当开源追上闭源，AI权力在转移

AI 每日观察 · 2026年9月1日

8月底到9月1日这几天，AI圈发生了一件有点反常的事。一边是DeepSeek在Hugging Face上开源了V4系列第一款能"看懂图"的多模态模型，另一边是科大讯飞在今天（9月1日）直接把两款端侧大模型开源。过去我们习惯的剧本是：最好的模型握在OpenAI、Anthropic这样的闭源公司手里，开源阵营负责"平替"和追赶。但这个剧本，正在被改写。一个数据很能说明问题：DeepSeek这个新模型在ZeroBench测试里拿到35分，反超了Anthropic的旗舰Opus-4.8（34分）。这不是"接近"，而是"超过"。当开源第一次在旗舰级能力上反超闭源，我们得重新想一个问题：AI的权力，到底掌握在谁手里？

一、开源第一次在"旗舰级"能力上反超闭源

先说DeepSeek-V4-Flash-Vision-Exp。这个模型的参数规模是305B，采用MIT协议开源，意味着个人和创业公司都可以零成本商用。更值得关注的是它的"激活率"：总参数305B，但每个token实际只激活13B，激活率低到4.6%，比竞争对手Hy4的6.4%还要激进。这不是偷工减料，而是MoE（混合专家）架构极致稀疏化的结果——路由机制决定每次只唤醒最相关的那几个专家。激活率越低，推理时烧掉的算力就越少，成本就越低。

成本下降带来的直接后果，是能力没有缩水。公开跑分显示：ApexBench 36.5分，比纯文本版本提升了10分；ZeroBench 35分，反超Opus-4.8的34分；图表理解Chartography 64.3分；文本Agent能力Terminal Bench 83.9分；在真实的软件工程测试里，配套的DeepSWE以59.3%的成绩登顶，把Opus-4.8甩在身后。V4系列在一个月内更新了6次，迭代速度本身就说明团队把开源当成了主战场，而不是顺手开源的副产品。

这件事的分析价值在于：过去"闭源=更强、开源=更便宜但更弱"的等式不再成立。当开源模型在旗舰级基准上反超闭源旗舰，开发者选择开源就不再是"退而求其次"，而可能就是"第一选择"。而MIT协议意味着，没有人能再随时把能力收进付费墙。结论很清楚：开源阵营的角色，已经从"追赶者"变成了"规则改写者"。

二、端侧模型崛起，AI正在从云端下沉到你的设备

如果说DeepSeek代表的是"云端大模型"的逆袭，那么今天另一波开源更值得普通用户注意：端侧模型。科大讯飞在9月1日开源了星火X2.5的4B与1.7B两款端侧通用大模型，原生支持最长1M token的上下文；9月7日还会发布293B的星火X2.5基座模型。小参数、端侧跑，意味着模型不依赖远程服务器，直接在你的手机、电脑、车机里运行。

这股"下沉"不是孤例。中国信通院的报告里，上海原点星辉的StartLux-27B用"AI训练AI"的方法，在MCP专项测试里综合排名第二，高于DeepSeek-V4-Flash，而且明确标注"可在消费级PC运行"。IBM发布的Granite 4.2，提供3B、8B、30B三种规模，以Apache 2.0协议开源，支持最高512K上下文，还内置了agentic RL训练，让模型学会自己调工具、写代码、搜网页。

为什么端侧重要？因为云的代价是延迟、隐私和持续付费。把模型放到本地，数据不出设备，响应不绕服务器，一次部署长期可用。对企业来说，这意味着合规和成本的可控；对个人来说，意味着离线也能用。AI要真正普及到千行百业、千万设备，靠的不是越来越大的巨模型，而是越来越能打的"小模型"。端侧开源的集体爆发，是AI从"展厅里的演示"走向"口袋里的工具"的关键一步。

三、资本与政策同时下注，牌桌已经重排

技术之外，更重的信号来自钱。8月31日晚，快手公告旗下可灵AI完成新一轮增资：国家人工智能产业投资基金注资14亿元，正大机器人注资约1.31亿元。而这只是冰山一角——本轮整体增资上限204.47亿元（约30亿美元），投后估值约180亿美元，是目前全球视频大模型赛道规模最大的一笔融资。国家级产业资本直接进入视频生成赛道，意味深长。

同一逻辑也在算力底层上演。商汤分拆的AI推理GPU公司曦望（Sunrise）完成20亿元新融资，投后估值逼近200亿元，三七互娱、同程旅行等产业资本入场。市场的判断很直白：训练决定模型"能不能造出来"，推理决定模型"能不能被大量使用"——而当智能体、视频生成、企业应用被频繁调用，持续消耗算力的环节是推理。推理芯片，正在从技术备选变成基础设施生意。监管侧也在同步加码：工信部发文探索"首购首用""风险补偿"等模式加大大模型、智能体、Token的采购力度，并提出到2027年底服务商资源池不少于3000家。

把这些放在一起看，结论很清楚：开源与国产生态已经不只是商业竞争里的"性价比选项"，而是被纳入战略基础设施的范畴。当国家级资本和国家政策同时下注，牌桌就不再是几家闭源公司的私人牌桌，而是产业与国家的合流。这对创业公司是机会，对闭源巨头的定价权则是实实在在的挤压。

四、真正的护城河，是工程化与生态

当然，开源追上闭源，不等于开源已经赢了。模型只是起点，落地才是难点。OpenClaw在2.0版本里做了一次史上最大更新：933名贡献者提交了超过1.6万个PR，Session可以在本地、配对机器和云端Worker之间迁移，还支持多人共享协作。9个月拿到38.8万GitHub星标，说明社区真正的价值不在单个模型，而在工程化能力——谁能把模型接进真实工作流，谁才握有用户。

落地的速度也在加快。MiniMax把H3 Max接入开放平台后，生成5秒768p音视频不到3秒，已经跨过实时直播门槛，海外开发者搭出了24小时AI直播，单场观看量近350万次。小鹏发布的第二代VLA大模型（XOS 6.3.0）把"时间"维度纳入AI认知，从3D空间理解升级到4D时空理解，端侧参数提升3.5倍——这是模型能力向具体产品渗透的样本。可见，开源的胜利不在参数大小，而在"模型+工具链+Agent+场景"这套生态是否跑得通。

这也解释了为什么闭源巨头开始防守：OpenAI采购数万台Mac专门做强化学习，训练能自主操作电脑的智能体；DALL-E GPT退役、把图像能力收进统一入口。它们守的不是模型能力，而是"把能力封装成产品、把产品绑定成习惯"的那层外壳。谁先把开源模型工程化、产品化、规模化，谁就拿到下一阶段的门票。

写在最后

把今天这几条新闻连起来看，一条主线浮出水面：开源追上闭源，不是一次技术偶然，而是成本、生态、主权三重力量共同推动的结构性转移。成本上，MoE稀疏化把旗舰能力拉进消费级硬件；生态上，端侧模型、Agent工具链、开源社区把能力变成产品；主权上，国家级资本与政策把开源和国产写入战略基础设施。

给企业和开发者的建议只有一句：是时候重新评估"全栈闭源"的锁定风险了。闭源当然仍有它的产品力和便利性，但把开源纳入主力技术栈，已经不是"降本"的权宜之计，而是"不被单点卡脖子"的必选项。AI的权力，正在从少数闭源公司的手里，悄悄流向更开放、更分散、也更难被收回的地方。

每日推书

今天推荐《芯片战争：世界最关键技术的争夺战》（Chip War，克里斯·米勒 著）。理由很直接：今天可灵、曦望的巨额融资背后，真正被争夺的是"推理算力"——当模型被大量调用，持续烧掉的不是训练芯片，而是推理芯片。而推理芯片的本质，是算力的主权与供应链之争，这正是《芯片战争》揭示的主线。书中讲清了为什么一颗芯片能牵动地缘政治、企业生死与国家战略。读懂芯片，才能读懂今天AI权力转移的真正底盘。对想理解"开源为何重要、算力为何是命门"的读者，这本书是最好的底层地图。