搜索
过去几周，中国大模型密集迭代，水花不断。
绝对的工程化优势，让国产模型把顶级 AI 的训练成本快速往下压。普通人眼里是“几家大模型厂商又在竞技了”，但在更宏大的全球视角中，中国大模型已经成为了一个群体角色。
这个群体在做的事，也被视为一种能够真正威胁硅谷的竞技精神，紧张又刺激。
Moonshot 的 Kimi K3 在 7 月 16 日开源了 2.8 万亿参数的模型，号称全球最大开源模型，在 Frontend Code Arena 上击败了 Anthropic 的旗舰 Fable 5；
阿里在三天后紧急 preview 了 2.4 万亿参数的 Qwen 3.8-Max。
再往前推三个月，
硅谷头部科技战略分析师、聚集理论提出者 Ben Thompson 在分析这个现象的时候，给出的判断是：
AI 把传统产业的边际成本带回来了，过去 30 年科技领域已经习惯了的软件零边际成本逻辑，在 AI 时代已经不再成立。
这也是中国大模型会让全球紧张的真正原因。
成本重新成为了 AI 产业的核心变量，这个底层逻辑的变化，几乎关系到了所有新事物的估值逻辑、生态位和商业模式。
而中国厂商，就是这个变量背后最大的推动力。
硅谷怕什么？CAPEX 故事讲不下去
过去三年，硅谷前沿实验室向华尔街讲的故事内核是：
规模法则 + 算力堆砌 = 不可逾越的护城河。
意思是，只要砸足够多的 GPU 就能拉开足够大的性能差距，后来者追不上。
显而易见，这个叙事已经支撑了天文级的资本投入：微软、Google、Meta 等巨头在 2024 到 2025 年累计 AI 基础设施投入达到数千亿美元量级，前沿实验室单轮融资动辄百亿美金，整个估值体系都建立在“算力稀缺且昂贵”这个前提之上。
没有人能拆掉算力的绝对稀缺性，但中国大模型拆掉了相对前提。
今年 4 月发布的
阿里在
MoE 架构、稀疏激活、FP8 训练、MXFP4 量化、强化学习后训练优化，这些算力稀缺大前提下的技术选择小前提，共同把顶级能力对算力的依赖，压到了硅谷童话里的几分之一。
更重要的是，工程化降本的打法正在成为中国厂商的群体特征，群体效应会让算力堆砌的窗口更快关闭。
AI 的成本结构和传统软件完全不同，R&D 是固定成本，但 AI 有真实的 COGS（销货成本），也就是推理算力，花钱规模直接挂钩收入规模。
所以，中国厂商压低的不只是训练成本，也在挑战整个 AI 产业的经济结构。
训练端的稀缺性被打破、推理端的成本战又被打响，硅谷讲给华尔街的“高投入换来高毛利”的逻辑，可能有朝一日就会崩塌。
华尔街必然会，甚至可能已经开始，重新评估叙事。
红杉合伙人 David Cahn 提出过一个著名的“6000 亿美元问题”：AI 基础设施投入要产生合理的回报，需要整个生态的收入来填补这个巨大的烧钱缺口，而当前的收入规模远远不够。
这个质疑在过去半年被反复提起，无论是国内还是国外。
但区别是，中国的新技术、新产业总是会在应用落地和商业化上提前焦虑、提前做题，硅谷的 AI 公司们则过得舒服很多，也忽视了结构性的蝴蝶效应。
NVIDIA 的万亿市值基础可能会松动，因为估值对 AI 资本开支周期高度敏感；前沿实验室的千亿融资估值 benchmark 要重来，hyperscaler 的 CAPEX 回报率逻辑也要重写。
硅谷的恐惧，来自支点可能会被抽掉，大厦将倾。
不过，当前来看，硅谷一部分的护城河也放在了数据和生态，在算力之外。
前沿实验室正在向上游转移到 Claude Code、Codex 等开发者 Agent 生态中，OpenAI 在企业市场的绑定也越来越深，这些可能是比模型性能更厚的护城河。
但其实这种观点本身就已经承认了一件事：
纯粹靠模型性能赚钱的逻辑可能行不通，或者说就是因为这套逻辑被中国厂商打破了，整个商业模式的毛利结构在被往下压，硅谷必须往应用层和生态层转移，才能保住高位叙事和高毛利。
模型层正在从硅谷的利润中心，变成一种防御系统。
华盛顿怕什么？失去定义权
美国从 2022 年开始对华实施 GPU 出口管制，A100、H100、H200 相继被列入限制名单，政策逻辑是卡住顶级芯片供应就能卡住中国 AI 的算力瓶颈。
但管制的效果是，中国大模型没有如预期那样停滞，反而在算力受限的环境下发展出了高效率的架构优化能力。
与此同时，最让华盛顿紧张的事，比性能追赶更难应对：开放权重，开放的是 AI 时代重新定义标准的“选票”。
中国厂商把高性能模型以开源的形式释放到了全球，以此拿到了AI 时代的部分定义权。
开源在这个语境下早已超越了技术选择的范畴，本质是生态策略。
商业层面的解释是：把你的互补品商品化。
一个玩家把上游某个关键环节做成了廉价甚至免费的开放品，原本想靠这个环节赚钱的对手就失去了壁垒。
全球开发者，尤其东南亚、中东、拉美的开发者，出于定制化和性价比，用中国开源模型作为底座，融入了中国的技术栈、文档体系、迭代节奏。
部署就是生态绑定，绑定一旦形成，迁移成本远高于更换一个 API。
AI 的定义权，取决于谁的模型被最多人用，不取决于谁的通用能力最强。
硅谷过去二十年，一直靠闭源标准和生态绑定维持技术主导权，Windows、iOS、AWS 都是以闭源标准把全球开发者绑进了美国技术栈的案例。
现在，中国大模型用开源把这个逻辑反转了。性能差距可以用钱追，生态绑定一旦形成就难以拆解了，这会是美国更不愿意直面的结构性恐惧。
中国把高性能模型开源释放，配合在制造业和供应链上的优势，会让 AI 从数字世界进入物理世界的路径变得更通畅。这也是中国互联网厂商们最擅长的、最经典的平台战略。
近年来，国内也明确鼓励 AI 开源、开放、协作，产业政策和厂商策略之间已经形成了共振。成本曲线下移，会让算力壁垒的资本泡沫失效，开源生态则能松动美国的标准垄断。
国内创业者怕什么？智力贬值
国内创业生态里的紧张气氛，主要来自基模厂商的价格战、以及原生能力扩张对中间层的挤压。
国内大模型 API 价格从 2024 年开始剧烈下降，字节
表面上，基模厂商在用亏本价抢开发者生态，逻辑也很直接，先把开发者绑在自己的模型上，再谈变现。
代价是中间层创业公司的商业模式可能会被直接“拍死”，依赖基座 API 价差做生意的应用会被说套壳，也会在一轮轮的降价中失去空间。
“生于套壳，卒于更新”，是这两年在国内 AI 创业圈里比较流行的说法。
基模每一次能力升级，无论是长文本、长推理、多模态还是代码生成、Agent 化，都会顺手消灭一批创业应用，最广泛的场景有翻译工具、PDF 总结、简单的客服自动化、轻量代码助手这些赛道，几乎每个月都在被清洗。
这些应用价值贬值的根源，绝对不是巨头打压，但商业模式的结构性失效、付费生意被几乎免费的能力完全覆盖，更令人觉得无力。毕竟
明年，找不到核心价值的 AI 套壳应用，生存空间只会越来越窄。
很多业内人士的共识是，token 本身成为不了商品，算力也不是直接的商品，真正可以被商品化的是 token 所构建出来的 intelligence，模型提供的“智力”本身。
在大量应用场景下，这种商品化的智力，在被多个国产模型以差不多的水平提供给企业和个人，而且越来越便宜。
大家把这个现象称为智力贬值。
基模厂商提供的 API 让每个人都能低门槛、低成本地获取“智力商品”，那么任何打算通过“智力”本身建立高溢价商业模式的玩家，可能就都会被迫退场。
商品市场里，供应商们卖同一种东西，价格由供需决定，最终活下来的是成本结构最好的玩家。AI 的智力一旦真的商品化，基模厂商的价格战就会进入这个逻辑，赢家由成本结构决定，模型性能反而会退居其次。
但我们在这里必须承认一个反常识的事实，就是中国大模型厂商自己也还没有在这场成本战里真正赚到钱。
训练投入靠大厂家底托举和资本托举续杯，整个市场什么时候跑出健康利润模式的玩家，还有待商榷。
为什么说中国大模型的高性价比，是一件事紧张又刺激的事？
成本战可能是自我利好，也可能是和硅谷的双向伤害，打破了“大模型高毛利”的预期，让华尔街重估 CAPEX 回报，而对于中国厂商自己来说，也未尝不是在烧钱换生态。
有没有留出健康利润空间，谁的打法和标的是健康的、谁是病态的，已经变成了厂商们各执一词的罗生门。
硅谷更怕估值逻辑重写，中国厂商和创业者则更怕把“智力是水电煤”的故事讲完以后，单位经济模型跑不通。
但从结果来看，无论中国厂商自己能不能赚钱，他们已经把成本曲线拉下来了，这件事不会因为他们的盈亏而回头。
谁在害怕中国大模型？
回收标题：谁在害怕中国大模型？
对整个 AI 产业而言，零边际成本的软件时代，正在让位于有真实 COGS 的产业逻辑。
中国厂商的工程化能力太强，训练速度太快，生态部署太广泛，所以在座的各位，谁都躲不开成本下沉带来的重新洗牌。
放在长期主义的视野里，中国大模型的角色其实很清楚：
硅谷 AI 的出发点和烧钱立足点，本质就是把 AI 当成了一种可以长期维持高毛利的特殊生意；而中国厂商的工程化降本，把 AI 拉回到了传统产业“成本定胜负”的商品逻辑里。
我们不比谁赢了那 1%，我们先比谁能用更少的钱，让 90% 的人接受这个品类，为这个品类买单。
谁的单位成本更低、谁的成本结构更健康，谁就能赢。这件事过去在制造业、在芯片代工、在光伏和电池上都发生过，现在轮到了 AI。
对于普通人和企业而言，如果大模型的赢家逻辑从“谁最聪明”，转向了“谁的成本结构最好”，未尝不是一件好事。
原因也很简单，大多数人的生活和工作根本用不到那 1% 的最稀缺的智力，更多人需要的只是一个好用、丝滑也负担得起的打开方式。
终局没人能预测，但有些故事一旦开始俯冲，就不会再回头了。
