誰能想到，中國AI模型現在竟然開始席捲美國企業市場了。根據聚合多家大模型、供開發者調用的平台OpenRouter數據顯示：自2月8日起，美國企業調用中國AI模型產生的詞元（Token）占比每週均超過30%，峰值一度達到46%；此前12個月該比例均值僅為11%，2025年上半年更是低至4.5%。

美國企業之所以如此青睞中國AI大模型，最重要的原因就是自家的AI大模型用起來實在是太貴了。眾所周知，以OpenClaw為代表的新一代AI Agent應用在2025年底至2026年初爆發式普及。在此之前，傳統AI對話是一次用戶請求對應一次模型推理，Token消耗在幾百到幾千之間。而Agent執行複雜任務時，需要自主規劃、搜索信息、調用工具、多輪驗證，單次任務Token消耗達到傳統問答的10至100倍。如此大規模的算力消耗，直接導致生成式AI模型在訓練和運行階段，對計算資源的需求呈現指數級增長。這種需求又高度依賴高端圖形處理器（GPU）及高帶寬內存（HBM），高性能芯片價格非常昂貴，單品價格常常達到數萬美元，而且全球核心產能高度集中、產能擴張周期漫長，導致核心硬件持續缺貨、價格大幅上漲。2026年，H100/H200芯片租賃價格已上漲約40%，更新的Blackwell架構GPU漲價超50%。大模型推理的核心HBM更是短缺至極，SK Hynix早已宣布2026年全年HBM產能被提前預訂一空，TrendForce預測DRAM內存價格會在2026年上漲50%—55%。

與此同時，美國科技企業為維持技術優勢，持續鎖定超大規模算力集群，在訓練自己的大模型時常常部署數萬甚至數十萬顆高性能芯片，僅此一項，成本就將達到數十億美元。此外，AI模型的訓練需要大量的標記數據，數據的收集、清洗、組織和處理，都是成本高昂且耗時的過程，而且，還有很多數據的獲取涉及版權等問題，都需要額外付費，再加上算力租賃、數據中心運維及電力成本居高不下，AI模型企業的硬件資本開支自然是逐年走高。如此一來，美國頭部AI大模型漲價也就成了必然，像Anthropic最新模型每個Token的成本就比開源的DeepSeek V4高出50倍。

這就給了依賴AI大模型的美國企業當頭一棒，即便是財大氣粗的微軟也正在考慮把Copilot轉向開源模型，理由就是用OpenAI和Anthropic的模型太貴。而META公司也在內部備忘錄中披露，預計2026年僅“內部AI使用”一項支出就將達到數十億美元，並計劃於2027年正式推行以預算和配額為核心的Token管理機制，看來也是要限制內部token消耗了。

而目前中國部分頭部開源及開放權重模型的性能，與OpenAI、Anthropic等美國頂尖前沿模型的技術差距只有大約6至9個月，而定價卻低60%至90%，且可覆蓋絕大多數常規AI工作任務。在一項業內關注度極高的智能體能力評測中，智譜大模型GLM 5.2 得分與Anthropic的Opus 4.8僅相差一個百分點，性能基本持平，調用成本卻僅為後者五分之一，這就恰好契合了美國企業的降本需求。據統計，GLM 5.2上線首週，日均Token調用量就增長了27倍、客戶數增長80倍，是2026年在該平台落地速度最快的模型。像美國AI初創企業Lindy將所有AI業務切換至DeepSeek模型後成本大幅下降，預計數月內可節省數百萬美元。由於兼顧性能與成本優勢，智譜GLM、阿里千問等中國模型正成為企業備選方案。美國這些AI布局成熟的企業，只要在技術、商業層面適配，已經越來越願意選用中國大模型。

誠然，中國的AI大模型一直對所有國家平等開放，從未限制任何國家使用，但這背後卻潛藏著巨大的風險。從宏觀角度來講，儘管我國頂尖AI大模型依託自主算力架構與算法創新，已經形成了性能、成本雙重優勢，但是所用的訓練語料覆蓋著海量的中文公開數據、行業知識庫和公共信息，中國信息通信研究院曾在AI安全治理系列研究中，明確提出大模型“記憶洩露” 的內生安全風險，指出模型可在特定提示詞誘導下複現訓練數據中的敏感信息。一旦完整模型權重被洩露或者境外機構逆向工程獲取，敏感數據就存在被逆向提取的可能，不但危及商業秘密、公共數據安全乃至個人隱私權益，更是直接突破我國構建的技術壁壘，喪失全球AI產業的定價權與技術標準主導權。

從微觀角度來講，頂尖大模型是具備高效代碼生成、海量多模態信息整合、智能體自動化執行等兩用技術能力的。在網絡安全領域，未公開的系統缺陷也就是零日漏洞，是極為稀缺的戰略攻擊資源。傳統人工模式下，單個高危漏洞的發現與驗證就需要資深專家耗時數周甚至數月，而頂尖大模型則將這一周期直接壓縮至小時級，Anthropic 的Mythos Preview模型曾一次性為火狐瀏覽器發現271個漏洞，占單版本修復總量的 64%，超過該瀏覽器2025年全年修復漏洞的總和。既然能憑藉AI大模型找到漏洞，那就能藉此實施攻擊。頂尖大模型只需自然語言指令，就能自動生成可執行的攻擊代碼、釣魚載荷和免殺逃逸腳本，將國家級攻擊能力下放給普通主體。獨立安全測試顯示，頭部代碼大模型在真實應用滲透測試中最高成功率達 70%，可自主完成漏洞發現、利用到權限獲取的全流程。雲安全聯盟的一份研究報告中顯示，攻擊者已將DeepSeek等中國大模型用於批量網絡攻擊，配合自動化框架在39天內攻陷全球55個國家的600餘台網絡設備，而同等規模的攻擊在傳統模式下需要數倍規模的專業團隊才能完成。中國頂尖大模型的訓練數據覆蓋大量國產軟硬件、政務系統與工業控制協議代碼，若被境外完整獲取，可針對性挖掘國內關鍵系統的未公開漏洞，對政務、能源、金融等關鍵領域發動規模化、無人化的持續網絡攻擊，直接打破攻防平衡。

站在戰略角度看，頂尖AI大模型已從商業產品變成了國家級戰略武器，管控力度勢必要加大。在今年，美國政府就已經開始對Anthropic旗下Fable和Mythos等頂級模型實施外國用戶訪問限制，中國對AI頂尖大模型施加監管只能算是雖遲但到。當然，過嚴的管控必然會對商業生態造成負面影響。當中國頂尖大模型不再向海外提供他們所看重的開源權重時，那些原本依賴於此的開發者自然就會轉投美國或者歐洲的大模型，中國在AI大模型領域的國際市場話語權肯定會受到很大影響。而且，這也很可能會加速全球AI棧形成‌中美互不兼容的孤島‌，迫使跨國企業構建雙軌系統，推高全球創新成本並削弱協同研發效率，使全球統一大市場暫時受阻。

但是，科技並非無國界，站在國家利益的角度，對頂尖AI大模型的監管本身就是對自身防護的必要舉措。對國內而言，嚴格清晰的監管會守住國家數據主權和關鍵信息基礎設施的安全，也能够規範行業競爭秩序，倒逼企業深耕技術研發與場景落地，夯實數字經濟長期競爭力。對國際而言，在全球AI治理分化的大趨勢下，區域化AI服務商必然會加速崛起，中國AI大模型憑藉算力優化帶來的低成本優勢、成熟的行業落地能力，很有希望在東南亞、拉美等價格敏感的新興市場獲取更大市場份額。此外，中國在AI大模型領域的監管實踐，也會為全球的AI治理提供新的實踐樣本，推動形成數據跨境流動與治理國際新標準。

（本文作者為人工智能領域學者曹波，本網獲獨家授權刊發，轉載請註明出處）

（本文為作者觀點，不代表本媒體立場）