美华头条8月3日综合报道，7月以来，中国人工智能企业接连推出价格较低、允许用户自行部署的开放权重模型，推动中美人工智能竞争从前沿性能扩展至使用成本、开发生态、海外市场、安全标准和基础设施等领域。美国仍在先进芯片、云计算、基础研究和高端闭源模型方面保持优势，但中国模型在成本和开放部署上的竞争力，正在促使美国企业、投资机构和政策制定者重新评估现有发展路径。

这轮变化的直接推动因素之一，是北京人工智能企业月之暗面于7月中旬推出Kimi K3。该公司称，K3拥有2.8万亿参数，并在编程、文本处理、长上下文和智能体任务等部分评测中达到前沿水平。7月27日，月之暗面公开了模型权重，使企业和研究机构能够下载、调整并部署模型。

部分第三方评测显示，Kimi K3在特定编程任务上的表现接近或超过若干美国模型，调用价格则低于部分高端产品。不过，月之暗面发布的技术报告也承认，K3的综合能力仍落后于美国最先进的闭源模型。不同评测采用的数据、任务和评价方式并不相同，单项排名不能直接等同于模型在商业部署、安全性和复杂推理方面的总体能力。

Kimi K3的出现表明，中国企业不必在所有指标上超过美国领先模型，也可能通过较低价格和开放部署方式改变市场选择。对于大量重复性文本处理、客服、代码生成、数据整理和自动化任务，企业更关注成本、速度和稳定性，而不一定需要性能最高的系统。

美国企业开始重新计算模型成本

美国旧金山人工智能初创企业Lindy.ai开发用于处理电子邮件、日程和办公流程的人工智能助手。该公司最初主要使用Anthropic模型，但随着调用费用上升，今年6月将模型流量转向中国企业DeepSeek的产品。公司创始人弗洛·克里韦洛表示，新模型的成本约为原方案的十分之一，由此减少了数百万美元支出。

这一案例反映出人工智能费用正在成为美国软件企业的重要经营成本。企业通常按模型处理的字符和计算量支付费用。当人工智能被大规模嵌入客服、办公、编程和数据分析系统后，即使单次调用价格较低，累计成本也可能超过工资、办公场所和其他日常支出。

部分企业已开始按照任务难度分配模型：复杂推理、重要决策和高精度编程继续使用美国前沿模型，大批量、重复性任务则转向价格较低的中国模型或其他开放权重产品。这种模式并不意味着美国高端模型失去市场，而是模型使用正从单一供应商转向分层组合。

与此同时，并非所有企业都愿意为了降低价格更换模型。一些软件开发商认为，如果较便宜的模型产生更多错误，后续检查和修改所增加的人力成本可能超过节省的调用费用。对医疗、金融、法律、国防和关键基础设施等高风险领域而言，可靠性、数据保护、责任划分和长期技术支持仍可能比价格更加重要。

美国初创企业寻求本土开放模型

面对中国开放权重模型扩大应用，美国一批初创企业正在开发本土替代产品。Arcee AI、Poolside和Reflection AI等公司希望提供可下载、可定制的美国模型，以满足企业对成本控制、本地部署和供应链安全的需求。

2025年末，Arcee AI使用英伟达Blackwell B300芯片，经过33天预训练完成Trinity Large模型。据报道，该项目投入约2000万美元，明显低于大型人工智能实验室训练前沿模型通常需要的资金规模。Arcee希望证明，规模较小的公司也能通过训练架构、数据处理和计算效率优化，开发具有商业竞争力的开放模型。

不过，美国开放权重企业仍面临融资和盈利模式问题。闭源模型公司可以通过订阅、云服务和应用程序接口持续收费；模型权重公开后，用户能够自行部署和修改，开发者较难依靠单纯销售模型访问权限形成稳定收入。

部分风险投资机构还持有美国大型闭源模型企业的股份。开放权重产品可能降低模型价格并削弱现有平台的收费能力，因此相关项目获得资本支持的难度较高。美国当前的市场结构由此形成明显差异：大量资金集中于追求最高性能的闭源实验室，低成本开放模型的发展则更多依赖规模较小的企业。

支持者认为，美国需要建立本土开放权重生态，避免企业因价格原因长期依赖中国模型。反对者则认为，开放模型的利润空间有限，过度追求低价可能削弱美国企业继续投入高成本基础研究的能力。

亚洲成为中美争夺人工智能市场的重要地区

模型竞争正在从美国和中国国内市场延伸至亚洲。

7月23日至24日，亚太经合组织数字周及人工智能高级别论坛在中国成都举行。美国商务部负责创新与接触事务的副次长比尔·圭德拉在论坛上介绍“美国人工智能出口计划”，表示亚洲客户可以采购由美国芯片、云计算、模型和安全服务构成的完整技术体系，也可以选择其中部分产品。

美国方案的优势在于供应链相对完整。英伟达等企业提供先进芯片，美国云服务商拥有全球数据中心网络，OpenAI、Anthropic、谷歌和Meta等公司则覆盖闭源模型、开放模型、开发工具和商业应用。美国企业认为，性能、安全认证、长期服务和商业信誉可以抵消部分价格差距。

中国方面则重点推广开放模型、人才培训、本地化应用和技术标准合作。7月17日，中国国家主席习近平在上海举行的世界人工智能大会上宣布，将为发展中国家提供5000个与人工智能有关的培训和研讨机会，并推动与东南亚及其他地区建设应用合作中心。

7月23日，包括美国和中国在内的亚太经合组织21个成员经济体同意支持具有安全保障的开源人工智能。相关立场为开放模型在亚洲发展提供了更大政策空间，特别是在采购预算有限、强调本国数据管理和技术自主的发展中经济体。

亚洲市场最终可能不会在中美技术之间作出完全排他的选择。东南亚拥有大量语言和地方性应用场景，单一通用模型难以直接满足所有需求。一些项目可能采用美国芯片和云计算基础设施，使用中国开放权重模型作为技术基础，再由当地企业完成语言、行业和监管适配。

这种组合模式说明，中美人工智能产业虽然竞争加剧，但在芯片、模型、云计算和应用层面仍存在交叉联系。对亚洲政府和企业而言，价格、性能、数据主权、供应稳定性和政治风险可能共同决定采购选择。

开放权重带来创新空间与安全争议

开放权重模型允许用户下载模型参数，在自有设备或服务器上运行，并根据特定数据进行调整。其优势包括降低使用费用、减少对单一供应商的依赖、支持本地数据处理以及加快科研和产品开发。

英伟达、微软、Meta、Palantir等美国企业支持扩大开放权重生态，认为过早限制可能削弱美国开发者的竞争力，并把国际市场让给中国企业。相关企业主张，美国应通过发展自己的开放模型参与竞争，而不是主要依靠限制中国模型进入市场。

另一种观点强调，开放权重模型发布后，原开发企业难以继续控制其用途。用户可以重新训练模型、移除安全限制或用于开发网络攻击工具，因此高能力模型在公开前应接受更加严格的风险评估。

Anthropic主张对前沿模型实施强制安全测试，并加强对先进芯片和模型蒸馏活动的监管。该公司曾指控部分中国实验室通过大量调用美国模型获取输出，再利用这些数据训练自身产品。中国企业和中国政府否认相关安全指控，并认为美国有关说法缺乏依据。

模型蒸馏本身是人工智能行业普遍采用的技术方法，但未经授权地大规模提取商业模型输出，是否违反服务条款或构成知识产权侵权，仍可能成为监管和司法争议的重点。在缺少完整技术记录和独立调查结果的情况下，目前尚不能仅凭企业指控确定具体模型的训练来源。

美国一些机构还担忧，中国模型可能涉及数据跨境传输、内容限制和长期供应依赖。中国模型企业则表示，开放权重产品可以在用户自己的服务器上运行，企业数据不必传回中国。实际风险将取决于部署地点、云服务提供商、软件更新机制和数据管理方式，不能仅根据模型开发者所在国家作出统一判断。

电力和数据中心影响美国扩张速度

除模型性能和成本外，美国人工智能产业还受到电力供应和数据中心建设能力的制约。

Palantir首席技术官沙亚姆·桑卡尔近期表示，美国人工智能发展的直接障碍可能不是中国，而是电力不足以及地方社会对数据中心扩张的反对。他认为，美国已经拥有能够提高制造、医疗、物流和国防生产效率的技术，但部署速度受到能源和基础设施限制。

美国多地居民对大型数据中心的用电、用水、噪声、交通和环境影响提出担忧，也担心电网扩建费用最终由普通用户承担。部分项目因此被推迟或取消，一些州议员提出暂停审批或加强限制。

数据中心企业则认为，人工智能基础设施可以带来投资、税收和生产效率提升，并正在考虑建设专用发电设施，减少对公共电网的压力。如何在产业竞争、居民负担和环境保护之间取得平衡，正成为美国人工智能政策的重要组成部分。

竞争从模型能力转向综合体系

截至8月初，美国仍掌握全球主要先进芯片、前沿闭源模型、云计算平台和大规模资本，其最强模型在复杂推理和综合能力上仍具有优势。中国企业则通过开放权重、较低价格和快速迭代，扩大了在企业应用和新兴市场中的影响力。

中国模型的增长可能压低全球人工智能使用成本，为中小企业和开发者提供更多选择，同时迫使美国企业推出更便宜的产品。另一方面，低成本竞争也可能压缩模型公司的收入和研发空间，使美国围绕巨额数据中心投资建立的商业模式面临调整。

从目前趋势看，中美人工智能竞争的结果将不再由某一项评测或单一模型决定。模型性能、调用价格、开放程度、芯片供应、能源能力、数据保护、海外服务和安全标准，将共同影响各国政府和企业的选择。

美国能否形成具有竞争力的开放权重生态，中国企业能否建立长期国际信任，以及亚洲国家能否在成本、安全和技术自主之间形成可持续方案，将成为下一阶段全球人工智能格局变化的主要因素。