證券時報記者 周春媚
過去兩周多的時間里，阿里通義千問陸續開源了六款模型。在這應接不暇的開源狂歡中，某AI公司的技術研發人員董銘（化名）卻感到有些心力交瘁——他默默關掉了一個剛部署幾天的測試集群，因為隨著新模型的開源，應用程序接口又變了，而這已經是他近期第四次重寫模型調用腳本。
最近，此前有些沉寂的中國大模型又重新熱鬧起來，無論是互聯網大廠還是初創公司，都緊鑼密鼓地發布了新模型，頗有2023年“百模大戰”的味道。但不同的是，這一次的大模型浪潮以開源為核心，近期更新模型的公司都選擇了開源的路徑。與此同時，據全球知名AI開源社區Hugging Face近日公布的榜單，排名前十的開源大模型中，中國占據了九席。
中國的開源大模型正以“集群式”的崛起，重塑全球AI版圖。但這在加強中國技術影響力、加快AI應用和普及的同時，也存在著隱憂。一方面，開源模型頻繁迭代，但本質依然是基于主流Transformer架構的微調，能力差距并未拉開，有陷入“微調內卷”與同質化困境的傾向。另一方面，對于開發者來說，開源模型的爆發雖然提供了各式各樣的工具，但也帶來了反復調試、兼容成本高等挑戰。
中國大模型“橫掃”開源榜單
作為AI大模型大戰的兩個不同方向，開源與閉源孰優孰劣歷來存在爭議。開源是指開放源代碼，允許用戶修改、使用、分發，閉源則是指源代碼不公開，用戶僅能通過接口調用功能。
今年以前，我國大模型雖也“百花齊放”，但開源與閉源呈現勢均力敵的狀態，直到DeepSeek火爆出圈，國產大模型才走到了一個分水嶺。業界普遍認為，DeepSeek的成功是開源的勝利，讓所有人直觀感受到了開源的影響力。于是，更多的中國公司選擇效仿DeepSeek，轉向開源路線，并將工作重點重新轉向模型的優化與更新迭代中來。
今年7月底，國產大模型再次迎來了一輪開源“井噴潮”：7月22日起，阿里以“日更”的節奏，連續發布4款開源模型；7月27日，騰訊開源了混元3D世界模型1.0；7月28日，智譜發布了專為智能體應用打造的開源模型GLM-4.5；7月31日，AI大模型“六小虎”之一的階躍星辰正式開源新一代基礎大模型Step-3……
與此同時，Hugging Face在7月31日公布的榜單顯示，排名前十的開源大模型中，中國占據了九席。其中，智譜的GLM-4.5排名第一，阿里的通義千問系列大模型更是獨霸5個席位，同時上榜的還有騰訊混元大模型、月之暗面的Kimi K2大模型等。自年初至今，DeepSeek和阿里被外界稱為“開源雙子星”，Kimi K2發布后被《自然》雜志稱為“又一個DeepSeek時刻”……中國開源大模型迎來了集體爆發的時刻。
“這一現象標志著中國AI從‘技術追趕’邁向‘生態主導’，核心驅動力源于‘數據—算力—場景’構筑的強勁閉環優勢。”天使投資人、資深人工智能專家郭濤在接受證券時報記者采訪時表示，我國開源大模型強勢崛起，一方面，是由于我國大模型廠商依托海量優質中文語料，深度挖掘垂直應用場景，構建起了特色鮮明的差異化訓練數據集；另一方面，以華為昇騰為代表的國產化算力底座日趨成熟，為大規模分布式訓練奠定堅實基礎，疊加開源社區的飛輪效應，頭部企業開放代碼匯聚眾智，從而形成了良性循環的正向反饋。
先發者與后發者的路徑分化
8月2日，國際知名大模型評測平臺Chatbot Arena更新了最新一期榜單，阿里旗下最新開源的千問3超越了Grok4、Claude4等閉源模型，位列總榜全球第三，僅次于谷歌與OpenAI旗下的閉源大模型。
與此同時，作為開源模型領域的先驅，Meta創始人扎克伯格在一封公開信中表示，Meta會“謹慎選擇開源內容”，這被視為Meta轉向閉源的一個信號。這意味著，在中國大力擁抱開源模型的同時，閉源模型成為了美國科技公司的主流選擇，發展路徑已出現明顯分化。
“AI的先發者必然傾向于閉源，因為先發者要鞏固自己的優勢，保持獨特性，比如OpenAI就是從開源逐漸走向閉源；而后發者必然傾向于開源，因為只有開源，才能打破閉源者構建的生態�！惫ば挪啃畔⑼ㄐ沤洕鷮＜椅瘑T會委員盤和林在接受證券時報記者采訪時表示，作為后發者，我國發展AI最佳路徑就是開源，只有開源模式可以不斷優化，吸引全世界開發者幫助研發算法來適配應用場景，從而獲得廣闊的應用生態支持。
一名人工智能資深專家告訴記者，美國的AI產業由資本驅動，有較強的資本回報預期，其盈利訴求導致AI大模型企業往往先追求技術領先，形成一定壟斷后再創造巨額利潤，使其傾向于選擇閉源路線。但對于中國大模型廠商而言，唯有憑借開源的技術透明性，才能迅速在全球范圍內獲得信任，建立自己的開發者生態�！伴_源是一種產業優先的路徑，通過開源降低使用門檻，讓大模型加速成為與實體經濟融合的基礎設施�！痹撊斯ぶ悄苜Y深專家表示。
但開源并不等于放棄盈利，事實上，目前不同的模型廠商都有各自的盈利探索。比如，智譜以開源吸引更多的開發者，同時也向企業和政府客戶提供付費的定制化解決方案；阿里則是通過打造強大的開源模型，吸引開發者使用其云計算等基礎設施，通過云服務獲取收益。
“開源模式如利刃破局，打破技術壟斷壁壘，讓中小企業能以低成本調用前沿模型，加速AI在智能制造質檢、金融風控等領域的落地�！惫鶟f，當閉源模型采取API（應用程序接口）收費模式時，中國開源模型通過微調定制服務、云平臺分成等路徑實現盈利，推動了AI技術的普及和應用。
光環之下的隱憂與挑戰
開源模型越來越“卷”，這是今年以來從業者的普遍感受。各個廠商迭代模型的速度越來越快、版本越來越多，一個模型“登頂”之后很快又會被新的模型超越，看似是在參數性能、評測分數上“你追我趕”，實則是缺乏顛覆式創新之下的“微調內卷”與同質化困境。
“開源也好，閉源也好，所有領先模型都是基于谷歌發明的Transformer，在這個基礎架構上再創新，如此而已�！遍_源中國董事長馬越表示。前述人工智能資深專家表示，國產模型在開源榜上領先，體現的是國內廠商在算法工程化、推理性能、成本優化等方面的實力，大多數模型進步是依賴工程調優，而不是像Transformer那樣的訓練框架及算法創新。
硅谷基準風投公司合伙人Bill Gurley曾評價，中國開源模型之間可以互相改進，產生的組合效應非常強大，推出新模型變得更容易。但技術壁壘上的不足，導致新模型雖然愈發頻繁地推出，但能力差距并未拉開。對于開發者而言，開源工具雖多，卻面臨密鑰管理割裂、版本迭代失控等問題。
“通義、DeepSeek、GLM，每個模型都有各自的控制臺和密鑰。而且模型更新頻繁，接口經常變化，給集成工作帶來不少困擾。”董銘表示，為了快速驗證新模型，開發者往往不得不反復部署臨時集群，當模型更新節奏超過開發速度，開源狂歡某種程度也成為了“甜蜜的負擔”。
在郭濤看來，模型高速迭代催生技術突破的同時也暗含著隱憂，不僅會帶來兼容性危機，版本更迭過頻導致下游應用適配成本激增，同時也可能存在創新空心化傾向，多數工作停留在參數調優，缺乏底層架構突破。對此，需推動統一API接口標準，激勵開展原創性基礎研究，規避低水平重復建設。
盤和林認為，靠“微調內卷”實現進步是AI基礎算法突破乏力導致的，要真正引領AI范式，基礎模型算法創新和算力芯片突破是繞不過去的兩大門檻�！拔磥�，需要建立中國AI的基礎算法知識分享圈子，通過圈子內的相互啟發，來推動中國AI算法思想的創新�！北P和林表示。
