中国如何改变人工智能竞争的规则？
从美国模型的优势到中国开放模型的地缘政治力量
穆罕默德·阿里·法拉希，国际关系硕士
引言
中美人工智能竞争通常被描述为一场线性竞赛：美国处于技术前沿，而中国则试图缩小差距。这一图景掩盖了2026年的战略转型。问题已不仅仅是哪个国家能够构建最强大的模型，而是谁能够定义人工智能实力的衡量标准。中国正试图将竞争从前沿模型的绝对优势转向技术扩散、本土化、成本降低、产业融合以及基础设施依赖的形成。在这一框架下，开放模型不仅是一种工程选择，也是产业政策、技术外交以及在国际体系中塑造影响力的工具。
斯坦福大学《2026年人工智能指数报告》显示，美国和中国最佳模型之间的性能差距已经大幅缩小。自2025年初以来，两国模型数次交替占据第一的位置；到2026年3月，美国最佳模型的领先幅度仅为2.7%。然而，美国在领先模型数量、私人投资、数据中心以及具有影响力的发明方面仍然保持优势。2025年，美国私人领域的人工智能投资达到2859亿美元，而中国为124亿美元。因此，模型性能的接近并不意味着两个生态系统已经实现结构性平等（Stanford Institute for Human-Centered Artificial Intelligence, 2026）。
改变衡量实力的尺度
美国的优势建立在资本、先进芯片、计算能力以及能够推动通用模型科学前沿的企业之上。然而，这一模式存在地缘政治上的局限。模型越封闭、越昂贵、越依赖专有云服务，政府、大学和小型企业独立使用这些模型的能力就越低。技术层级顶端的优势并不必然转化为全球市场的主导地位。中国正在技术优势与全球扩散之间的空隙中寻找突破。北京认为，只有当人工智能走出实验室并进入工厂、电网、医院、交通系统、地方政府和供应链时，它才真正成为国家力量的来源。布鲁金斯学会将两国竞争描述为计算能力、模型、采用、融合和部署等多个层面的同步竞争。美国在技术前沿保持领先，但中国正在通过提高效率、扩散开放模型以及将人工智能与实体经济相结合，形成一种不同的优势（Chan, 2026）。
因此，决定性的衡量标准不再只是最智能的模型，而是能够成为公共经济基础设施的模型。对于许多发展中国家而言，一种成本低廉、可以在本地部署并且能够进行定制的模型，可能比性能更强但需要持续付费、并且依赖将数据传输到外国服务器的模型更具吸引力。竞争正在逐渐从生产智能的能力转向分发、适应和制度化智能的能力。
开放模型作为产业政策
许多中国模型实际上以“开放权重”的形式发布，即公开经过训练的模型参数，但并不公开训练数据以及训练过程的全部细节。然而，发布模型权重能够使开发者在自己的基础设施上运行模型，并针对特定语言或产业进行微调。这样一来，技术就从一种外部服务转变为可以被掌握和本土化的资产，并由此获得地缘政治价值。中国政府2026年政府工作报告将支持人工智能开源社区、建设开放生态、扩大“人工智能脉搏”计划、发展算力集群以及智能体应用列为重点。开放模型已经超越单个企业的战略，成为国家发展计划的一部分。其目标是形成一种循环：廉价模型提高采用率，广泛应用产生经验，而这些经验又反馈到国内软件、芯片和工业解决方案的改进之中（State Council of the People’s Republic of China, 2026）。
这一循环也是对美国出口管制的回应。华盛顿通过限制中国获得先进芯片，试图减缓中国前沿模型的发展。然而，2026年1月，在安全条件下，美国接受了对NVIDIA H200和AMD MI325X等芯片逐案审查并发放出口许可。这一变化暴露了美国政策内部的矛盾。严格禁令可能推动中国更快地发展独立的软硬件供应链，而受控准入同样可能提升竞争对手的能力。美国既希望保持计算能力优势，又希望使全球生态系统继续依赖美国技术（Bureau of Industry and Security, 2026）。
出口管制在短期内会提高中国人工智能发展的成本，但从长期看，也可能为国产芯片整合、本土软件框架以及低算力模型创造更强的激励。这表明，技术遏制政策并不必然将竞争对手排除在外，有时反而会改变其创新模式。中国没有重复美国企业成本高昂的发展路径，而是更加重视计算优化、降低推理成本，以及使模型适应算力受限的硬件。
代币经济与依赖架构
中国的战略可以被称为“廉价代币的政治经济学”。其首要目标并不一定是从每一位用户身上获得最大利润，而是扩大使用规模，使模型成为开发者的默认选择，并占据应用层。Mercator的报告显示，自2025年末以来，中国模型在Hugging Face上的下载量已经超过美国模型；在性能最高的十个开放权重模型中，有七个来自中国。低价格、计算效率以及独立部署能力，使这些模型在对成本敏感的环境中具有优势（Chang, 2026）。
低成本模型是进入一个生态系统的入口。围绕它会形成开发工具、云服务、兼容芯片以及培训体系。一个国家如果将中国模型适配到数字政府或产业应用中，就可能逐渐固化在该生态系统的技术架构之内。依赖并不仅通过数据存储产生，标准以及更新路径同样会限制未来的选择。这一模式与“基础设施权力”概念有关。基础设施权力不一定来自对用户的直接控制，而是来自决定其他行为者进行决策时所处环境的能力。当企业、大学和政府将中国模型作为软件、数据库和行政流程的基础时，转向另一个生态系统的成本就会上升。开放模型表面上提供了退出的可能，但围绕它形成的工具和技能网络却可能确保这种依赖持续存在。
中国的人工智能外交
2026年，北京明确将开放模型纳入外交政策话语。在上海世界人工智能大会上，习近平强调开放、合作与共享，并指出增强全球南方国家的能力对于防止新的人工智能鸿沟至关重要。他宣布将为来自发展中国家的5000人提供培训，与地区组织建立应用合作中心，并向30个国家提供基于人工智能的气象预警系统（Xi, 2026）。
这些举措使人工智能成为能力建设外交的工具。中国试图将自己塑造为不仅是技术供应商，也是数字公共产品的提供者。这一叙事对于那些担忧先进模型集中于少数美国企业、云服务成本高昂以及危机情况下访问可能受到限制的国家而言具有吸引力。开放模型使北京能够将技术公平、数字主权和发展权与自身的产业利益结合起来。在这里，地缘政治通过技术传播方式被建构出来。这一叙事也并非没有矛盾。中国国内的人工智能生态受到内容监管和数据安全要求的约束，而开放模型权重也并不意味着训练数据或安全机制具有充分透明度。模型接收国需要区分真正的本土化与隐藏的依赖。采用中国模型可能提高对美国企业的独立性，但并不必然意味着实现完全的技术自主。
美国的艰难回应
美国面临的挑战并不是立即失去技术优势。真正的问题在于，美国企业的商业模式并不一定与广泛扩散的地缘政治目标相一致。为了获得投资回报，前沿实验室倾向于采用封闭模型、云服务和专有控制。中国则可以将部分扩散成本视为扩大产业影响力和参与标准制定的战略投资。因此，华盛顿的有效回应不能仅仅是加强出口管制。美国需要具有竞争力的开放权重模型、面向盟友的可获得计算基础设施，以及在成本、语言和数据主权方面保持美国技术吸引力的发展方案。否则，美国可能拥有最优秀的模型，却将全球人工智能应用市场的很大一部分让给中国生态系统。
结论
中国真正的创新并不是制造某一个特定模型，而是改变衡量人工智能实力的尺度。如果实力仅仅根据最佳模型的得分来衡量，美国仍然具有重要优势。但如果实力意味着进入产业流程、掌握开发工具、塑造标准，并成为其他国家的认知基础设施，那么竞争结果仍然具有不确定性。中国正在将竞争场域从实验室转向生态系统，并将竞争重点从技术所有权转向依赖架构。未来的秩序可能呈现双层结构：美国的顶尖模型承担复杂且高价值的任务，而中国模型则占据大量日常处理、本地化应用和低成本服务。在这样的秩序中，美国或许生产世界上最先进的“头脑”，而中国则可能构建世界机器的共同语言。对于华盛顿而言，真正的战略风险并不是在某一个技术指标上落后，而是其科学优势最终变成一座昂贵的孤岛，周围却是建立在中国模型基础上的应用海洋。
决定性的问题已经不再是谁最先实现人工通用智能，而是谁将定义人工智能的访问规则、可修改能力、使用成本以及托管权。未来的力量将属于能够使其他国家不仅成为其模型的消费者，而且成为其生态系统内部开发者的国家。中国正在通过开放模型构建这种可能性，因此，人工智能竞争正在转变为一场围绕全球技术依赖组织方式的竞争。
参考文献
Stanford Institute for Human-Centered Artificial Intelligence. (2026). The 2026 AI Index Report. Stanford University.
Bureau of Industry and Security. (2026, January 13). Department of Commerce Revises License Review Policy for Semiconductors Exported to China. U.S. Department of Commerce.
State Council of the People’s Republic of China. (2026, March 13). Report on the Work of the Government.
Chan, K. (2026, April 16). Competing AI Strategies for the US and China. Brookings Institution.
Chang, W. (2026, June 3). China’s AI Competition Strategy: Wide Dispersion, Cheap Tokens. Mercator Institute for China Studies.
Xi, J. (2026, July 17). Joining Hands to Build a Just and Equitable System for Global AI Governance. Xinhua News Agency.