一則來自頂級風險投資公司 Andreessen Horowitz（a16z）合伙人 Martin Casado 的言論，近期在 AI 領域引發(fā)了業(yè)界的廣泛關注。據(jù)《經(jīng)濟學人》報道，Martin Casado 在觀察自家投資組合時發(fā)現(xiàn)一個有趣的趨勢：如今在硅谷，相當一部分前來尋求融資的 AI 初創(chuàng)公司，其路演時所展示出的核心模型，既非出自 OpenAI，也非來自 Anthropic，而是來自中國的開源模型，這個比例甚至可能高達 80%。

幾乎在同一時間，另一個在開發(fā)者社區(qū)流傳的現(xiàn)象似乎也為此提供了旁證：在全球眾包 AI 評測平臺 Design Arena 的開源模型排行榜上，前 16 名全部被中國模型占據(jù)。一時間，許多網(wǎng)友感嘆中國的開源 AI 模型正在對美國的應用創(chuàng)新生態(tài)產(chǎn)生實質(zhì)性影響，甚至可能改變?nèi)?AI 領域的競爭格局?！督?jīng)濟學人》甚至表示：“中國 AI 正在憑借開源超過美國”。

但在風口與熱議之下，其背后的真實語境究竟如何？僅憑這兩個數(shù)字，還不足以我們做出斷言。

圖丨Design Arena 開源模型榜單（來源：Design Arena）

想要理解 Martin Casado“80%”論斷背后的邏輯，我們必須首先了解初創(chuàng)公司的生存邏輯。對于一家剛剛起步、資金捉襟見肘的 AI 企業(yè)而言，選擇技術(shù)棧是一道在理想與現(xiàn)實間不斷權(quán)衡的計算題。長期以來，以 OpenAI 的 GPT 系列為代表的專有大語言模型（LLM，Large Language Model）憑借其強大的性能，被視為獲得最先進 AI 能力的唯一船票。然而，這張船票價格不菲。通過 API 調(diào)用的方式，每一次交互都意味著實打?qū)嵉某杀局С?。對于一個產(chǎn)品尚未成型、沒有穩(wěn)定現(xiàn)金流的團隊，這筆開銷足以構(gòu)成沉重的負擔。

開源模型，尤其是近年來性能表現(xiàn)優(yōu)異的中國開源模型，如 DeepSeek 系列和阿里巴巴的通義千問（Qwen）系列，恰好為這些創(chuàng)新者們提供了另一條可能性，一條看起來阻力更小的路徑。其吸引力或許主要體現(xiàn)在三個層面：

首先是成本效益。開源模型可以被部署在本地，初始投入之后，推理成本相對可控。這種模式在很大程度上降低了初創(chuàng)公司的試錯成本，使得它們能將更多資源投入到產(chǎn)品開發(fā)和市場驗證本身。

其次是控制權(quán)與定制化。初創(chuàng)公司的價值往往體現(xiàn)在其獨特的業(yè)務場景和專有數(shù)據(jù)上。開源模型允許團隊在自己的數(shù)據(jù)上進行微調(diào)（fine-tuning），從而打造出更貼合特定需求的產(chǎn)品。這個過程通常無需將敏感數(shù)據(jù)上傳至第三方云服務，這在一定程度上緩解了數(shù)據(jù)主權(quán)和安全性的顧慮，對于金融、醫(yī)療等數(shù)據(jù)敏感行業(yè)來說，這一點尤為重要。相比之下，開發(fā)者能夠?qū)Ｓ心Ｐ瓦M行的定制化操作則相對有限。

最后，也是很關鍵的一點，是性能的追趕。在過去，選擇開源常常被認為是在性能上的一種妥協(xié)。但進入 2025 年，情況似乎發(fā)生了變化。以 DeepSeek R1 為代表的許多開源模型在多項基準測試中的表現(xiàn)，已經(jīng)可以和一些頂級的專有模型相提并論，在數(shù)學和代碼等特定任務上甚至展現(xiàn)出很強的競爭力。

這意味著，初創(chuàng)公司如今面臨的選擇，可能不再是“昂貴的最佳性能”和“廉價的次優(yōu)性能”之間的艱難權(quán)衡。他們有機會在不犧牲核心性能的前提下，享受開源帶來的成本與靈活性優(yōu)勢。對于需要快速構(gòu)建最小可行產(chǎn)品（MVP，Minimum Viable Product）以驗證創(chuàng)意的早期團隊來說，高性能的中國開源模型提供了一種頗具資本效率的方案。

然而，如果我們把視線從初創(chuàng)公司的世界，轉(zhuǎn)向大型企業(yè)的決策層，看到的可能是一種截然不同的景象。當前的 AI 市場，似乎正呈現(xiàn)出兩極分化的格局。一邊是開發(fā)者和初創(chuàng)公司對開源的熱情，另一邊則是大型企業(yè)在核心業(yè)務部署上對專有模型的依賴。

風險投資公司 Menlo Ventures 的數(shù)據(jù)顯示，2025 年上半年全球企業(yè)在生成式 AI 上的 84 億美元支出中，OpenAI 和 Anthropic 兩家公司就占據(jù)了 57% 的份額，而 Meta 的開源模型 Llama 僅占 9%。這種分化清晰地反映了不同用戶群體的優(yōu)先級差異：初創(chuàng)公司和開發(fā)者優(yōu)先考慮性能、成本和靈活性的平衡；而大型企業(yè)則更關注安全性、技術(shù)支持、服務等級協(xié)議（SLA，Service-Level Agreement）和法律責任的明確性。

圖丨企業(yè) LLM 市場份額統(tǒng)計（來源：Menlo Ventures）

企業(yè)的 AI 采購決策流程，正變得越來越像傳統(tǒng)的軟件采購。它們依賴詳細的評估清單、嚴格的合規(guī)審查以及與現(xiàn)有供應商（如 Google Cloud 和 Microsoft Azure）的合作關系。這為那些擁有成熟企業(yè)銷售體系和完整服務支持的科技巨頭創(chuàng)造了天然的渠道優(yōu)勢。相比之下，即使一個開源模型在技術(shù)上表現(xiàn)優(yōu)異，企業(yè)若要采用，仍需自行承擔部署、維護和風險管理的全部責任，這對于許多風險規(guī)避型的大型組織來說，是一個難以逾越的門檻。

而且當開源模型來自中國時，這種顧慮之上可能還會疊加地緣政治和數(shù)據(jù)安全的考量。對數(shù)據(jù)管理、供應鏈穩(wěn)定性的擔憂，共同構(gòu)成了一道無形的信任鴻溝。

盡管這些擔憂在很多時候可能只是無端的揣測，但它們實實在在地影響著企業(yè)的決策，使得這些企業(yè)很難將核心業(yè)務的信任票投給中國的開源模型。一個獨立開發(fā)者可以純粹從技術(shù)角度做選擇，但一家跨國公司的首席信息安全官在做決策時，必須進行更為復雜的風險評估。這使得他很難向董事會解釋，為何要將公司的核心業(yè)務流程，構(gòu)建在一個其認為存在不確定性的技術(shù)基礎之上。這道鴻溝或許可以解釋，為什么中國開源模型雖然在技術(shù)上備受矚目，卻仍需時間來贏得全球企業(yè)市場的廣泛信任。

而且即便是來自美國的開源模型，在企業(yè)市場中也并沒有占據(jù)太高的比例。甚至 Melon Ventures 的調(diào)研顯示，當初創(chuàng)公司逐漸發(fā)展擴張后，出于獲取更強大的性能和其他考量，也會選擇轉(zhuǎn)向閉源模型（某種程度這可能也與 Llama 系列模型目前相對落后的表現(xiàn)不無關系）。

如果我們結(jié)合 Casado 在最近一檔播客節(jié)目中的發(fā)言，或許可以更好的理解這一復雜的市場狀況：一方面，他認為“在落地層面，的確出現(xiàn)了從開源轉(zhuǎn)向閉源的移動”；另一方面，“圍繞開源的公共論述與政策支持，又比以往任何時候都更響亮?！卑讓m《AI 行動計劃》對開源/開放權(quán)重的強力背書，就是典型例證。換句話說，“話語場”更支持開源，但“生態(tài)層”卻在收緊。

圖丨相關播客節(jié)目（來源：20VC）

他提到了一個常被忽視的事實，“開源”在 AI 語境下本身就是個容易誤導的詞：行業(yè)的“標準做法”往往是開源較小的模型以換取分發(fā)與品牌，而將更強的模型閉源以守住商業(yè)護城河。這與傳統(tǒng)軟件不同——就算釋放了權(quán)重，也不代表他人可以真正復制，因為要復現(xiàn)能力，需要重建數(shù)據(jù)管道與訓練管道。正因如此，投入數(shù)億到數(shù)十億美元訓練出的模型“不太可能直接無條件送人”，商業(yè)理性會主導行為。于是，頂層基礎模型的“真開源”會收窄，但開源仍會是生態(tài)中不可或缺的一大塊；“歷史上開源只占軟件總價值約 20%，而在 AI 中這一占比明顯更高”——某種意義上，AI 時代的開源比軟件史上的開源做得更好。

不過，Casado 對開源的中長期前景整體并不樂觀。他判斷行業(yè)正經(jīng)歷從“開源”走向“閉源”的趨勢，“我認為開源會越來越少”。除了開源所面臨的商業(yè)難題，技術(shù)發(fā)展的趨勢也在推高門檻：隨著模型能力的提升，訓練成本呈指數(shù)級增長，自然會限制真正開源的頂級模型數(shù)量；與此同時，推理成本的快速下降使得通過 API 調(diào)用專有模型越來越經(jīng)濟，減少了用戶本地自部署開源模型的動機。許多分析者因此認為，未來的 AI 市場將更像云計算行業(yè)：少數(shù)擁有巨額資金與數(shù)據(jù)能力的公司維護最先進的模型，而大多數(shù)用戶通過 API 訪問這些服務。

想要從零開始復現(xiàn)一個頂級的基礎模型，所需投入是巨大的，這遠遠超出了大多數(shù)組織的能力范圍。這種極高的準入門檻，或許意味著未來能夠持續(xù)推出最前沿基礎模型的玩家，將只會是少數(shù)幾個擁有雄厚資本和數(shù)據(jù)能力的主體。因此，一種可能的未來圖景是，開源格局并非百花齊放，而是由少數(shù)幾個“開源（或開放權(quán)重）平臺”提供最前沿的基礎模型，而廣大的開發(fā)者和企業(yè)則在此基礎上進行應用創(chuàng)新。開源的廣度（應用層面）會繼續(xù)擴展，但其深度（基礎模型創(chuàng)新層面）則可能趨于集中。

因此，在“80% 美國 AI 初創(chuàng)靠中國開源模型”背后，實際上所反映的是 AI 發(fā)展進入一個多極化、多層次競爭的新階段。某種程度上，Yann LeCun 評價 DeepSeek 時的那句話放在這里同樣合適——“這是開源的勝利”。一個由少數(shù)美國專有實驗室主導尖端 AI 模型的單極時代正在走向終結(jié)。市場正朝兩個既獨立又相互關聯(lián)的生態(tài)系統(tǒng)演化：一是由信任、安全和全面支持驅(qū)動的企業(yè)市場，這里仍是美國專有模型的傳統(tǒng)優(yōu)勢領域；二是由性能、成本和靈活性驅(qū)動的開發(fā)者與初創(chuàng)公司市場，這里正成為全球開源力量，尤其是中國開源模型展現(xiàn)活力的舞臺。

參考資料：

1.https://www.economist.com/business/2025/08/21/china-is-quietly-upstaging-america-with-its-open-models

2.https://www.theinformation.com/articles/why-businesses-are-skipping-open-source-models?rc=rpuplc

3.https://www.youtube.com/watch?v=v0-7wlTdGck&t=8s

4.https://menlovc.com/perspective/2025-mid-year-llm-market-update/

運營/排版：何晨龍