夜雨聆风
今年1月初在北京举行的AGI-Next峰会上，包括智谱、Kimi、千问和腾讯在内的中国人工智能生态系统主要构建者，做出了冷静的评估。他们认为，中国引领全球下一代通用人工智能（AGI）基础范式的可能性不到20%。
当然，这并非承认失败，可能标志着一场非对称攻势的开始。中国不再将领先地位作为衡量成功的唯一标准，而是越来越重视精益推广、算法效率以及部署和系统集成。
尽管美国实验室继续优先考虑大规模训练和维持这种训练所需的基础设施，但中国越来越重视高效算法的设计，将其作为获得能力的低成本途径。
Moonshot AI的杨植麟认为，竞争优势越来越源于更科学地利用计算资源，而不仅仅是购买更多计算资源。Muon是一种较新的训练技术，旨在利用相同的硬件预算获得更多的学习成果，从而提高效率。与此同时，Moonshot的线性注意力机制Kimi Linear被誉为实现百万级Token上下文窗口的途径，该公司报告称，在极端序列长度下，其解码速度比传统方式快六倍。
这种策略正在打造新的战略优势。它是一种经过高度优化的软件栈，旨在从有限的计算资源中挖掘出接近前沿的能力。如果这种发展趋势持续下去，那么到中国自主研发出先进芯片时，它就可以带着一套成熟的高效软件栈进入这一阶段，这套软件栈能够显著降低训练和部署的计算成本，远胜目前以规模优先为导向的发展策略。即使在老一代芯片上也能缩小性能差距。
此次峰会显示中国的AI战略正从聊天机器人领域迈向新的阶段。“聊天一代”的核心问题已基本得到解决，未来的进步将越来越趋于边际改善，体现在性能的微小提升，或是通过个性化和情感互动实现差异化。对话能力正逐渐成为一项基本功能，而非前沿技术。中国正在将制造业的未来押注于智能体，这些系统将直接融入生产、企业工作流以及实体经济的运营过程中，自主执行复杂的任务。
这标志着中国人工智能战略从信息导向型转向功能导向型。在美国，人工智能的讨论往往围绕模型能力展开。而在中国，领先企业已开始强调软件工程和系统集成，将其视为借助人工智能实现经济效益的主要途径。
正如腾讯的姚顺宇在峰会上指出的那样，人工智能最终可能贡献全球GDP的5%到10%，但其目前的影响力仍低于1%。他的观点并非仅仅在于模型必须变得更加智能，而是即便能力提升速度放缓，在企业中部署现有系统仍然可以带来可观的回报。
因此，对中国而言，务实的做法可能是将差距视为部署问题而非模型能力问题。具体而言，就是将智能体系统从被动对话转变为主动行动，将其嵌入到实体经济的各个环节，包括客户服务流程、内部工具、制造相关工作流程以及企业软件栈。
中国精简技术栈背后的意义，除了缩小资源受限情况下的技术差距，还在于它能使中国的人工智能技术更容易出口、运行和嵌入。通过提供免费、高性能且计算成本低廉的模型，中国在数字领域实施“农村包围”战略，在向核心市场进攻之前，先在外围市场积蓄力量。
诸如阿里巴巴的Qwen和推理能力强大的DeepSeek等模型迅速攀升至全球开源模型排名榜首，日益被开发者视为默认基准模型。斯坦福大学人工智能研究所报告称，Qwen在2025年9月超越Llama，成为Hugging Face平台上下载量最高的LLM模型；此外，在2024年8月至2025年8月期间，中国开源模型开发者的下载量占到了17.1%。
对于东南亚、中东和非洲的许多开发者而言，美国的API昂贵、难以扩展、响应缓慢，或与当地的语言文化环境格格不入。而中国开源的API则提供了不同的选择。它们可以在相对简单的基础设施上部署，可以快速定制，并且以更少的限制集成到现有的工作流中。
根据Open Route的研究报告，中国开源模型的使用率从2024年底时微不足道的水平，增长到接近总使用量的30%，增长主要集中在2025年下半年。成本-使用量映射图显示，DeepSeek和Qwen等服务集中在低成本、高流量的使用领域。
一旦应用程序、工具和微调流程开始围绕中国开源架构形成生态圈，模型选择就会变得越来越依赖于特定路径。工具链、评估程序和使用习惯会逐渐趋向最易于访问和运行的方案，尤其是在成本敏感的环境中。即使世界上最先进的模型仍然在其他地方，决定人工智能如何被采用、本地化和运行的基础设施最终也可能由中国的技术标准塑造。
如果这一判断正确，那么华盛顿的核心弱点在于概念而非技术。它过度追求前沿科技霸权，低估了技术扩散作为地缘政治杠杆的作用。下一阶段的竞争格局或许不再仅取决于前沿突破，而是更多地取决于开源软件的普及应用、工具链的默认设置以及使用过程中涌现出的标准。
对这个话题，欢迎积极参与下方评论区讨论，提出您的看法与观点。
END
更多文章：