中国在搞AI共产主义？

作者：席春迎博士

深度观察

中国在搞AI共产主义？

开放权重不是减速主义，而是AI利润分配结构的重组

席

席春迎博士深度洞察·约15分钟阅读

前段时间，OpenAI战略未来负责人Dean W.Ball在社交平台发表了一篇关于Kimi K3的评论。

文章一开头，他并没有贬低中国模型，反而承认Kimi K3是一款非常优秀的模型，尤其在智能体编程等场景中，已经接近当时表现最好的公开模型。但他随后提出了一个更具争议的判断：开放权重模型会削弱前沿模型公司的商业回报，降低企业继续投入数百亿美元训练下一代模型的动力，因此，开放权重在本质上是一种"减速主义力量"。

他的推演更进一步：如果开放权重最终成为全球主流，最先进的人工智能能力可能不再由少数商业公司独占，而会逐渐变成一种由国家或公共体系提供的"数字基础设施"，他把这种可能出现的格局称为"全面的AI共产主义。"

这个说法显然带有强烈的修辞色彩，但它提出的问题却非常重要：中国为什么持续开放高性能模型？中国是在主动降低模型公司的利润空间吗？开放权重究竟会阻碍AI进步，还是会重新分配AI产业的利润？

未来中美人工智能竞争，究竟是模型能力的竞争，还是一套更加复杂的产业组织方式之争？

这些问题，远比"中国是否在搞AI共产主义"这个标题本身更值得讨论。

一、开放权重为什么会被视为"减速主义"？

从一家前沿模型公司的角度看，Ball的担忧并非毫无道理。

训练一个最先进的基础模型，需要芯片、数据中心、电力、网络、人才和巨额研发支出。如果一家企业投入数百亿美元终于建立起领先优势，却在很短时间内被开放权重模型追平，那么其领先能力就很难转化为长期的商业回报。

模型公司必须回答几个现实问题：

第一，投入巨额资金训练出的模型，能够保持多长时间的领先？

第二，客户为什么要持续支付高昂的API费用，而不是下载、部署或改造开放模型？

第三，如果模型能力迅速同质化，下一代模型投入还能否产生足够的资本回报？

第四，投资人为什么还要继续承担极高的训练风险？

从这个意义上看，开放权重确实可能降低基础模型层面的稀缺性，使模型公司难以通过技术领先获得长期垄断利润。

Kimi K3官方页面显示，这一模型拥有2.8万亿参数、原生多模态和百万token上下文，并面向长程编程、知识工作和智能体任务。月之暗面也持续强调其对开源社区的贡献。

假如这样级别的模型最终向全球开发者开放，任何一家企业都可以在它的基础上进行行业适配、私有化部署和产品开发，那么最先投入巨额资本训练模型的公司，就不一定能够独占全部收益。

因此，Ball所谓"减速主义"的真正含义是：开放权重可能降低前沿模型投资的私人回报，从而削弱少数商业公司继续无限扩大训练投入的动力。

这一点，在模型层面有其经济逻辑，但问题在于，它只说对了一半！

二、开放权重减少的不是AI投资，而是模型层的超额利润

开放权重可能压缩基础模型公司的利润，却不一定减少整个AI产业的资本投入。相反，它更可能改变资本的流向。

当基础模型变得更便宜、更容易获得时，企业不再需要从零开始训练一个大模型，而可以把资金投入到其他环节：算力部署、推理服务、行业数据、企业知识库、智能体、软件工具、硬件终端、安全合规、业务流程改造和垂直行业应用。

换句话说，开放权重并没有消灭资本，而是在重新分配利润。过去，利润可能集中在少数模型公司手中；未来，利润可能更多流向掌握真实场景、独有数据和客户入口的企业。

这有点像Linux、安卓和开源数据库的发展路径。基础软件的开放并没有让商业消失，它只是让商业价值从基础代码本身，转移到了云计算、企业服务、安全、硬件、系统集成和行业解决方案。

AI也可能经历同样的过程。因此，更准确的判断不是"开源会压制AI产业投资"，而是：开源会压缩基础模型的垄断租金，把资本重新引向算力、数据、应用和产业组织能力。

这也是为什么"AI共产主义"只是一个刺激性的比喻，而不是严谨的经济学判断。如果基础模型逐渐具有公共品属性，并不意味着所有AI企业都无法盈利，它只意味着单纯拥有模型权重将越来越难成为长期护城河。

三、中国为什么愿意开放模型？

中国企业持续开放高性能模型，不能简单解释为意识形态选择，更不能直接等同于"共产主义"，它首先是一种非常现实的竞争策略。

第一，中国企业需要通过开放建立全球生态。

美国头部AI企业拥有全球品牌、开发者入口、云计算平台、操作系统和资本市场优势，而中国模型企业如果完全复制闭源路线，很难在短时间内获得全球开发者和企业客户。

开放权重则是一种快速获得分发能力的方式，它可以让全球开发者下载模型、进行测试、适配本地硬件、构建产品，并形成技术口碑。对于缺少全球消费端入口的中国企业而言，开放本身就是一种市场进入战略。

第二，开放可以推动国内产业链协同。

中国AI产业并不是只有模型公司，它还包括国产芯片、服务器、云平台、数据中心、软件公司、系统集成商和大量传统企业。当高性能模型开放后，这些企业可以围绕模型进行适配和开发，推动整个产业链共同成长。

因此，中国的收益并不一定全部体现在模型公司利润表上，也可能体现在更广泛的产业能力上。

第三，中国更重视AI的行业应用。

美国模式

基础研究·芯片·云计算·通用模型

中国模式

制造·零售·物流·医疗·大规模应用

美国AI产业的优势集中在基础研究、芯片、云计算和通用模型，而中国的比较优势则更多体现在制造业、零售、物流、医疗、城市治理和大规模应用场景。在这种情况下，中国未必需要依靠模型API本身获取全部利润，中国更可能通过开放模型降低应用成本，让AI进入更多工厂、门店、医院、政府系统和智能终端。

这是一种不同的战略选择：美国更倾向于通过控制基础模型获得平台利润，中国更倾向于通过降低模型成本扩大产业应用。

第四，开放也是对封锁的一种回应。

在先进芯片、云服务和技术出口受到限制的背景下，开放模型可以增强中国AI生态的自主性和传播力。

一个开放的中国模型可以被不同国家、不同企业部署在本地环境中，减少对少数美国云平台的依赖。从这个角度看，开放不仅是商业策略，也具有技术主权和国际影响力的含义。

但必须强调，这仍然是一种战略推断，而不是所有中国模型企业共同执行的统一计划。中国企业选择开放，既可能有国家产业竞争的考虑，也可能只是因为在现有市场结构下开放比闭源更容易建立生态。

四、中国这样做到底对不对？

从短期看，开放确实可能伤害部分模型公司的收入。如果企业花费巨额成本训练模型却无法形成稳定收费能力，那么持续研发就可能面临资金压力。中国模型企业不能只讲开源理想，而忽视商业可持续性，没有现金流，开源也无法长期维持。

但从更长周期看，中国推动开放模型的方向具有明显战略价值。因为人工智能最终不是模型参数竞赛，而是一场全社会生产效率的改造。如果一个国家拥有最先进的模型，却只有少数科技企业能使用，那么它的社会生产率提升可能仍然有限。

相反，如果足够强的模型能够低成本进入大量企业，帮助它们改善设计、研发、生产、销售和管理，那么即使模型公司自身利润率没有达到极高水平，整个国家的产业竞争力也可能提高。

因此，评价开放模式不能只看模型企业赚了多少钱，还要看它是否提高了整个经济体系的AI渗透率，这也是中国模式最有可能形成优势的地方：不追求由少数企业独占全部智能红利，而是通过低成本模型推动大规模产业应用。

这是不是"AI共产主义"？不是！更准确地说，它是一种以公共基础能力带动产业扩散的技术发展模式，它与高铁、电网、通信网和数字支付有某种相似性：基础能力本身未必获得全部利润，但它可以提高整个经济体系的运行效率。

五、未来的竞争，不只是模型之间的竞争

今天人们讨论AI竞争，往往习惯看模型榜单、参数、训练成本和推理能力，但随着模型能力不断扩散，未来的竞争结构会发生变化。

第一层：前沿模型能力

谁能够训练出更强的模型，谁就能够定义技术边界。美国仍拥有芯片、云平台、资本和基础研究优势，中国则正在依靠工程效率、开源生态和成本控制缩小差距。

第二层：模型的成本与可获得性

不只是"谁的模型更聪明"，还要看谁的模型更便宜、谁能在本地部署、谁能适配更多芯片、谁能进入更多国家和企业。

第三层：数据和工作流

真正稀缺的将不再是通用知识，而是行业知识和企业数据。谁能够进入真实业务流程，谁就能够持续获得独有数据。

第四层：智能体与执行能力

竞争将从聊天机器人进入"数字员工"和"智能生产系统"，谁能够把模型嵌入企业真实流程，谁才能把智能转化为生产力。

第五层：产业组织能力

最终是国家产业体系之间的竞争。美国体系：芯片、云平台、闭源模型、资本市场和全球软件生态；中国体系：开放模型、制造能力、应用场景、工程交付、国产算力和大规模产业数字化。

这两种体系谁更有效，现在还不能下结论。美国模式更有利于形成高利润、强研发投入和技术突破；中国模式更有利于快速扩散、降低成本和进入实体经济。未来的胜负很可能取决于谁能够在"创新速度"和"应用规模"之间找到更好的平衡。

封闭独占vs开放扩散：两种AI发展路径的对照（图片由AI生成）

六、模型企业未来应该怎么做？

面对开放权重浪潮，模型公司不能继续把全部希望寄托在"模型更大、榜单更高"，未来大致有四条路径：

第一，继续做真正的前沿模型：但只有少数企业能够走这条路，因为它们必须拥有足够的资本、算力、人才和全球市场并持续保持明显领先；这类企业卖的不是普通模型而是技术边界，一旦领先幅度缩小，估值和商业模式就会受到挑战；

第二，成为低成本模型基础设施：有些模型企业可以通过开放权重、低成本推理和多芯片适配，成为企业AI的基础设施，它们可以通过云服务、企业部署、模型托管、安全和技术支持获得收入；这类企业不一定拥有最高利润率，但可能拥有广泛生态；

第三，向智能体和工具平台转型：模型企业可以提供开发工具、智能体框架、代码平台、数据治理和企业工作流，但客户真正购买的不再是一次调用，而是一个可以完成任务的系统；

第四，深入垂直行业：这是绝大多数模型企业更现实的方向，越垂直越接近真实问题，越接近真实问题越容易进入工作流，越深入工作流越能产生独有数据，越能改变客户利润，企业自身越有生命力。

一家医疗AI企业，不需要证明自己比通用模型知道更多医学知识，而要证明它能提高医生效率、降低医保损失或改善慢病管理；一家零售AI企业，不需要证明模型会分析所有商品，而要证明它能减少缺货、提高客单价和降低督导成本；一家工业AI企业，也不需要讲"重塑制造业"，而要证明它能降低能耗、提高良率和减少停机。

未来模型企业必须回答的不再是"我的模型有多少参数？"，而是"我首先替谁解决哪一个问题？能为客户增加多少利润并且如何复制到下一万个终端？"

七、企业不要再把"大模型"当作护城河

对于普通企业而言，开放模型带来的最大变化是：模型能力正在快速商品化。

过去，企业可能因为拥有一个模型而获得估值；未来，投资人会越来越追问：

·你的数据从哪里来？

·模型进入了哪个流程？

·客户为什么不能替换你？

·你到底为客户增加了多少收入？

·你的产品能否规模复制？……

因此，企业真正应该建设的不是一个孤立的大模型，而是一套持续循环的系统：场景进入形成数据，数据反馈改进模型，模型嵌入工作流，工作流继续产生更高质量的数据——这才是企业的护城河。

通用模型越开放，行业企业反而越应该欢迎，因为模型成本下降意味着企业可以把更多资源投入到真正稀缺的部分：客户、数据、业务流程和行业知识。

八、真正的问题不是"AI共产主义"，而是谁掌握新的定价权

"AI共产主义"这个说法容易引发情绪，却可能掩盖最重要的产业变化——开放权重不会让人工智能失去商业价值，它只会让价值从一个环节转移到另一个环节。

当模型变得便宜，模型本身的定价权下降，但算力、数据、场景、智能体和客户入口的定价权上升。

过去，资本市场追逐的是谁能训练出更大的模型；未来，资本市场更可能奖励：

·谁拥有真实场景；

·谁拥有独有数据；

·谁能够控制工作流；

·谁能够把智能转化为利润。

因此，中国开放模型真正带来的不是AI共产主义，而是一场AI利润分配结构的重组。

美国希望通过领先模型控制智能入口，中国则可能通过开放模型扩大智能应用，一个在争夺模型的稀缺性，一个在争夺产业的渗透率，最终谁会获胜不取决于谁使用了更宏大的词汇，而取决于谁能够创造更多真实的生产力。

结语

Dean W.Ball的担忧值得认真对待，因为开放权重确实可能降低前沿模型公司的投资回报，也可能使部分企业难以持续承担巨额训练成本。

但这不意味着开放会阻止AI进步，更可能发生的是：AI产业从"模型公司获得大部分利润"，逐渐转向"基础模型、算力、数据、智能体和行业应用共同分享价值"。

中国选择开放不是因为不理解商业，而是因为中国可能在寻找另一种竞争路径：以较低成本的智能基础设施，推动更大规模的产业应用。因此，真正值得追问的不是"中国是不是在搞AI共产主义"，而是"当模型成为公共基础能力之后，谁能掌握真实场景、独有数据和产业定价权？"

答案将决定下一轮全球AI竞争，也将决定哪些企业能够真正穿越模型泡沫成为这个时代新的基础设施！