美国在亚洲推广 AI 面临中国低成本模型的挑战

Google News 在 7 月 30 日凸显了一场尖锐冲突：尽管中国模型凭借更低成本和开放获取方式吸引关注，华盛顿仍希望亚洲采用美国 AI。

竞争已不再局限于哪个国家训练出了最聪明的模型，而是关乎开发者、企业和政府能够负担得起大规模部署哪种技术。美国实验室在前沿性能、云基础设施和先进芯片方面仍具显著优势。中国供应商则凭借开放权重模型、激进的效率优化和更少的试验门槛展开竞争。

这种差异造成了核心反转。美国希望向亚洲输出美国 AI 技术栈，但其商业模式可能与这一目标相冲突。Alibaba、DeepSeek、Moonshot AI、Z.ai 和 MiniMax 正为买家提供替代选择；对许多日常工作负载而言，这些选择看起来已足够好。胜负或许将由部署经济性而非单一基准测试决定。

Google News 聚焦美国 AI 出口难题

美国的 AI 推介要求亚洲买家采用完整技术栈，而中国竞争者让模型层更易于测试和替换。

美国已将 AI 出口明确列为政策目标。商务部的 AI 出口计划邀请行业组织提交可供出口的方案，涵盖硬件、模型、软件、应用程序及配套基础设施。

这比出售聊天机器人的访问权限更具雄心。华盛顿希望伙伴国家围绕美国算力、云服务、模型供应商和安全标准进行建设。这种做法将 AI 基础设施视为一种战略关系，而非普通的软件采购。

亚洲是这一战略的核心。该地区汇集了快速增长的数字经济体、庞大人口、制造能力，以及寻求加强对关键技术控制力的政府。这里也包括同时与美国和中国保持商业联系的国家。

然而，这项政策出台之际，模型访问正变得更容易与基础设施分离。开放权重模型会发布运行或修改该系统所需的数值参数，但不一定公开其训练数据或完整开发过程。

这一差别很重要，因为买家可以通过本地数据中心或第三方云服务商部署开放权重模型。他们还可以针对本地语言、内部工作流程或行业要求进行调整。政府并不总是需要接受某一家外国供应商托管的服务。

中国公司已大力采用这种分发模式。Alibaba 的 Qwen 系列、DeepSeek 的模型、Moonshot AI 的 Kimi 系统、Z.ai 的 GLM 系列，以及 MiniMax 模型，都扩大了开发者可选的范围。

这些模型并不需要在每一项评测中领先。它们只需在客户服务、文档处理、编程辅助、翻译和后台自动化等场景中表现得足够可靠。这些工作负载可能产生极高的使用量。

美国供应商仍提供强大的模型和成熟的企业平台。Microsoft、Amazon 和 Google 运营着覆盖范围广泛的国际云系统。OpenAI 和 Anthropic 在评估先进 AI 的企业中也拥有很高知名度。

不过，完整技术栈的出口战略所涉及的承诺，远多于下载模型权重。买家必须考虑云合同、使用规则、数据所在地、供应商可用性以及潜在的政策变化。每一种依赖都可能影响最终部署决策。

因此，Google News 的标题指向的不只是价格竞争。它揭示了战略出口目标与许多组织采购技术方式之间的不匹配。华盛顿销售的是协同关系和一体化技术栈；中国实验室则在降低尝试另一种模型的成本。

这种试用优势可能不断累积。一旦开发者围绕某个模型系列构建了评测工具、路由系统和内部专业能力，切换的紧迫性就会降低。早期试验可能演变为持久的技术偏好。

眼前的变化已经很清晰。美国 AI 出口如今拥有正式的政府计划，但中国模型的采用正通过分散的开发者选择推进。政策自上而下运作，模型选择则往往自下而上发生。

亚洲 AI 买家面临现实的成本考验

压力落在那些希望扩大 AI 使用范围、又不愿让推理成本吞噬技术预算的亚洲企业和公共机构身上。

推理是指训练完成的模型响应提示词时所执行的计算工作。试点项目的使用量或许有限，但生产环境中的应用可在客户支持、搜索、软件开发和内部运营中发送数百万次请求。

这种规模会改变采购行为。测试某一个高难度推理问题的团队，可能倾向于选择性能最强的模型。处理重复性文档的企业，则可能为了大幅降低运营成本而接受略低的基准测试表现。

亚洲市场使这种取舍尤为重要。许多企业服务于庞大的用户群，但其每位用户的收入低于北美同类企业。公共机构还必须在预算有限的条件下支持本地语言和广泛覆盖。

Channel News Asia 报道称，包括 AI Singapore 在内的机构已采用 Alibaba 的 Qwen 模型。其 亚洲采用情况分析指出，呼叫中心、教育、物流、金融、制造和法律研究等领域，低成本模型可以扩大部署范围。

这些并非边缘用例。它们代表着重复性、高容量的工作，组织需要为每一次模型交互付费。当软件全天运行时，细微的成本差异都会变得实质性。

本地控制同样可能很重要。银行可能需要将敏感记录保留在特定司法管辖区内。政府可能希望模型适配本国语言。制造商则可能需要模型在私有网络中提供可预测的性能。

开放权重让这些安排更容易实现，尽管它并不能消除基础设施支出。买家仍需要合适的芯片、技术人员、安全控制、监测和评估。在本地运行模型可能是转移成本，而非消除成本。

即便如此，对部署的控制权仍能带来议价能力。组织可以比较托管服务商、压缩模型，或将简单请求路由到更小的系统。它们不再过度受制于单一供应商的访问规则。

这正是美国公司面临压力的地方。其领先的托管模型通常在极致能力、广泛的安全系统以及与大型云平台的整合方面竞争。这些特质很重要，但对日常工作负载而言可能超出实际需求。

开发者日益使用模型路由来解决这种不匹配。路由器会将困难提示词发送给先进系统，并把更简单的任务导向更便宜的模型。这样的安排使高端模型成为一个组成部分，而非默认引擎。

DoorDash 提供了一个亚洲以外的有用案例。根据有关企业试验的报道，其技术管理层曾讨论将较低层级的工作路由至 Moonshot AI 的 Kimi。该案例表明，中国模型可以进入西方企业，而无需取代所有现有供应商。

同样的逻辑在价格敏感的亚洲市场中更为适用。买家可以将美国前沿系统留给高要求任务，同时在其他场景使用 Qwen、DeepSeek、Kimi 或 GLM。采用变成了按工作负载逐项作出的决定。

华盛顿偏好的应对方式，是让美国方案整体上更具吸引力。联邦支持可以帮助企业协调融资、基础设施和外交接触。在敏感领域，安全关系也可能令美国供应商更受青睐。

然而，这些优势并不能消除运营经济性。如果替代方案能够以更低成本处理日常工作，采购团队就必须为支付更高价格作出解释。这一要求将压力从中国挑战者转移到既有的美国供应商身上。

因此，被迫作出的回应既是商业性的，也是政治性的。美国实验室需要提供更便宜的模型、更灵活的部署方式，或更有力地证明其溢价能够带来可衡量的价值。政府无法仅靠推广来解决这一问题。

中国的开放权重战略颠覆了通常的技术推介

美国提供最一体化的 AI 技术栈，但中国较少整合的模型战略可能更容易被开发者采用。

数十年来，美国科技公司一直受益于开放的开发者平台。广泛可用的软件工具鼓励全球试验，而商业服务则围绕托管、支持和企业集成获取价值。

当前 AI 市场使这一模式变得复杂。若干领先的美国系统仍是封闭的，这意味着客户通过受控服务访问它们，而不是下载其权重。与此同时，中国公司已将开放权重发布作为核心分发渠道。

结果是地缘政治声誉与技术可用性之间出现了反转。美国政策将美国描绘为开放且可信赖的数字系统首选来源。然而，比较模型许可的开发者可能会发现，中国模型系列提供了更大的灵活性。

Center for Strategic and International Studies 在其对中国 AI 模型的评估中描述了这种紧张关系。该机构指出，领先的美国前沿开发集中于封闭系统，而中国的开放权重替代方案对企业而言可能更便宜。

开放访问以多种方式扩大了分发范围。研究人员可以更深入地检查模型行为。初创公司可以为专业任务修改模型。云服务商可以在多个地区托管兼容版本。

广泛的衍生生态系统也会使一个模型系列更难被替代。开发者会创建微调版本、评测工具、部署模板和教学材料。每一项贡献都降低了下一位用户所需投入的工作量。

Alibaba 的 Qwen 就说明了这种效应。其模型已成为服务不同语言和应用的各类改造版本的常见基础。评估 Qwen 的买家并非只是在评估一款产品，而是在进入更广泛的社区和供应商支持体系。

DeepSeek 在其 R1 推理模型于 2025 年初引起全球关注时，创造了另一个参照点。其意义来自能力、效率与可访问性之间的关系。这一发布挑战了“先进推理必须依赖昂贵的封闭服务”这一假设。

Moonshot AI 和 Z.ai 延续了这场竞争。它们发布的模型为开发者提供了更多选择，而不是迫使市场统一到一种中国标准。中国实验室之间的竞争能够推动各家供应商提升效率并扩大开放程度。

美国公司并未缺席开放模型领域。Meta 通过 Llama 帮助建立了现代开放权重市场，其他美国开发者也发布可下载的系统。这种差异并非简单的国家划分。

不过，商业激励并不相同。一家从托管前沿模型中获得可观收入的公司，有理由保护其权重并控制使用方式。寻求全球分发的挑战者，则更有理由降低采用门槛。

中国实验室可以把开放权重作为获客手段。它们可以通过托管接口、企业支持、云合作伙伴关系或相关应用获得收入。更重要的是，即使最初的下载不直接带来付费，广泛采用也能建立技术影响力。

这给美国政策制定者带来了艰难选择。支持美国开放模型可以加强全球分发，但也可能使安全和知识产权控制更加复杂。限制模型访问可以保护某些利益，同时却让外国替代方案更具吸引力。

美国 AI Exports Program 试图在技术栈层面展开竞争。当买家需要可靠的基础设施、融资、网络安全和长期支持时，这种方式是合理的。但当开发者只需要一个模型来处理某项边界明确的工作负载时，其说服力就会减弱。

中国供应商不必重建整个美国云生态系统。它们可以分发模型层，并让本地公司提供其余部分。这种更聚焦的定位，减少了买家必须交付给单一供应商的信任程度。

对开发者而言，这种对比很实际。一条路径始于商业协议和远程服务；另一条则可以从下载模型、进行本地评估以及利用现有计算环境开始。

这种低门槛并不保证长期成功。开放权重模型仍可能带有严格的许可限制、文档不足、隐藏的训练风险或高昂的硬件要求。但它至少获得了被测试的机会。

在企业软件中，进入评估流程的产品往往会获得优势。团队会围绕自己能够使用的产品编写提示词、构建测试并调整工作流。因此，这种逆转首先关乎分发，而后才是技术领导地位。

更便宜的中国模型带来安全与治理风险

更低的部署成本强化了中国的地位，但并不能解决数据处理、模型来源、审查机制或长期支持等问题。

对采用中国 AI 的最强批评集中在国家安全方面。美国立法者一直在调查，中国模型供应商是否会让用户面临数据收集、影响力渗透或供应链风险。

众议院委员会的一项安全调查还提出了有关未经授权蒸馏的指控。蒸馏是指利用一个模型的输出训练另一个模型，通常会产生一个模仿原始模型部分行为的较小系统。

这些指控需要谨慎对待。低成本模型本身并不能证明知识产权遭到滥用。相似的基准测试结果也无法揭示完整的训练过程。

模型来源在整个行业内仍然难以审计。美国和中国开发者都只披露了有关完整训练数据集的有限信息。开放权重让研究人员能够检查和运行一个系统，但并不会自动揭示它是如何构建的。

数据安全在很大程度上取决于部署方式。将提示词发送至供应商的托管接口，与在受控环境中运行下载的权重，所带来的风险不同。将这些安排视为相同的文章，忽略了一个重要区别。

本地托管的中国模型可以避免提示词传到原始开发者手中。然而，运营该模型的组织仍必须检查依赖项、模型文件、更新渠道和生成输出。本地部署降低了一种风险，同时也让买家承担更多责任。

审查行为带来了另一项担忧。根据中国规则开发的模型可能回避政治敏感议题，或复述当局偏好的叙事。微调可以改变部分行为，但组织需要系统性评估，而不是依赖假设。

语言表现同样值得审视。一个在英语或普通话中表现出色的模型，在泰语、越南语、Bahasa Indonesia、印地语或规模较小的区域语言中，可能产生不稳定的结果。综合基准测试可能掩盖这些弱点。

同样的谨慎也适用于美国模型。为北美预期构建的安全过滤机制，可能无法顺利迁移至亚洲的法律体系或文化语境。托管供应商也可能改变政策、停止提供模型，或限制可用性。

华盛顿认为，可信基础设施和一致的治理模式足以证明选择美国系统是合理的。对于国防、关键基础设施、政府记录和受到高度监管的行业而言，这一论点最有说服力。对于公共文件分类等低风险任务而言，则较弱。

因此，采购应当区分工作负载。政府不应以评估公共旅游助手的同一标准来评估国防情报系统。当安全主张与具体数据和后果联系起来时，才会更有用。

成本比较也需要进行压力测试。宣传中的模型访问成本可能不包括工程工作、监控、安全审查和硬件利用率。若一个更便宜的模型需要大量修正，或产生不可靠输出，它也可能变得昂贵。

基准测试比较也带来类似的不确定性。供应商会选择能够凸显自身系统优势的评估，而真实应用包含杂乱的文档、模糊的请求和不断变化的数据。一个微小的分数差异可能没有运营意义，也可能造成严重错误。

独立测试是缺失的桥梁。亚洲买家需要基于自身语言、行业、数据政策和预期请求量的评估。无论是美国安全标签，还是中国效率主张，都不应替代这项工作。

监管干预也可能改变市场。美国已经利用半导体出口管制来限制中国获取先进芯片。政策制定者还讨论了涉及模型、云服务或涉嫌侵犯知识产权的更强硬回应。

这类限制或许会拖慢特定供应商。它们也可能鼓励开发者在访问关闭前复制、镜像或改造可获得的权重。一旦软件被广泛分发，其流动方式就不同于实体设备。

出口管制可能产生意外激励。通过限制中国获得最先进的硬件，美国政策推动中国开发者优先考虑效率。这种压力帮助较低计算需求成为一项竞争特征。

这并不意味着出口管制导致了中国的每一项进步。中国拥有大型科技公司、熟练的研究人员、大量投资和庞大的国内市场。即使没有限制，效率工作也会很重要。

但这说明了为何简单的政策叙事会失效。一项限制可以拖慢前沿训练，同时鼓励更容易在海外传播的替代方案。能力领导地位和分发领导地位可能朝不同方向发展。

审慎的结论是平衡的。中国模型在成本和控制至关重要的场景中，拥有可信的采用优势。其较低价格并未消除安全、质量或治理问题。买家必须在工作负载层面衡量这些风险。

这场竞争是成本与控制之争，而不只是中国与美国之争

最重要的分野存在于高端托管智能与可由组织在不同基础设施中部署的适应性模型之间。

国家竞争塑造投资和监管，但企业很少仅因爱国象征而选择技术。它们会考虑性能、总运营成本、支持、合规、数据所在地以及转换风险。

当质量失误代价高昂时，高端托管模型可能是正确选择。复杂编程、科学分析、高级推理和敏感客户互动，可能值得接入最强可用系统。

对于稳定、重复性的工作，开放权重模型可能是更好的选择。文档标记、基础信息提取、翻译初稿、内部搜索和常规支持，往往更受益于可预测的成本，而非最高的推理能力。

许多组织会同时使用两者。路由层可以根据复杂度、敏感性和延迟，将每项请求发送到合适的模型。这能降低对任何单一供应商的依赖。

这种混合市场削弱了一个国家会占据所有 AI 工作负载的观点。美国实验室可以引领前沿，而中国模型则在高容量任务中获得份额。区域和本地开发者也可以针对特定语言或行业微调模型。

华盛顿的战略担忧并不是每个亚洲组织都会放弃美国技术，而是中国模型家族可能成为新应用的默认起点。

默认选项很重要，因为开发者会复用自己熟悉的东西。一名熟悉 Qwen 部署的工程师，很可能会再次考虑 Qwen。一家已建立 DeepSeek 评估体系的公司，添加另一项 DeepSeek 工作负载的速度，可能快于其认证新供应商的速度。

技术兼容性又增加了一层因素。可与常见接口和部署工具配合使用的模型能够跨云迁移。这限制了政府或供应商通过一份合同获取持久影响力的能力。

美国技术栈仍保有重要优势。其芯片设计商、云供应商、研究实验室和软件平台，在全球技术领域占据核心位置。许多中国模型仍直接或间接依赖于由该生态系统塑造的工具。

中国供应商也面临基础设施限制。发布权重并不会创造足够的计算能力来服务每一位用户。大规模部署仍依赖加速器、电力、网络和经验丰富的运营人员。

这形成了一种不同寻常的相互依赖。一款中国模型可能通过位于新加坡的云，在美国设计的芯片上运行。一家亚洲公司可能将其与美国数据库和本地应用软件结合使用。

国家标签在政治上仍然重要，但实际供应链是分层的。控制其中一层，并不等于控制完整系统。

对企业买家而言，这鼓励模块化设计。公司可以维持可移植的数据、标准化评估和可替换的模型接口。当其信息不被锁定在单一模型中时，一个可搜索的 AI knowledge base会更加有用。

知识工作者也应基于同样的原因关注这一点。回答问题的模型可能会变化，而底层文档和机构记忆仍保留其价值。将知识与模型分离，能够降低转换成本。

成本竞争也会影响美国产品战略。前沿供应商可以发布更小的模型、改进缓存、优化路由，并提供灵活部署。它们不必用另一款巨型模型来匹配每一次中国模型发布。

Meta 的角色值得关注。其开放权重历史为美国提供了另一条分发路径，尽管许可和商业策略可能在不同版本之间变化。具有竞争力的美国开放模型生态系统，会削弱“开放性主要属于中国”的说法。

亚洲政府可以通过采购塑造结果。对本地托管、语言测试、互操作性和透明风险评估的要求，可以防止过早依赖任何供应商。

它们也可以支持本土模型开发。新加坡、印度、韩国、日本、印度尼西亚等市场都有各自的语言和政策需求。区域性系统可能会将本地数据与在其他地区开发的基础模型结合起来。

因此，更大的竞争并不是一场清晰的国家间竞赛。它关乎价值和控制权在 AI 技术栈中的归属。美国公司倾向于提供一体化商业服务。中国挑战者则通过让模型层更低成本、更易迁移来扩大影响力。

Google News 读者接下来应关注什么

以下三个信号将显示，中国的成本优势是否会转化为持久采用，还是仅会对美国 AI 提供商构成暂时挑战。

第一个信号是 American AI Exports Program 的结果。美国商务部已接受涵盖完整技术栈的协调解决方案提案。关键证据将包括具名合作伙伴、目标国家、融资安排以及实际部署情况。

仅凭公告无法化解这一矛盾。一个可信的解决方案需要具备有竞争力的运营经济性、本地语言支持、可靠的基础设施，以及政府能够接受的条款。已签约项目将强化华盛顿的论点：一体化能够抵消更高的模型成本。

如果缺乏可见的部署，则会强化相反的结论。这将表明，外交支持无法克服采购摩擦和低成本开放替代方案的吸引力。

第二个信号是 Qwen、DeepSeek、Kimi、GLM 和 MiniMax 在亚洲各地的独立采用数据。下载量很有参考价值，但生产环境工作负载更重要。云端使用情况、企业案例、本地托管合同和开发者调查，能够显示试验是否正在演变为依赖。

据报道，Goldman Sachs 将中国模型描述为正接近更广泛采用的关键阶段。这一判断与 agentic AI 的兴起相吻合；后者能够执行多步骤任务，产生的模型调用次数可能远超简单聊天机器人。

如果中国模型家族获得持续的生产环境使用，成本优势将开始形成生态系统优势。更多部署会带来更多工具、更有经验的工程师、更多微调版本以及支持服务。

如果企业继续测试，却仍将生产环境留给美国提供商，那么安全性和可靠性担忧就会超过最初的节省。这一结果将削弱标题所暗示的逆转。

第三个信号是美国行业对开放权重和低成本部署的回应。更小的模型、更灵活的许可、本地托管和更优的路由机制，都能针对性应对助推中国替代方案的条件。

政策同样重要。对中国模型实施广泛限制，可能会减少其在受监管的美国环境中的采用。但在亚洲，这可能鼓励各国政府寻求更大的技术自主权。

American AI strategy 只有在买家看到持久价值，而不只是政治偏好时才能成功。信任、成本、性能和控制权必须协同发挥作用。

未来几个月将阐明，美国提供商是将更便宜的中国模型视为政策问题，还是产品挑战。开发者和企业买家应继续检验这两种说法：中国系统能否在真实工作负载下保持质量，美国厂商又能否让高端 AI 实现规模化经济性？

Google News 捕捉到了眼前的冲突，但部署证据将决定最终结果。请关注采购公告、生产环境使用情况和开放模型发布。这些信号将揭示亚洲实际选择的是哪一套 AI 技术栈。