大家好，欢迎收听老范讲故事YouTube频道。黄仁勋为代表的美国硅谷巨头，现在正在号召美国政府放开对开放权重的监管。开放权重模型到底怎么挣钱？开放权重到底是不是中国对美国的一次阴谋？这就是今天要讲的故事。

最近Kimi K3爆火，出了一件特别有意思的事情：不是没人用，也不是没人掏钱，而是用的人太多，显卡顶不住了。月之暗面只好暂停新订阅，先保老用户，同时说正在拼命加机器，会分批把名额再放出来。用户排队送钱，公司却不敢收，这是所有创业公司做梦都想遇到的场景，可它也是今天这个故事的题眼：模型火了，不等于公司就能挣到钱。

先把几个最常见的误解摆在台面上。第一个误解是，权重都放出来了，还怎么挣钱？你花几亿、十几亿美元买卡、买数据、雇人，辛辛苦苦训练一个模型，中间可能还失败很多次，最后却把参数放到Hugging Face上，让全世界都能下载、部署，甚至拿它做产品跟你抢生意，那图什么？第二个误解是，这是不是中国政府针对美国的一场阴谋？美国国会听证会上就有人说，中国政府在背后补贴一批公司，把模型练出来免费撒向全世界；OpenAI每月收20美元，中国模型免费，API只卖美国公司的十分之一，这不是生意，而是倾销，目的是搅黄美国公司建立的收费体系。这个说法把结果说对了一大半，却把动机说错了一大半。中国开放权重模型确实在冲击美国公司的定价，但要说这一切是在密室里有组织、有预谋地设计好的，我不能同意。

开放权重不等于完整开源

第三个误解是，开放权重就是开源。两者差得很远。第四个误解是，美国全闭源、中国全开源。美国也有很多开源模型，只是开放的多为小模型、端侧模型，前沿大模型到目前为止并没有开放。第五个误解是，模型既然开放了，自己下载部署一定比购买API便宜。这是最想当然的一条。大概率你自己部署反而更贵，DeepSeek已经用公开报价证明过这件事。

自由软件、开源软件和开放权重是三样不同的东西。自由软件追求的是使用者的自由：可以运行、研究、修改、分享。这里的free是自由，不是价格必须为零；这套理念不追求经济利益，甚至有些反商业。开源软件则是一套很标准的商业模式。公司主动选择开源还是闭源、开放哪些部分、建立什么生态、吸引哪些开发者、是否争夺标准，最后再依靠订阅、托管、技术支持和认证挣钱。依靠开源挣到最多钱的公司是谷歌，Chrome和Android都是开源的。

开放权重是在开源软件的基础上又往前走了一步，但不是同一件事的另一种叫法。开源要求可复现：源代码都给你，你可以逐行阅读、修改，并从头到尾重新编译出来。它像一本恋爱手册，从认识、恋爱、组建家庭到生孩子的全流程都写清楚，照着走，理论上可以得到同样的结果。开放权重更像招聘一个已经二十多岁、甚至快三十岁的小镇做题家。人已经长成了，你能做上岗培训，教他公司的规矩、行业黑话和客户脾气，却不能把他从小学到大学形成的底层人生观、世界观、价值观全部推倒重来。

厂商交给你的是训练完成后的完整模型，几千亿、几万亿参数摆在面前；至于当初喂过什么数据、怎么过滤、每一步参数怎么调、中间失败过多少次，一个字都不会给你。你无法照着权重重新训练出同一个模型。按照开放源代码促进会OSI的定义，完整的开源AI只有权重还不够，还需要足够的数据说明和训练代码。今天市面上绝大多数所谓的“开源大模型”，准确说都是开放权重模型。

下面回答四个问题：开放权重公司到底挣几笔钱，最想挣哪一笔、最不愿挣哪一笔；开源和闭源现在谁强谁弱，美国为什么突然也想做开放权重；开放权重是不是中国的阴谋；中美之间真正的差距在哪里，中国最后能不能追上甚至领先。

先说挣钱。现在常见的AI公司基本都赔钱，Midjourney是少数挣钱的公司，但大家已经不太把它放在主流大模型公司的讨论范围里。整个行业还没有摸索出一套能够正常运转的商业模式。光算推理可能挣钱，但把训练成本加进去，OpenAI、Anthropic、xAI都亏钱；谷歌整个公司挣钱，Gemini和DeepMind这一块也很可能在亏。所以不能简单说闭源就挣钱、开放权重就亏钱，大家都在亏，而且闭源公司可能亏得更惨。

这里还有一层容易被报表掩盖的不确定性：行业至今并不知道训练究竟该花多少钱、推理又该花多少钱。只算推理，很多公司或许能挣钱；一旦把预训练成本算回去，账就会变成全面亏损。xAI同样亏得很厉害，最后并入SpaceX。OpenAI和Anthropic没有上市，外界看不到同样完整的报表；MiniMax和智谱因为已经上市，才让人有两本可以摊开计算的账。

开放权重公司的五条收入路径

两个上市公司的报表很能说明问题。MiniMax 2025年收入7,903.8万美元，同比增长158.9%，毛利率从12.2%提升到25.4%，但同一年研发费用就达到2.52亿美元。把股权支付、公允价值变动、上市费用等会计项目加回去，净亏损仍有2.5亿美元。智谱2025年收入1.01亿美元，同比增长131.9%，毛利率41%，调整后净亏损4.43亿美元。两组数据放在一起，收入增长很快，毛利率也在改善，可花出去的钱是收进来的四到五倍。因此，现在就问开放权重公司如何盈利，其实问早了。正确的问题是：所有AI公司准备怎么盈利？行业的想象是，未来人类总GDP可能增长十倍或更多，多出来的部分与AI公司有关，所以眼下先承受亏损，继续往前跑。

开放权重AI公司有四类收入，此外还有投资、补贴和市值管理。很多人最先想到的是卖Token、卖会员，OpenAI、Anthropic、Gemini、Grok、智谱、Kimi、MiniMax都在做。但开放权重公司最想挣的并不是Token钱；在四种盈利方式里，卖Token排在最后，是它们最不愿碰的钱。这也解释了为什么智谱、Kimi会搞限量订阅和“饥饿营销”，而靠套餐挣钱的OpenAI、Anthropic不会让用户抢购买资格。

开放权重公司最想挣的第一笔钱是主权AI：给国家和大型企业做模型微调、后训练、强化学习和审核，并顺带拉动投资和市值。所谓主权AI，就是拿开放权重模型回来，按本地政治、历史、外交、行业和审核要求继续训练。有人觉得既然权重开放了，自己招人调就行，但底层模型仍是黑箱，外部团队不知道里面埋了什么。原厂处理通常效果最好；你花几十万甚至上百万美元年薪请来的工程师，效果未必比原厂按内部资料培训的实习生更好。这也是开源公司的传统生意：社区版可以下载，但技术支持、定制和升级收费。

主权AI也不只是微调几个答案。拿到权重以后，还要继续做后训练、强化学习，再加一道审核：输入一批问题，逐项检查输出是否符合本地要求。权重虽然可以下载，底层仍然是拆不开的黑箱，外部团队不知道训练时埋了什么，也没有原厂的内部资料。高薪聘来的工程师只能从外面摸索，原厂按内部材料培训的人却知道从哪里下手，所以这类改造往往仍要由原厂完成。

第一笔钱：主权AI与后训练

今年3月24日，日本Sakana AI发布了Namazu模型。Sakana是鱼，Namazu是鲶鱼。它没有从头预训练，而是直接以DeepSeek-V3.1-Terminus为底座，做日本本土化后训练。在Sakana自己搭建的日本政治、历史、外交测试题上，DeepSeek原版对72%的题目直接拒答；训练后的Namazu拒答率接近0%，按照Sakana自己的说法，基础能力大体没有下降。一个日本公司没花钱预训练前沿模型，就做出了本地模型：中国的底座、日本的调校厂、日本的客户。如果企业从头到尾只接触Sakana，DeepSeek得到的是影响力、名声和下载量，唯独不是收入。这正是开放权重原厂最大的商业风险：发动机是你造的，卖车的钱却让调校厂赚走了。

聪明的原厂必须亲自做认证、支持和版本升级，并与当地云厂商、运营商签分成。Sakana的案例之所以能成立，有两个很难复制的原因。第一，公司的两位创始人是从谷歌出来的高手，他们有能力完成这项工作，而且作为创业者不需要给自己开天价薪水，一般大企业、政府机构和国家机关花钱也未必请得到这样的人。第二，他们改的是中国公司不愿意帮助修改的部分。DeepSeek对日本政治、历史和政府问题拒答，很可能是双方要求的表述不一致；中国模型公司不可能接受一项违背自身要求的改造。使用中国大模型、又想请原厂修改，至少需要满足原厂能够接受的立场和条件。

后训练也不是毫无风险。它像给小镇做题家做入职培训，训不好会把人训傻。Sakana的创始人真正厉害之处，是把拒答率从72%降到接近0%的同时，没有明显损害基础能力，这非常难。

主权AI最值钱的并不是服务费本身，而是入场券和资本背书。你能为主权国家做部署辅导，就可以去中东讲自己在哈萨克斯坦落地，参与起草全球主权大模型发展白皮书，并与巴西、巴基斯坦、马来西亚、新加坡、越南、泰国等共同署名。这样的履历可能直接换来投资。阿布扎比投资局领投MiniMax约6,500万美元；MiniMax今年1月在香港上市，到3月24日，阿布扎比投资局赚了六倍。沙特阿美旗下基金投资智谱3,000万美元，上市后也获得收益。MiniMax辛苦一年收入7,903.8万美元，还亏损2.5亿美元，而一张pre-IPO支票就有6,500万美元。相比费力卖一整年Token，开放权重公司当然更想得到主权AI合同、投资和市值提升。

第二笔钱是云机房代运营。中国移动、中国联通、中国电信以及国外电信运营商有带宽、接口、IP地址和服务器。它们当然可以从Hugging Face下载Kimi K3，再配一套SGLang或vLLM，接上用户系统和计费系统。但这样部署出来的Token质量和价格通常竞争不过原厂，因为没有原厂的系统提示词、推理系统和Hardware agent。即便使用GB200、GB300去跑DeepSeek，成本仍可能高于DeepSeek官方报价，因为原厂已经对整套推理系统做了大量优化。

最好的模式是运营商提供机器和客户，成为模型公司的代理商，由模型原厂部署、运维和升级，双方销售后分成。大模型本身升级未必那么快，但系统提示词、推理系统和服务端Harness agent每天都在变。运营商自己雇人跟进，很难与原厂团队相比。对模型公司而言，这是一种轻资产模式：不用买卡和机房，却能使用机房、接触客户，并得到Token分成。

这和当年盛大网络做网游很像。中国网络拓扑特殊，游戏公司必须在各地就近部署服务器，但带宽、IP地址、端口和资质掌握在各省移动、联通、电信手里。运营商有基础设施，却未必有能力开发、运营好游戏。于是运营商代理游戏，盛大把游戏部署到它们的服务器上，负责运维、升级和活动，运营商卖点卡，最后双方分钱。这个模式后来被大游戏公司普遍采用。腾讯云也开始采用相似做法：与其自己部署DeepSeek、怎么优化都竞争不过深度求索，不如让原厂部署，腾讯云负责销售，再按收入分成。黄仁勋等人推动美国接受开放权重，也是欢迎中国公司进入这套全球云和芯片生态，当然Kimi、MiniMax、GLM等产品可能仍需要区分国内版和海外版。

第三笔钱是系统集成、认证和培训，主要面向需要私有部署的中小企业以及系统集成商。中小企业没能力、也没预算做模型后训练和强化学习，但它们有内部系统，需要在自己购买的云服务器中部署模型，并建设知识库或AI agent。这类二次开发改的不是模型本身，而是后面的业务系统。

客户很多，模型公司人手有限，许多项目又掌握在本地关系网络中的集成商手里。模型公司不必争抢终端项目，可以给集成商培训和认证，告诉他们模型应该怎么搭、该使用哪套推理系统。开放的是模型权重，但原厂内部使用的推理系统未必开源；它通常基于开源系统改造，更适合自家模型以及国产或英伟达算力卡。集成商通过认证后，打着模型公司的旗号承接部署项目；模型公司赚培训费、认证费，并把自己的标准铺出去。

第二笔钱：云机房代运营

Red Hat和MongoDB已经把这套模式跑了三十多年。红帽在财报中说，它通常不从开源软件许可证本身确认收入，而是把开发、集成、测试、认证、交付、维护、升级和支持打包成年度订阅。MongoDB提供免费社区版，也提供Atlas云端免费额度，512MB存储够学习和试用；业务上规模后就需要付费。2026年，MongoDB 97%的收入来自订阅。即便使用社区版，系统集成、认证、培训和二次开发仍能产生收入。

闭源公司也赚这笔钱。Unity有一个“技美”专业服务团队，也就是技术与美术，为游戏公司处理引擎问题，甚至帮助制作美术内容。Unity派出的工程师未必比游戏公司的技术总监水平更高，有时实习生就能完成任务，因为他们有内部培训资料、数据和实施手册；外部团队只能蒙着眼睛摸索。

第四笔钱才是卖Token和套餐。对闭源公司来说，这是主要收入；对开放权重公司来说，优先级很低，而且它们并不希望固定月费用户使用太多。中国程序员尤其喜欢把套餐额度用到极致，厂商就会觉得不划算。Kimi K3暂停新订阅，GLM-5.2每天上午10点放名额，没抢到就第二天再来，这种做法不会出现在依赖订阅收入的OpenAI和Anthropic身上。

开放权重公司仍然保留API和套餐，主要有两个目的：冲用户量，以及从散客里筛选大客户。客户总要先试用，才能判断模型是否适合自己。用户量又能影响排行榜、估值和收入故事。小米今年4月28日推出MiMo“百亿Token创造者”奖励计划，30天内向全球开发者免费发放100万亿个Token。MiMo-V2.5-Pro随后在OpenRouter周调用榜达到4.82万亿Token，冲到榜首。最近MiMo-V2.5-Pro再次位于榜首，MiMo Code也曾免费开放。免费自然会吸引大量用户把额度用完，但榜首不等于模型已经靠Token挣钱。

免费冲榜时还要分清调用量从哪里来。MiMo-V2.5-Pro和MiMo Code开放免费使用后，大量用户自然会把额度用完；模型即使没有那么好用，只要免费而且确实能用，就足以吸引海量调用。这样的调用量可以把产品推上OpenRouter榜首，却不能倒过来证明Token业务已经产生利润。榜单在这里首先承担的是获客、讲收入故事和抬高估值的作用。

第三笔钱：系统集成与认证

小米、美团、蚂蚁也有开放权重模型，却不依靠卖模型赚钱。它们做的是市值管理。手机、外卖、支付业务的市盈率故事不够性感时，公司可以告诉市场，自己也是大模型公司，而且模型在OpenRouter冲到第一。美团和蚂蚁的Ling也冲过第一。三家公司又都有自己的应用场景：小米有手机、汽车和IoT设备；美团有客服、骑手、餐馆和平台，自己的模型叫LongCat，也就是龙猫；蚂蚁有支付业务。它们不用对外卖Token，也能在内部消化模型价值，同时提高市场估值。

谷歌的逻辑也类似。财报可以说Gemini用户很多、Token量很大，因为Gmail、Google Drive、Google Workspace、Chrome里都有Gemini入口。使用量上升并不自动证明产品或模型特别优秀。因此，除了四类收入，开放权重公司还有第五条路：拿投资、拿补贴、做高市值。这甚至可能是当前最主要的“盈利”方式。从散客手里一点点卖Token很费劲，远不如大投资人直接把支票递过来。

接下来比较闭源和开放权重。一个反直觉的变化是，现在闭源产品的更新速度甚至比开源更快。传统闭源软件升级很慢，客户提需求，要经过版本规划才能发布，想提前修复还可能被收费。Unity客户发现公开版本有bug，通常只能等待下一版本，或者购买“技术与美术”服务，先得到一个只有自己能用的补丁。

今天大模型本身更新未必很快，但服务端系统提示词、推理系统、Harness agent，以及Claude Code、Codex等客户端都在高速迭代。Claude Code从7月1日到7月25日公开发布22个版本，分布在18个自然日，7月14日一天更新三次。OpenAI的Codex在7月有67次GitHub发布记录；ChatGPT官方更新日包括7月6、8、9、13、14、15、16、23日，经常一天更新多次。相比之下，OpenClaw“龙虾”可能两周才升级一次。我现在主要使用Codex和Claude Code，龙虾用得越来越少，因为当然会选择更积极、更活跃的工具。

沟通渠道也变了。过去闭源用户写邮件，开源用户在GitHub提issue或PR，处理仍然很慢。现在很多沟通直接发生在X上：用户喊一声模型或系统有问题，马上有人回应，上午提出，下午可能就修了；如果是OpenAI，可能还顺手给用户重置一次额度。开放权重模型虽然没有OpenAI和Anthropic这么快，但也比传统开源软件快。依然按部就班升级、还想靠提前升级向客户收费的传统软件公司，面对今天的闭源和开放权重大模型都会失去生存空间。

第四笔钱：Token与套餐

既然速度优势被闭源抢走了，开放权重还剩什么价值？换个问法：企业花钱到底买什么？企业买的常常不是模型，而是四个确定性。

第一是运行的确定性。业务高峰不能崩，延迟不能忽高忽低，容量不够时企业要自己决定如何扩容。不能像ChatGPT或Anthropic那样，一发布新版本，所有人突然无法使用；如果企业正在开展业务甚至做手术，供应商不能不商量就改变系统。第二是业务的确定性。模型要接入邮件、合同、客服、财务、仓库和生产线，不能只停留在聊天框；数据放在哪里、是否安全可控，企业必须清楚。

第三是风险的确定性。谁能访问数据，出错后能否追查，有没有日志，监管到来时如何确认和审计，都很重要，完全交给OpenAI很难做到。第四是生命周期的确定性。模型三个月后升级，原提示词还能不能用？新的推理框架由谁匹配？漏洞由谁修？供应商是否还在？这都需要明确。

Namazu基于DeepSeek-V3.1-Terminus做了后训练。DeepSeek后来出了3.2，Namazu是否升级不能由DeepSeek替客户决定。要升3.2，Sakana必须重新训练、重新测试，确认原来72%的拒答问题不会变成73%或69%。而API公司可以直接关闭3.1、3.2，把所有用户导向4.0。GPT-4o关闭时很多人抱怨，但供应商认为它效率低、挣钱少，仍然可以关掉，不必服从用户的偏好。

前三个确定性，闭源模型可以部分实现，规模和专业能力甚至可能更好；真正过不去的是第四个：谁决定升不升级，谁决定旧模型是否继续服务。只有开放权重和相应服务商能让客户自行决定是否更新、如何扩容、数据放在哪里、怎么记录日志、最终怎么审计。开放权重卖的不是模型本身，而是这种确定性。

服务端故障也能说明问题。OpenAI在7月21日出现两次事故，其中一次持续十几分钟，Codex和ChatGPT API平台发生认证错误，用户无法登录。第二天平台又给用户做了一次重置。国家和大型企业无法接受这种不可控。把模型部署在自己的机房并不代表不会出错，甚至故障概率可能更高、问题更严重，但主权机构要求责任到人：该买的服务器没买，出事就认；该买的都买了，就要找到具体责任和补救办法。不能因为OpenAI出了问题，自己既无法修复，也无法把对方拉来开会，却只能承受损失。

开闭源竞争的真正分野

许多“一带一路”国家购买中国开放权重模型再训练，也是为了让模型按照当地既得利益者的要求回答问题。最终解释权来自合法政府，而政府的合法性又可能由解释权来决定，形成一套循环嵌套的逻辑。

美国现在也想支持开放权重。此前讲黄仁勋建议开放权重时，有77家公司签名，如今已经有230多家，亚马逊等也加入，Anthropic应该仍未签署。它们要求美国政府不要限制开放权重，即使模型由中国公司做出来，也希望继续使用。黄仁勋要卖芯片，微软、Oracle、亚马逊要卖云和企业服务，这本来就是它们擅长的生意。但美国能不能做出Kimi K3或DeepSeek？到目前为止，我仍认为做不出来。

这230多家公司的诉求也不只是扶持美国模型，而是即使开放权重模型由中国公司做出来，美国政府也不要限制它们继续使用。背后的商业利益很直接：黄仁勋要卖芯片，微软、Oracle和亚马逊要卖云服务与企业服务。模型只要进入它们的基础设施，芯片、机房、部署和运维就都有生意；支持开放权重，正是在保护它们原来最擅长的收入来源。

开放权重是不是中国政府的阴谋？先做一个反事实推演：如果美国最初不限制中国AI，会发生什么？我的判断是，中国这些开放权重公司根本做不出来。既然有便宜、省事、好用的现成服务，谁会费力做底座？如果中国用户能顺利刷卡买ChatGPT Plus、调用ChatGPT API，很多人不会选择还要抢额度的中国模型。创业者也会涌向应用层，做套壳产品、agent和行业方案，因为来钱更快、风险更小；很少有人愿意啃预训练这种又苦又累、九死一生的工作，就算做出来也没有用户。

现实是，OpenAI不允许从中国境内访问模型。Anthropic更严格，2025年9月修改服务条款，任何被中国实体直接或间接控股超过50%的公司，其全球子公司都禁止使用Claude，理由是法律、监管和安全风险。少数人仍会越过障碍使用，但多数人做不到。

我自己就在苹果美国官网买过100美元礼品卡，用银联支付了600多元人民币。网站说无需登录，可以以访客身份购买，一小时内发邮件。我晚上11点付款，等到第二天早上才收到卡号。因为没有登录，退也不知道怎么退，七八个小时里一直担心钱拿不回来。最后礼品卡成功充入美国Apple账户，才可以订阅ChatGPT Plus和Anthropic Pro。愿意这样耐心折腾、还承担不确定性的人能有多少？绝大多数用户根本搞不定。

美国的封锁由此给中国模型公司圈出了一个足够大的市场。“足够大”最重要。市场太小，仍然养不起前沿模型。法国Mistral想服务欧洲，但欧洲各国语言不同，市场被切得很碎。中国有14亿人、几千万家企业，还有全世界竞争最激烈的互联网行业。这个市场足以养活几家前沿模型公司，足以让它们走完从0到1，也足以让模型接受真实用户的反复检验。如果没有封锁，这个市场很可能早被OpenAI和Anthropic占满。

这像朝廷下旨，江南丝绸一律不许进京。原来北京织户没有活路，因为江南丝绸又好又便宜；禁令一来，京城织户反而得到一个被围起来、足够大的市场，可以慢慢磨炼手艺。这道旨意究竟帮了江南还是北京？从这个角度说，中国能做出开放权重大模型，确实要感谢美国政府。

在这个过程中长出来的模型，带着“小镇做题家”的成色。因为缺钱，它们有先天不足：没有太多失败实验的余量，数据不如美国公司干净，后训练也没有那么精细。但它们能用，真的能解决很多问题。小镇做题家有短板，可招回来后能吃苦、价格低、不断学习，最后也可能成为顶梁柱。

把时间倒回一年，美国头部公司基本放弃了开放权重市场，尽管政府需要数据不出境、企业需要不被API供应商卡脖子、工程师需要自行微调，这些需求都真实存在。美国头部公司之所以不做，是因为它们要用最快速度圈住用户，固定行为习惯，掌握标准和定价权。把最强模型开放出来，这套体系就建立不起来。美国放弃，中国便来补位。

中国现在是在用时间换空间、用时间换钱：先靠被围起来的国内市场活下来，再通过开放权重走出去，填补美国公司放弃的位置，赚一点钱、争取一点时间。等资本市场松动，或者scaling law走到尽头，至少中国公司还坐在牌桌上，其他国家可能早已下桌。中国真正争取的是成为最后一个下桌的人，甚至保留把美国翻下桌的可能。这是平衡问题和物理规律问题，不是“人有多大胆，地有多大产”的精神胜利。

所以我不认为开放权重是事先设计好的阴谋，而是被逼出来、后来又被将计就计用好的一场阳谋。阴谋是在密室里画好图，有计划、有预谋、有组织；阳谋是所有人都看得见你在做什么，却仍然让你做成了。开放权重从头到尾都公开，模型挂在美国公司的Hugging Face上，许可证写在那里，任何人都能下载，没有藏着掖着。

当然，认为这是有组织的低价倾销、目的是瓦解对手商业模式，也有一定道理，因为客观效果确实如此。DeepSeek、Kimi发布时，美股会产生反应。资金来源也让阴谋论看起来并非空穴来风：Moonshot也就是月之暗面融资35亿美元，领投方是国家人工智能产业投资基金；最近它还领投了DeepSeek。这个基金未必出资最多，但位置特殊、权力很大，中国政府确实在背后出钱。不过OpenAI和Anthropic也拿主权基金的钱，各国政府都在向AI投入巨资，这并不是中国特色，所以仅凭政府投资无法证明阴谋。

国家人工智能产业投资基金的特殊之处还不只在出资额。它在一轮融资中未必出钱最多，却可能拥有最大的权力和最特殊的位置；它领投月之暗面之后，最近又领投了DeepSeek。因此，“中国政府在背后出钱”不是空穴来风。不过同一把尺子也要量OpenAI和Anthropic，它们同样接受主权基金的钱，各国政府都在向AI投入巨资。政府资本能够说明资金来源，却不能单独证明这是中国特有的阴谋。

最后还有一个更硬的问题：即使开放权重这条路走对了，中国公司能不能追上美国AI？很多人说差距在模型、算力、数据和人才，我认为真正拉开差距的并不是这三样，而是钱。

数据可以花钱标注，中国有大量人力，实在不行还可以蒸馏，美国公司最多写信表达不满。中国已经蒸馏过很多数据，效果也还可以。人才更不是最缺的。中国有大量能够做AI工程实施和科研的人，美国主要AI公司中最大的族裔群体都是中国人——这里说的是在中国出生、接受过早期教育、后来出去的人，而不只是泛指华人。能去美国的只是少数，大量同样有能力的人仍留在中国，他们踏实肯干、愿意加班，工资还更低。

开放权重是阴谋还是阳谋

这像我们以前投资AI项目时，要求创始人参加过中国数学奥林匹克竞赛国家队，却不要求拿过金牌。因为进入国家队后，大家的水平已经相差不大，挑一个出来做AI都是好手。中国的人才总量并不比美国少。

算力卡也不是绝对无法解决。一方面可以通过非正规渠道获得，另一方面可以在世界各地建设算力中心，不一定非要把卡运回中国。既然数据、人才和卡都能想办法，中国模型为什么仍差美国好几年？答案只有一个字：钱。资本鸿沟才是中国大模型公司落后的核心原因。有钱就可以买人才、数据和卡。即使中国团队足够节省，只用OpenAI、Anthropic一半的钱就能达到同样能力，也不可能只用对方1%的钱完成同样目标，这不符合物理规律。

2026年3月31日，OpenAI宣布完成1,220亿美元承诺资本融资，投后估值8,520亿美元。5月28日，Anthropic宣布H轮融资650亿美元，投后估值9,650亿美元。两家公司合计拿到1,870亿美元。中国这边，MiniMax今年1月上市，IPO融资6.19亿美元；智谱1月上市，融资5.59亿美元；Moonshot也就是月之暗面在7月29日宣布最新一轮融资35亿美元，投后估值350亿美元，这已经是中国大模型公司历史上最大的一轮融资。OpenAI一轮融资相当于月之暗面最大一轮的35倍，Anthropic一轮融资相当于MiniMax IPO募资总额的100倍以上。

科研真正需要的是失败尝试的次数。有1,220亿美元，可以做一百次错误实验，错了继续做；资金不足的公司不敢。钱买到的是允许亏损的时间。OpenAI和Anthropic可以说敢亏五年，MiniMax、智谱和Moonshot不敢，亏两年公司可能就撑不住，只能关闭购买接口、限制用户使用。

如果Kimi、DeepSeek、智谱、MiniMax拥有OpenAI的资金，或者能融到一半，很多算力瓶颈就不会存在，也不需要那么依赖蒸馏。许多被宣传为“中国式创新”的省钱技术，包括各种注意力算法，一半以上都是缺钱逼出来的。

中国AI公司过去并不比美国公司更难融资。原来的链路是拿美元完成A、B、C、D轮融资，再去纳斯达克或纽交所上市。现在这条路被中美两国共同掐断。美元融资变难，国内又限制资本无序扩张，过去大量投资项目的腾讯、字节跳动、百度也减少出手，AI公司无法再获得同样高的估值和资金。

拿美元融资后去香港上市也不一样。智谱上市后最高市值曾超过1万亿港元，约合1,285亿美元，但这种市值在股份尚未解禁时可以撑住，一旦大规模解禁、股东卖出或公司再融资，盘面可能迅速下跌。中国公司在香港上市时，流通股占比通常低于美国市场，意味着首次上市能融到的钱也少。香港股市容量远小于美国，若把SpaceX那样估值1.75万亿美元的公司放进去，整个市场都可能吃不下。

中国AI公司的处境是，账面市值或许有美国公司的十分之一，真正拿到手的现金却可能只有1%。有些问题可以靠节省和忍耐熬过去，有些不行。当现金达到美国公司的一半，中国公司有赢的机会；当现金只有1%，巧妇难为无米之炊，能维持表面体面已经很不容易。

把前面的商业账再连起来看，开放权重并不是把最值钱的东西白送以后等待奇迹发生，而是用免费权重降低客户第一次接触模型的门槛。下载量、调用量和排行榜让模型进入更多人的视野，散客试用帮助公司筛选真正可能付费的大客户；大客户再把需求带向后训练、私有部署、云代运营、认证和长期支持。权重是免费的入口，围绕权重形成的部署能力、内部工具、版本维护、本地关系、责任承诺和资本故事才是收费网络。问题不在于有没有挣钱的路径，而在于这些路径当前能否覆盖极其昂贵的预训练和持续研发。

这也解释了为什么“自己部署一定便宜”经常是错的。用户下载到的只是训练完成的权重，不是原厂完整的生产系统。推理框架如何适配模型、系统提示词如何调、服务端agent怎样配合、不同算力卡如何压榨效率、版本变化后如何继续维护，这些工作都会产生隐性成本。运营商和企业看似已经拥有服务器，真正自行部署后，却可能发现质量低于原厂、单个Token成本高于官方报价、升级速度又跟不上。与原厂合作并不是为已经公开的权重重复付费，而是为原厂积累的生产经验和持续更新能力付费。

中美AI差距的核心是资本

同样，开放权重带来的“可控”也不是绝对不出故障，而是故障发生以后，客户仍然握有选择权和追责链条。主权机构可以决定买多少服务器、何时扩容、是否继续使用旧版本、怎样保存数据和日志，也可以要求具体团队负责补丁和审计。闭源云服务可能技术更成熟、平均故障率更低，但客户无法决定供应商何时关闭旧模型，也无法在供应商整体事故时自行补救。对普通消费者来说，这种控制权未必值得额外成本；对政府、关键行业和大型企业来说，它可能正是最昂贵也最必要的产品。

中国路线的形成同样不是单一因素的结果。美国限制把海外服务挡在市场之外，中国庞大的用户和企业需求让本土模型有机会活下来；美国头部公司为了圈用户、定标准和守住定价权，暂时放弃最强开放权重模型，又给中国公司留下国际市场空位。中国团队缺钱，只能在算法、工程和成本上被迫节省，再用开放权重换影响力和时间。政府基金、中东资本、香港上市和企业自身场景为它们补充资金，却仍无法抹平与美国公司之间数十倍乃至百倍的融资差距。因此，这既不是单纯的技术奇迹，也不是一场预先排练好的低价战争，而是一连串限制、市场选择和资本条件共同塑造的结果。

最后的格局可能像操作系统。如果只想省事、顺利干活，就像选择Windows或macOS一样使用美国模型：体验一致、能力很强、责任边界明确，它们会吃掉绝大多数C端和小B用户，并掌握标准。如果是愿意折腾的工程师，有更高、更特殊的要求，需要像Linux那样灵活、可控、可迁移，让数据留在自己手里，可以自行调整模型，那么中国开放权重模型就有位置。此外，总有一些工作是OpenAI和Anthropic担心舆论而不愿做的，也会成为中国模型的市场。中国现在的玩法，说白了就是做Linux、做底层内核。

到底能不能追平，要说三句实话。第一，能不能追平主要不取决于技术，而取决于钱何时到位：创投链条能不能重新接上，港股容量能不能撑起大市值，中东和东南亚的资金什么时候能进来。这些问题不解决，只谈技术没有意义。

第二，真正的窗口可能出现在scaling law走到尽头的那一天。现在继续增大模型仍然有效，融资再多也必须不停投入、向前跑。一旦增加算力不能继续增强模型，边际成本就确定下来。到那时，人多、竞争激烈、成本低、贴近场景，才会成为中国的优势，中国可能获得追赶机会。

第三，中国AI追赶美国绝不是短期事情，可能需要三到五年。宣称现在就要追上、明天就要超过，都是在误导人，大家不要上当。

最后请记住一句话：开放权重把确定性变成了奢侈品。中美AI竞争到最后，比的不是谁愿意免费，而是谁能在免费的底座上搭起一套更强大的收费网络。这就是今天讲的故事。

背景图片