过去几年，中美人工智能竞争最直观的指标是模型排行榜、GPU数量和参数规模。进入2026年，竞争重心正在发生变化：模型能力仍然重要，但决定一套技术路线能否持续扩张的因素，越来越包括推理成本、开发者生态、云服务、企业部署、真实场景数据以及规则制定能力。开源与闭源由此不再只是技术路线之争，而是同时牵动企业商业模式、客户控制权与产业落地成本。
这一变化首先来自算力约束。自2022年以来，美国持续收紧对华先进人工智能芯片出口限制。2026年1月，美国商务部工业与安全局调整部分对华半导体出口许可政策，对英伟达H200、AMD MI325X及类似产品改为满足条件后的逐案审查。在这一背景下，中国人工智能企业更强调算法效率、推理成本和开放权重。DeepSeek、Qwen等模型的影响力，很大程度上来自“能力接近前沿、价格更低、可下载并二次开发”的组合，而非单次基准测试成绩。行业通常将这类路线统称为“开源”，但其中相当一部分更准确的表述是“开放权重”：模型参数可以下载、微调和私有化部署，训练数据、完整训练流程和部分工具链并未全部公开。
这一差别直接影响商业扩散路径。闭源模型通常以云端API和订阅方式交付，供应商能够持续控制模型版本、访问权限和收费标准；开放权重模型则更容易进入企业本地数据中心、边缘设备和专有业务系统，为对数据合规、成本和定制化要求较高的企业客户提供了另一种选择。美国国会下属美中经济与安全评估委员会（USCC）在2026年3月的一份报告中，将中国开放模型的发展概括为两个相互强化的循环：一条发生在数字世界，即模型发布、开发者下载、微调和再迭代；另一条发生在实体产业，即模型进入制造、物流和机器人场景，产生真实运行数据并反推模型改进。
开发者生态已成为关键变量。USCC统计显示，阿里Qwen已形成超过10万个衍生模型，Hugging Face此后披露的数字继续增长。一个基础模型一旦被大量开发者用于代码、视觉、语音、行业知识和边缘部署，便逐步接近技术底座，并可带动云计算、推理服务、企业部署、工具链和硬件需求。这也解释了中国大型科技企业更易接受“模型低价甚至免费、在其他环节变现”的商业逻辑：对拥有云平台、企业客户和产业场景的公司而言，模型可以是入口，而非唯一收费点。
美国科技产业同样并非单一的“闭源阵营”。2026年7月，包括英伟达、微软、Meta和IBM在内的多家美国科技公司公开支持开放权重模型，认为过早限制开放模型可能压制创新和竞争；部分前沿模型实验室则更强调能力扩散后的安全风险、知识产权保护和可控性。这种分歧与各家公司在产业链中的位置高度相关：芯片公司希望模型越多、应用越广，云厂商需要大量不同模型进入企业工作负载，下游软件公司希望降低对单一模型供应商的依赖，而投入巨额训练资本的前沿实验室更依赖模型能力保持稀缺。
随着模型性能差距缩小，争议正从芯片和开放度延伸至训练方法与规则层。2026年，美国政府和Anthropic等公司先后公开指责部分中国人工智能企业存在未经授权的“工业规模蒸馏”，中方否认相关指控并强调蒸馏本身是一项中性的通用技术。技术方法本身与是否违反合同、知识产权或访问规则需要分开讨论，但这一争议表明，中美AI竞争已不仅是谁能训练出更强模型，也在争夺什么样的训练行为可被接受、开放模型应承担何种安全义务，以及跨境AI服务如何适用现有法律。
从当前格局看，开源与闭源并未出现一条路线完全取代另一条路线的迹象。前沿闭源模型仍可依靠高强度资本投入、先进算力和集中研发推进能力上限；开放权重模型则在成本、私有化部署和开发者扩散上更具灵活性。企业客户很可能同时使用多种模型：高价值、高敏感任务使用更强的封闭系统，成本敏感或需要本地部署的场景使用开放模型。更值得持续观察的，是哪一方能够把模型能力转化为更低的推理成本、更广的开发者网络、更成熟的工具链、更稳定的商业收入，以及更大规模的企业和实体产业部署。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
