摘要：美国对中国AI的结构性担忧近两年持续累积，但从2024年底到2025年，这种警觉从学界、智库扩散到真正的科技核心人物，包括NVIDIA CEO黄仁勋与前Google CEO埃里克·施密特。

美国对中国AI的结构性担忧近两年持续累积，但从2024年底到2025年，这种警觉从学界、智库扩散到真正的科技核心人物，包括NVIDIA CEO黄仁勋与前Google CEO埃里克·施密特。

他们的观点出现罕见的高度一致：AI竞争的核心变量已经发生转移，从“谁的模型更强”变成“谁能让更多国家采用自己的技术体系”。

施密特在11月11日的播客《Moonshots》中指出，美国最先进的模型是闭源的，而中国最先进的模型是开源的；这不是简单的研发模式差异，而是会引发全球AI生态向中国倾斜的结构性力量，因为开源＝免费＝全球多数国家可立即部署。

施密特的判断基于一个简单事实：大多数国家不是美国、不是欧盟，也没有预算购买昂贵的封闭式大型模型。这部分国家包括东南亚、中东、大部分拉美、部分欧非地区，以及大量预算有限的中小型政府。施密特原话是：“Most governments that don't have as much money as the West will end up using the Chinese models, not because they are better, but because they are free.” 他的逻辑非常直接：一旦采用，你要兼容、要适配、要本地化、要反复更新，这些动作等于在某种意义上“绑定技术体系”。他称之为“地缘政治上的新风险”，原因是 AI 是基础设施，而不是应用层工具。

黄仁勋的警告与施密特完全对上。他在多个公开演讲中强调，中国正在推动大规模开源模型，并且中国有“100万名深度参与的开发者”。他在北京表示，中国的开源模型“非常先进，是全球最强的开放推理模型之一”。

这些表述并不是商业推销式的恭维，因为NVIDIA在中国市场受到美国出口管制限制，他没有必要去“抬中国”；他谈的是行业实力。而黄仁勋提到开发者规模这一点，对应施密特担心的“生态倾斜”。

生态的本质是数量，不是宣传，也不是口号。越多人参与、越多人使用、越多人贡献，生态越稳固。开源模型的核心能力并不在于发布者，而在于广泛开发者的二次开发与本地化能力。黄仁勋把这一点说得很清楚：开源模型“帮助的是生态，而不是单一公司”。

中国选择开源并不是出于浪漫主义，而是现实推动。美国模型的“闭源、付费、限制访问”模式，使其在安全、可靠性、法律合规等领域具备优势，但也导致其无法像开源模型那样快速渗透国际市场。

施密特认为美国正在错过关键窗口期，因为AI的普及速度远超互联网初期。一旦各国政府将政府系统、教育系统、公共服务、法律翻译、企业内部流程等大量系统搭建在某类模型生态上，那么短期内不会更换模型，这意味着谁在2025年前后赢得GDP排名靠前之外的大多数国家，谁在2030年前后拥有 AI 标准的广泛适用性。

施密特在《大西洋月刊》与Selina Xu 合写的文章中引用李鸿章1896年访问美国的例子。李鸿章第一次到美国时对高楼大厦的赞叹，与现在外国人造访中国时的震撼形成对比。他的用意不是做历史隐喻，而是强调“技术震撼的方向已经反转”。

他指出，过去是中国人去美国看技术；现在是许多外国工程师到中国看AI企业、算力工厂、机器人和自动化流程。

施密特的担忧来自这种趋势：美国擅长封闭式高端模型，但中国正在通过开源抢占“全球大多数用户国”的入口。开源模型可以被复制、修改、重新部署，生成大量变体，而每一个变体都可能成为其他国家政府系统的“底座模型”。这一点在西方行业内部讨论越来越频繁，原因是Meta虽然号称开放，但其Llama属于“准开源”，并不能像中国模型那样无偿商用或无限制改动。

美国真正主导的完全开源模型数量有限，而中国的Qwen、Baichuan、DeepSeek等完全开源模型数量在2024–2025年快速上升，并且普遍允许商用。

黄仁勋特别强调“算力国家化”。他说每个国家都必须建立自己的AI主权体系，包括算力、数据与基础模型。他的意思非常明确：如果一个国家无法自己训练或修改模型，那么它是依赖者，而不是主权参与者。中国的开源模式提供了另一种路径：不必在第一天拥有巨大算力，也能在本地修改模型。施密特担心这将引导“低预算国家集体倒向中国”。

中国模式的扩散具备三个条件：

第一，模型本身性能足够强；

第二，开源许可证宽松；

第三，部署与算力成本低于美国模型。《南华早报》报道中国开源模型训练成本显著低于美国封闭式巨型模型，这让一些国家能够以较低投入把模型直接跑在本地服务器上，而不必依赖美国云服务。当这些国家选择本地部署时，就可以绕开美国监管要求，而这正是施密特称之为“geopolitical consequences”的关键。

施密特并没有说“中国模型最强”，他强调的是“最开放”。这是一种战略差异，不是技术判断。他指出美国最强模型（如OpenAI GPT-5.x 系列、Anthropic Claude 系列）都采用高度封闭式架构，访问需要费用、需要API、需要遵守美国监管规则。相比之下，中国开源模型下载即用，很多允许权重修改、商用再发布。对资源有限的国家来说，美国模式像是租房，中国模式像是“直接送你一套房，想怎么装修随你”。

在AI大模型竞争中，美国试图维持封闭式优势，中国转向以开源夺取占有率，双方路径已经出现根本背离。

施密特指出：“如果美国继续保持封闭模式，而中国继续保持开源模式，那么大部分国家会自动选择开源。”这句话结构上简单，但它实际上描绘的是一个接近“不可逆”的过程：

AI基础设施不像手机操作系统可以频繁更换，它牵涉到法律、教育、军事、行政、医疗各部门的数据结构和流程体系。一旦某国用中国模型训练了司法文件分类系统、政府客服系统等，整个生态都被捆绑在中国开源架构之下。这种绑定不是政治性的，而是技术性的，且难以逆转。

美国模型价格高昂是另一个问题。大型模型的API成本在2024–2025年普遍偏高（GPT-4、GPT-4.1、Claude 3 系列均属于高成本API）。对美国企业来说还能接受，但对低收入国家政府，部署成本十分敏感。施密特的原话是“not because they are better, but because they are free”。换句话说，美国模式主要服务“能付钱的人”，中国模式服务“全球大多数没有预算的人”。只要模型质量差距不大，后者将逐步覆盖世界多数AI需求。

黄仁勋的警告另一层含义是：美国在政策上正在阻碍自身竞争力。他多次提到美国监管正在让创新速度放缓，而中国在基础设施、能源政策、数据政策上形成规模效应。当美国在讨论如何限制AI风险时，中国已经在不断增加本地模型数量与推理效率。施密特也称“美国有技术，但没有扩散速度”。

综合施密特与黄仁勋的发言可以看出，他们担心的问题不是“中国的模型更强”，也不是“中国的公司更猛”，而是“美国错过标准化窗口期”。

在AI快速普及阶段，先占领用户、政府与机构的模型体系，将产生溢出效应：插件生态、本地化产业链、行业数据集、算力供应链都将围绕主流模型构建。开源模式降低了锁定成本，吸引更多国家加入，模型数量越多、变体越多，就越难被替代。

施密特的提醒指向一个现实：美国如果继续封闭，其模型将主要服务高收入国家；中国开源模型将服务全球大多数国家。这种结构分布可能在几年内固化，进而决定十年后的标准体系分布。

来源：大碗面