摘要：在看自家投资的AI初创公司路演时发现，大部分公司拿出来的核心模型，既不是OpenAI的GPT系列，也不是Anthropic的产品，而是来自中国的开源模型。后来他提了个比例，说这个数可能到了八成。

80%美国AI初创使用中国开源模型，AI的供应链用脚投票

2025年8月，硅谷风投圈里传着个挺有意思的观察，顶级机构AndreessenHorowitz（也就是常说的a16z）合伙人MartinCasado。

在看自家投资的AI初创公司路演时发现，大部分公司拿出来的核心模型，既不是OpenAI的GPT系列，也不是Anthropic的产品，而是来自中国的开源模型。后来他提了个比例，说这个数可能到了八成。

差不多同一时间，全球开发者常看的AI评测平台DesignArena，出了份开源模型排行榜。

榜单里前16名全被中国模型占了，像DeepSeek的R1、阿里巴巴的通义千问这些名字，成了开发者讨论的热点。

这俩事凑到一块，不少人都感慨中国开源AI好像真的在影响美国的创新生态，甚至《经济学人》都直接说“中国AI靠开源要超过美国”。但我本来想跟着这个说法往下聊，后来发现光看这两个数字，好像还没法下结论——得先搞懂这些初创公司为啥非要选中国开源模型。

对刚起步的AI初创公司来说，钱永远是绕不开的坎。本来想靠调用OpenAI的API快速做产品，但后来发现这成本真扛不住。要是每天有10万次用户交互，单API费用一个月就得十几万美金。

这些公司大多还没稳定收入，这笔钱压得人喘不过气。而中国的开源模型不一样，它们能部署在公司自己的服务器上。初始买硬件花一笔钱后，后续运维成本就可控多了。

有家做AI客服的美国初创，去年算过一笔账，用DeepSeek模型替代API调用后，每月成本从3万美金降到了8000美金。这种成本优势，对要反复试错的初创公司来说，几乎是刚需。

除了钱，这些公司还有个顾虑是数据。很多AI初创做的是垂直领域，比如金融风控或者医疗辅助，手里的客户数据都很敏感。

要是用闭源模型的API，就得把数据传到第三方平台，合规风险太高。而开源模型允许他们在自己的数据上做微调，数据不用出境，安全问题也少了很多。

我接触过一家美国金融AI初创，他们去年用通义千问的小模型改了个信贷评估工具，就是因为数据能自己把控，才顺利通过了当地监管的审查。要是换了闭源模型，这步合规可能就卡壳了。

以前大家觉得开源模型性能差，只能凑合用。但2025年这情况变了，中国不少开源模型在测试里的表现，跟闭源的差不了多少。比如DeepSeek的R1模型，在代码生成的测试里，通过率跟GPT-4Turbo就差0.9个百分点。

数学推理上，得分还超过了Anthropic的Claude3。如此看来，初创公司现在不用再纠结“选贵的好模型还是便宜的差模型”，这也是他们愿意用中国开源模型的关键——性能没掉队，成本还更低。

但有意思的是，这边初创公司用得热闹，大企业那边却完全是另一个样子。我查过MenloVentures的报告，今年上半年全球企业花在生成式AI上的钱，大部分都给了OpenAI和Anthropic，开源模型占的比例特别小。为啥会这样？其实大企业的想法跟初创不一样，他们更怕风险。

大企业买AI服务，不只是要模型好用，还得要明确的服务协议和技术支持。比如沃尔玛这种大公司，用AI做库存管理时，直接从微软Azure上选了集成的GPT模型。不是说开源模型不好，而是Azure能提供稳定的服务保障，出了问题有人负责。而开源模型得自己部署维护，出了岔子没人兜底，大企业不敢冒这险。更何况，要是模型来自中国，他们还会担心地缘政治的问题，怕数据安全过不了审查。有个跨国公司的CIO跟我聊过，说他没法跟董事会解释，为啥核心业务要建在“可能有风险”的技术上。这种信任鸿沟，不是靠性能就能填补的。

还有个现象值得说，就是初创公司做大了之后，不少会换成闭源模型。MelonVentures做过调研，那些员工超50人、营收过千万美元的初创，差不多有四成会放弃开源。

原因也简单，客户要求更严了，需要更稳定的技术支持，开源模型满足不了。我认识的一家做AI教育的公司，早期用DeepSeek做错题解析工具，后来学校客户多了，就换成了Anthropic的模型——不是说DeepSeek不好，而是客户需要明确的服务承诺，这是开源模型给不了的。

聊到这，就不得不提MartinCasado在播客里说的话。他说现在AI行业有点矛盾，一方面白宫的《AI行动计划》喊着支持开源，另一方面真正开源的顶级模型却越来越少。老实讲，我觉得他说的对，因为做模型太烧钱了。

现在训练一个顶级基础模型，得花几十亿美元。企业不可能把这么贵的东西白给别人用。很多公司的玩法是，开源小参数模型赚名气，把强性能的大模型闭源留着赚钱。比如阿里巴巴开源了小参数的Qwen模型，却把大参数的版本藏着，只开放API。

就算有些模型开放了权重，要复现它的性能，还得重建数据管道和训练集群，这笔投入也不是一般组织能承担的。如此看来，未来能做顶级基础模型的，肯定是少数有钱有数据的大公司，开源模型更多会在应用层发挥作用。

毫无疑问，这种分化会让全球AI竞争更复杂，但对整个行业来说，多一种选择总不是坏事。AI的供应链从来不是靠口号决定的，而是靠谁能满足用户的真实需求。现在中国开源模型抓住了初创公司的痛点，未来能不能走得更远，还要看能不能解决更多用户的顾虑。

来源：冷知识研讨所