[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-china-open-source-ai-pressure-us-labs-zh":3,"article-related-china-open-source-ai-pressure-us-labs-zh":33,"series-industry-32d52967-9a3f-40b2-a9b0-6ddd74913d87":84},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":25,"views":29,"created_at":30,"published_at":31,"topic_cluster_id":32},"32d52967-9a3f-40b2-a9b0-6ddd74913d87","china-open-source-ai-pressure-us-labs-zh","中國開源 AI 正逼美國改打法","\u003Cp data-speakable=\"summary\">中國\u003Ca href=\"\u002Fnews\u002Ffree-open-source-software-powers-computing-zh\">開源\u003C\u002Fa> AI 正在壓低成本，也逼美國閉源 AI 實驗室重新調整商業模式。\u003C\u002Fp>\u003Cp>說真的，這件事沒那麼抽象。前 \u003Ca href=\"https:\u002F\u002Fhuggingface.co\" target=\"_blank\" rel=\"noopener\">Hugging Face\u003C\u002Fa> 高層 Tiezhen Wang 直接講，開源不是做公益，是搶分發、搶人才、搶基礎建設。這句話很刺，但也很實在。\u003C\u002Fp>\u003Cp>現在的局面很清楚。\u003Ca href=\"https:\u002F\u002Fopenai.com\" target=\"_blank\" rel=\"noopener\">OpenAI\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\" target=\"_blank\" rel=\"noopener\">Anthropic\u003C\u002Fa> 這類美國公司多半守著閉源路線。中國這邊，像 \u003Ca href=\"https:\u002F\u002Fwww.deepseek.com\" target=\"_blank\" rel=\"noopener\">DeepSeek\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fminimax.chat\" target=\"_blank\" rel=\"noopener\">MiniMax\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.zhipuai.cn\" target=\"_blank\" rel=\"noopener\">Zhipu\u003C\u002Fa> 則把模型往外放。這不是單純的理念差異，是一場成本戰。\u003C\u002Fp>\u003Cp>Wang 在 \u003Ca href=\"https:\u002F\u002Frestofworld.org\u002F2026\u002Ftiezhen-wang-china-us-open-source-ai\u002F\" target=\"_blank\" rel=\"noopener\">Rest of World\u003C\u002Fa> 的訪談裡，講得很直白。中國\u003Ca href=\"\u002Ftag\u002F開源模型\">開源模型\u003C\u002Fa>正在降低 \u003Ca href=\"\u002Ftag\u002Ftoken\">Token\u003C\u002Fa> 成本，也讓更多團隊願意直接上手。對開發者來說，這代表你能更快試、更多試，還能少被 \u003Ca href=\"\u002Ftag\u002Fapi\">API\u003C\u002Fa> 帳單追著跑。\u003C\u002Fp>\u003Ctable>\u003Cthead>\u003Ctr>\u003Cth>數據\u003C\u002Fth>\u003Cth>內容\u003C\u002Fth>\u003Cth>意義\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd>2026 年 5 月\u003C\u002Ftd>\u003Ctd>Wang 離開 Hugging Face\u003C\u002Ftd>\u003Ctd>他開始更直接評論中美開源路線\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>10 倍\u003C\u002Ftd>\u003Ctd>Wang 提到 Zhipu 股價成長幅度\u003C\u002Ftd>\u003Ctd>市場資金正在回流中國 AI\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>4 個月\u003C\u002Ftd>\u003Ctd>Uber 被提到在 4 個月內燒掉一整年 Token 預算\u003C\u002Ftd>\u003Ctd>託管式 AI 成本壓力很真實\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>1 到 2 年\u003C\u002Ftd>\u003Ctd>Wang 預期中國會出現主要採用增長\u003C\u002Ftd>\u003Ctd>企業導入速度可能比美國更快\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003Ch2>開源模型正在變成出口品\u003C\u002Fh2>\u003Cp>Wang 的核心判斷很有意思。中國 AI 實驗室不只是跟美國競爭，還在幫美國團隊加速。他提到 DeepSeek 的強化學習訓練做法，已經變成一些美國研究圈的參考起點。這種互相借力的關係，很像你以為在打仗，結果大家都在同一條供應鏈上做生意。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781668081085-utxz.png\" alt=\"中國開源 AI 正逼美國改打法\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這裡的重點是，開源模型不是單純把權重丟出來而已。它是一種分發管道。開發者可以下載、微調、自己部署。這比只提供 API 快很多，也比等雲端服務商排程便宜很多。\u003C\u002Fp>\u003Cp>講白了，誰能讓模型變成基礎設施，誰就更容易拿到長尾市場。不是每家公司都想跟 \u003Ca href=\"\u002Ftag\u002Fopenai\">OpenAI\u003C\u002Fa> 買最完整的服務。很多團隊只想找一個能跑、能改、能上線的底層模型。中國開源路線正好卡在這個需求上。\u003C\u002Fp>\u003Cul>\u003Cli>模型權重可下載，開發者能直接改。\u003C\u002Fli>\u003Cli>部署到自家伺服器，成本更可控。\u003C\u002Fli>\u003Cli>新創可快速試驗，不必先簽大合約。\u003C\u002Fli>\u003Cli>中國模型也能跑在美國晶片上。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>蒸餾、授權，還有誰在賺錢\u003C\u002Fh2>\u003Cp>Wang 對 distillation 的看法很直。對他來說，這是正常研究流程，不是什麼道德大戲。你可以把它想成一個模型去學另一個模型的輸出，和人看完一本書再整理重點差不多。這說法可能不討喜，但技術圈很多人其實心裡都懂。\u003C\u002Fp>\u003Cp>他也提到，這種做法不是中國獨有。像 \u003Ca href=\"https:\u002F\u002Fx.ai\" target=\"_blank\" rel=\"noopener\">xAI\u003C\u002Fa> 這類公司，過去也公開談過資料抓取和訓練來源的爭議。問題不在於有沒有蒸餾，而在於誰能把蒸餾後的價值留在自己手上。\u003C\u002Fp>\u003Cp>所以你會看到授權條款越來越硬。Wang 說，一些中國模型開始限制雲端商轉賣免費模型、自己吃掉價差。這其實很合理。模型如果一直被平台商白拿，原廠最後只會剩下名聲，賺不到錢。\u003C\u002Fp>\u003Cblockquote>“Distillation is a neutral word in the research world,” Wang said in the \u003Ca href=\"https:\u002F\u002Frestofworld.org\u002F2026\u002Ftiezhen-wang-china-us-open-source-ai\u002F\" target=\"_blank\" rel=\"noopener\">Rest of World\u003C\u002Fa> interview.\u003C\u002Fblockquote>\u003Cp>這句話很硬，也很有爭議。但它點出一個現實。現在的開源 AI 很少是完全無條件的。很多公司都在找一個折衷點。個人免費用，企業大規模商用就付費。這比純粹開放來得現實，也比較能活下去。\u003C\u002Fp>\u003Cul>\u003Cli>個人免費，能拉高採用率。\u003C\u002Fli>\u003Cli>商業雲端使用，能收回成本。\u003C\u002Fli>\u003Cli>授權條款可防止平台商吃掉利潤。\u003C\u002Fli>\u003Cli>小模型先放，大模型保留一部分控制權。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>成本才是最硬的戰場\u003C\u002Fh2>\u003Cp>Wang 最實際的觀點，是 Token 成本。這件事很多人嘴上不講，帳單一來就都懂了。他提到 \u003Ca href=\"https:\u002F\u002Fwww.uber.com\" target=\"_blank\" rel=\"noopener\">Uber\u003C\u002Fa> 在 4 個月內就燒掉一整年的 Token 預算，也提到 \u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\" target=\"_blank\" rel=\"noopener\">Microsoft\u003C\u002Fa> 曾說 Token 成本比預期高。數字可能有語境，但方向很清楚，託管式 AI 還是貴。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781668079967-pg2j.png\" alt=\"中國開源 AI 正逼美國改打法\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這就是中國開源模型好用的地方。只要模型夠好、夠便宜，公司就敢多試、多上線、多做內部流程整合。你不用每次都等供應商報價，也不用怕一個月跑太多就爆預算。\u003C\u002Fp>\u003Cp>更重要的是，企業內部的採用速度會被成本直接拉動。很多公司不是不想用 AI，而是怕用下去成本失控。當成本降到可接受範圍，部門主管才會真的把 AI 塞進日常工作。這種壓力，往往比 demo 更有用。\u003C\u002Fp>\u003Cp>Wang 也提到市場反應。像 Zhipu 的股價成長約 10 倍，代表資本市場願意回頭押中國 AI。資金一進來，算力、人才、資料都會跟著動。這種循環對開源團隊很重要，因為模型釋出不是終點，後面還要燒錢養下一版。\u003C\u002Fp>\u003Cul>\u003Cli>成本低，企業才敢大規模試用。\u003C\u002Fli>\u003Cli>Token 預算可控，產品迭代會更快。\u003C\u002Fli>\u003Cli>資本回流，能補上算力缺口。\u003C\u002Fli>\u003Cli>開源模型可形成「釋出、採用、融資、再釋出」循環。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>對新創來說，順序比立場重要\u003C\u002Fh2>\u003Cp>Wang 給新創的建議很務實。先選最符合產品需求的模型，不管它是閉源還是開源。先把用戶抓住，再來想要不要換成更便宜的模型。這個順序很現實，因為大多數新創死掉，不是死在模型哲學，而是死在沒人用。\u003C\u002Fp>\u003Cp>等產品真的有流量後，開源模型就變得香很多。你可以把部分工作負載搬回自家機器，也可以把某些高頻任務改成本地推理。當使用量越來越大，Token 成本就會從小問題變成大問題。\u003C\u002Fp>\u003Cp>Wang 說，某些情況下，切到開源模型後，成本可能差到「大概一百倍」。這數字聽起來很猛，也不一定每個場景都成立。但只要差距有 10 倍，就夠改變產品策略了。台灣很多團隊現在還在盯模型分數，卻沒算清楚每月帳單，這其實蠻危險的。\u003C\u002Fp>\u003Cp>對工程團隊來說，真正的問題不是「哪個模型最強」，而是「哪個模型能天天跑」。如果一個模型讓你做 prototype 很爽，但正式上線後帳單爆掉，那它就只是 demo \u003Ca href=\"\u002Fnews\u002Fwikipedia-foss-packages-tool-map-zh\">工具\u003C\u002Fa>，不是產品底座。\u003C\u002Fp>\u003Ch2>這場拉鋸還會往哪裡走\u003C\u002Fh2>\u003Cp>中國這波開源 AI 的打法，重點不是跟美國比誰的閉源模型更神秘。它是在比誰能把 AI 壓到更低成本，讓更多團隊願意真的用起來。這種策略很土，但很有效。\u003C\u002Fp>\u003Cp>對美國實驗室來說，壓力已經很明顯。閉源能維持高毛利，也能保住控制權，但它會把很多中小型開發者推向更便宜的替代品。當替代品夠好，市場就不會只看 \u003Ca href=\"\u002Ftag\u002Fbenchmark\">benchmark\u003C\u002Fa>，還會看部署成本、授權條款和內部導入速度。\u003C\u002Fp>\u003Cp>我覺得接下來一年，最值得看的不是誰又發了幾個分數更高的模型，而是誰能把 AI 真正塞進企業\u003Ca href=\"\u002Fnews\u002Fkimi-k26-open-source-coding-agents-zh\">工作流\u003C\u002Fa>。那才是開源和閉源真正對打的地方。你如果是開發者，現在就該問自己：你要的是最好看的 demo，還是能每天穩定跑的系統？\u003C\u002Fp>","中國 AI 實驗室主打開源模型，正在壓低推理成本，也逼 OpenAI、Anthropic 這類美國閉源 лаборатory 重新想商業模式。","restofworld.org","https:\u002F\u002Frestofworld.org\u002F2026\u002Ftiezhen-wang-china-us-open-source-ai\u002F",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781668081085-utxz.png","industry","zh","f083416d-8e9c-4774-90aa-df99f13fdaf2",[17,18,19,20,21,22,23,24],"中國開源AI","OpenAI","Anthropic","DeepSeek","Token成本","Hugging Face","模型授權","AI推理成本",[26,27,28],"中國開源 AI 正把模型變成分發管道，逼美國閉源實驗室重新思考商業模式。","Token 成本和授權條款，正在決定企業到底會選 API，還是選可自部署的開源模型。","對新創來說，先選能上線的模型，再談架構純不純，通常比較不會死得太快。",0,"2026-06-17T03:47:34.458282+00:00","2026-06-17T03:47:34.446+00:00","29fa8a72-a8a8-473e-975c-3991ae762f60",{"tags":34,"relatedLang":43,"relatedPosts":47},[35,37,39,41],{"name":18,"slug":36},"openai",{"name":20,"slug":38},"deepseek",{"name":19,"slug":40},"anthropic",{"name":21,"slug":42},"token成本",{"id":15,"slug":44,"title":45,"language":46},"china-open-source-ai-pressure-us-labs-en","China’s Open-Source AI Play Is Pressuring U.S. Labs","en",[48,54,60,66,72,78],{"id":49,"slug":50,"title":51,"cover_image":52,"image_url":52,"created_at":53,"category":13},"2a151488-09f9-4aa8-a654-3f1d9d7e159c","china-ai-open-source-efficiency-global-sales-zh","中國 AI 轉向：開源、效率、出海","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781702271555-i3q3.png","2026-06-17T13:17:25.59471+00:00",{"id":55,"slug":56,"title":57,"cover_image":58,"image_url":58,"created_at":59,"category":13},"4a2fbd38-b5c2-4590-9d4b-87f39f95ab9c","ergo-hestia-pricing-time-to-market-databricks-zh","ERGO Hestia 4 招縮短定價上線","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781697768906-9krk.png","2026-06-17T12:02:22.440161+00:00",{"id":61,"slug":62,"title":63,"cover_image":64,"image_url":64,"created_at":65,"category":13},"0cf56d85-887b-4fb1-8589-046da6513d26","openai-oracle-universal-credits-enterprise-buying-zh","OpenAI 進 Oracle 企業採購圈","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781696892976-sx90.png","2026-06-17T11:47:35.092555+00:00",{"id":67,"slug":68,"title":69,"cover_image":70,"image_url":70,"created_at":71,"category":13},"dd3d240a-0f53-49a4-90a5-cac17171f3fd","managed-chatgpt-access-policy-layers-zh","4 層規範決定企業版 ChatGPT 可怎麼用","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781695973066-pbtw.png","2026-06-17T11:32:17.633521+00:00",{"id":73,"slug":74,"title":75,"cover_image":76,"image_url":76,"created_at":77,"category":13},"c826a181-b373-4a9e-a494-1f8f4bc86c3c","openai-service-terms-app-risk-users-zh","OpenAI 服務條款把第三方 App 風險留給使用者","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781695063951-v71m.png","2026-06-17T11:17:21.223004+00:00",{"id":79,"slug":80,"title":81,"cover_image":82,"image_url":82,"created_at":83,"category":13},"7b6bec1f-4f42-4b60-a72d-027bf95a36e7","anthropic-fable-shutdown-own-your-models-zh","Fable 停用逼你把模型收回來","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781687002361-q7fl.png","2026-06-17T09:02:52.16704+00:00",[85,90,95,100,105,110,115,120,125,130],{"id":86,"slug":87,"title":88,"created_at":89},"ee073da7-28b3-4752-a319-5a501459fb87","ai-in-2026-what-actually-matters-now-zh","2026 AI 真正重要的事","2026-03-26T07:09:12.008134+00:00",{"id":91,"slug":92,"title":93,"created_at":94},"83bd1795-8548-44c9-9a7e-de50a0923f71","trump-ai-framework-power-speech-state-preemption-zh","川普 AI 框架瞄準電力、言論與州權","2026-03-26T07:12:18.695466+00:00",{"id":96,"slug":97,"title":98,"created_at":99},"ea6be18b-c903-4e54-97b7-5f7447a612e0","nvidia-gtc-2026-big-ai-announcements-zh","NVIDIA GTC 2026 重點拆解","2026-03-26T07:14:26.62638+00:00",{"id":101,"slug":102,"title":103,"created_at":104},"4bcec76f-4c36-4daa-909f-54cd702f7c93","claude-users-spreading-out-and-getting-better-zh","Claude 用戶更分散，也更會用","2026-03-26T07:22:52.325888+00:00",{"id":106,"slug":107,"title":108,"created_at":109},"bd903b15-2473-4178-9789-b7557816e535","openclaw-raises-hard-question-for-ai-models-zh","OpenClaw 逼問 AI 模型價值","2026-03-26T07:24:54.707486+00:00",{"id":111,"slug":112,"title":113,"created_at":114},"eeac6b9e-ad9d-4831-8eec-8bba3f9bca6a","gap-google-gemini-checkout-fashion-search-zh","Gap 把結帳搬進 Gemini","2026-03-26T07:28:23.937768+00:00",{"id":116,"slug":117,"title":118,"created_at":119},"0740e53f-605d-4d57-8601-c10beb126f3c","google-pushes-gemini-transition-to-march-2026-zh","Google 把 Gemini 轉換延到 2026 年 3…","2026-03-26T07:30:12.825269+00:00",{"id":121,"slug":122,"title":123,"created_at":124},"e660d801-2421-4529-8fa9-86b82b066990","metas-llama-4-benchmark-scandal-gets-worse-zh","Meta Llama 4 分數風波又擴大","2026-03-26T07:34:21.156421+00:00",{"id":126,"slug":127,"title":128,"created_at":129},"183f9e7c-e143-40bb-a6d5-67ba84a3a8bc","accenture-mistral-ai-sovereign-enterprise-deal-zh","Accenture 攜手 Mistral AI 賣主權 AI","2026-03-26T07:38:14.818906+00:00",{"id":131,"slug":132,"title":133,"created_at":134},"191d9b1b-768a-478c-978c-dd7431a38149","mistral-ai-faces-its-hardest-year-yet-zh","Mistral AI 迎來最硬的一年","2026-03-26T07:40:23.716374+00:00"]