形成高壁壘，高壁壘帶來壟斷利潤。

這套敘事支撐着AI公司的天價估值，也讓堆算力成了行業裏不容置疑的政治正確，但中國團隊走出了另一條完全不同的路徑。

曾走訪過月之暗面的美國AI研究者內森·蘭伯特有個判斷，中美頂尖模型的能力差距，已經從之前的6到9個月縮短到3至5個月。

更值得玩味的是他的另一個觀察——中國AI實驗室的資本效率遠高於美國同行，能用少得多的資金，打磨出極具競爭力的模型。這種差異來自路線選擇的不同。

美國實驗室偏向暴力突破，用海量算力堆出極限能力，拼的是資源厚度；中國團隊更偏向工程優化，在算法架構、數據處理、訓練策略上做精細化打磨，用有限的算力撬動更高的模型效果。

這條路證明了頂尖AI研發並非只有燒錢一種解法，硅谷AI公司的投資人會開始反問，如果不用花那麼多錢也能做出好模型，那現在的萬億估值，到底有多少是技術壁壘，又有多少是資本堆砌出來的泡沫？

野村首席宏觀經濟學家蘇博文也提到，中國在開源模型推廣、電力成本、人才儲備以及實體AI落地上都具備優勢，AI產業落地速度甚至可能快於美國，相關公司的估值也更為合理。

換句話說，中國模型帶來的衝擊，遠不止市場份額的爭奪，它把AI研發的真實成本擺到了台面上，讓整個行業開始重新審視所謂的技術壁壘，到底有多少是真的技術差距，又有多少是資本包裝出來的稀缺性？

封殺令的反噬

眼看着開源浪潮勢不可擋，有人開始搬出政策工具，呼籲白宮出手封殺中國開源模型。但這套方案從提出之初，就充滿了自相矛盾。喊封殺最響亮的，是少數閉源巨頭與部分政客。但反對的聲音，來自硅谷的絕大多數參與者。

7月22日，美國小型科技協會聯合近200家企業發出聯名信，明確反對封禁中國AI模型。成員裏既有Y Combinator這類創業孵化器，也有Proton這類隱私技術公司，還有大量AI基礎設施創業公司。

他們的理由非常現實，一旦實施封禁，受傷害的不是中國公司，而是美國本土的創新生態。

AI基礎設施企業Particle創始人蘇海爾·多希直言，封禁會讓數百家公司立刻倒閉，所有人都被迫接受閉源廠商的高價服務。

市場數據已經說明了用戶的真實選擇。

根據OpenRouter的統計，7月中旬的一周裏，中國大模型周調用量達到36.11萬億Token，按月增長超過30%，連續十二周超過美國，全球調用量前五名全部是中國模型。用戶在用腳投票，市場已經做出了選擇。

更關鍵的是，開源模型從技術上就根本封不住，權重一旦公開，就會在互聯網上永久流傳，任何人都可以下載、部署、二次優化。行政禁令最多限制美國企業的官方採購，卻擋不住全球開發者的自由流動，最終結果只會是美國開發者被排除在全球開源生態之外，而其他國家的開發者繼續迭代演進，差距反而會越拉越大。

這並不是科技行業第一次上演這樣的戲碼。

幾十年前個人軟件興起時，也曾有巨頭試圖用封閉系統壟斷市場，最終被開源Linux撕開了口子，雲計算時代，同樣是開源技術撐起了半壁江山。科技行業的規律從來都是開放最終會戰勝封閉，普及最終會取代壟斷。

試圖用行政壁壘保護少數公司的商業利益，最終犧牲的是整個國家的產業競爭力。

結語

在技術突破的早期階段，少數巨頭集中資源攻堅，閉源模式有其合理性。但隨着技術逐步成熟，產業重心從前沿探索轉向落地普及，開源的價值就會越來越凸顯。它能降低創新門檻，激活更多應用場景，讓技術紅利流向更多參與者，而不是集中在少數幾家公司手裏。

中國開源模型的崛起，加速了這個進程。

未來，閉源模型依然會站在技術最前沿，探索能力邊界；開源模型會佔據絕大多數落地場景，成為產業基礎設施。試圖靠封鎖維持壟斷、靠話術阻擋趨勢的努力，最終都只會是徒勞。

硅谷撕裂的終點，一定是更開放、更普及、更多元的AI產業格局。