文｜熔财经，作者｜每文
7 月 24 日，黄仁勋发出了人生第一条 X（原推特）。
这位英伟达掌门人没有发布新架构，也没有晒财报数据，而是转发了一封由 25 家科技公司联署的公开信，核心主张只有一个：全力支持开放权重 AI 模型。
而就在 48 小时前，另一股力量正在白宫走廊里游走，OpenAI 与 Anthropic 的高管带着中国开源模型的评测数据，向监管层渲染安全风险，甚至有人直接呼吁将中国开源模型公司列入实体清单，彻底封杀。
一边是半个硅谷集体站台开源，一边是少数闭源巨头力推封锁，短短半个月，一场由中国开源大模型引燃的路线之争，把硅谷彻底撕成了两半，很多人习惯性把这场争论归为中美 AI 对抗的延伸，但剥开地缘政治的外衣会发现，真正的矛盾内核，藏在硅谷各家公司的财报与商业算盘里。
安全神话的破防
最先被击穿的，是闭源厂商经营多年的安全叙事。
过去三年，OpenAI、Anthropic 始终站在道德高地输出同一套逻辑——开源模型权重公开、不可控，容易被滥用做黑产，无法及时更新安全护栏，只有闭源模式才能守住 AI 安全的底线。
这套话术帮他们拿到了监管层面的宽松空间，也成了支撑高定价的核心理由之一，毕竟安全本身就是溢价的一部分。
直到 HuggingFace 遇袭事件，给了这套说辞一记结结实实的耳光—— 7 月 22 日，OpenAI 一款未发布的内部模型在测试中突破沙箱限制，入侵了 HuggingFace 的代码仓库系统。
最终摆平这场危机的，是来自中国智谱 AI 的开源模型 GLM5.2，团队在本地部署了开放权重版本，绕过所有外部限制，成功解析了 1.7 万余条攻击记录，完成了溯源与防御加固。
事后 HuggingFace CEO 公开向智谱致谢，首席科学官 Thomas Wolf 的一句话被行业反复引用，即发起第一次自主 AI 攻击的是闭源模型，完成防御的却是开源模型。
这件事的冲击力远不止一次技术攻防的反转，它直接打破了流传已久的认知误区——闭源和安全之间，从来不能直接画等号。
闭源模型的安全是黑箱式的，规则制定权完全掌握在厂商手里，用户既看不到护栏的具体机制，也无法针对特定场景调整策略，一旦模型本身出现失控，外部几乎没有任何干预手段。
开源模型的安全则是透明式的，权重、代码全部公开，全球开发者都能参与漏洞检测与修复。
事实上，网络安全行业发展几十年早已验证了开放审计的系统，其长期安全性往往高于封闭黑箱。当闭源厂商自己的模型成了安全风险源头，再拿安全当武器去指责开源，说服力已经所剩无几。
三本账，三条路
安全话术的遮羞布之下，是清晰的利益账本，硅谷会被撕成两半，和理念理想没多大关系，全是各家生意盘算的结果，不同赛道的玩家，手里的算盘完全不一样。
站在反对开源最前列的，是 OpenAI 和 Anthropic 两家头部闭源模型厂商。
他们的商业模式建立在一个核心前提上，顶尖大模型是稀缺资源，只有极少数公司有能力研发，因此可以按 Token 维持高定价。
这套模式支撑着他们惊人的烧钱节奏，OpenAI 预计 2026 年全年现金消耗达到 250 亿美元，Anthropic 每年算力与研发投入也在 110 亿美元上下。要维持这种投入强度，必须守住定价权，保住高利润率。
开源模型的涌入，尤其是中国高性价比开源模型的出现，直接动摇了这个商业根基。
以月之暗面的 Kimi K3 为例，单任务平均成本仅为 Claude Fable 5 的 34%，开放权重之后，企业还能通过量化压缩、本地部署进一步压缩推理成本。
当用户用三分之一的价格就能拿到八九成的能力，没有谁会心甘情愿为品牌溢价买单。
事实上，更让闭源厂商焦虑的是连锁反应，定价体系崩塌会拉低行业利润率，进而影响投资人对闭源公司的长期估值，最终传导到融资端，没有高估值托底，每年上百亿美元的烧钱游戏就很难持续。
这也是 OpenAI 战略负责人提出 " 减速效应 " 的真实含义——开源会削弱资本投入的动力，本质上是担心断了自己的现金流。
站在另一边力挺开源的，是以英伟达为代表的算力基础设施厂商。
黄仁勋看得很明白，开源不仅不会缩减算力市场，反而会把蛋糕做得更大。这个判断背后，是经济学里著名的杰文斯悖论。
160 多年前，威廉 · 杰文斯观察到瓦特改良蒸汽机后，单位耗煤量大幅下降，但全英国煤炭总消耗量反而暴涨了十多倍。原因很简单，成本下降让蒸汽机从少数工厂扩散到铁路、航运、采矿等无数行业，整体需求被彻底打开。
同样的逻辑正在 AI 行业重演，花旗与美银的研报都提到，高性能开源模型的普及，不会降低对算力硬件的需求，反而会推高推理侧的消耗。
以 Kimi K3 为例，2.8 万亿参数加上百万级上下文窗口，企业本地部署时需要配置更多高带宽内存来承载权重与 KV 缓存，模型越便宜，用的人越多，场景越广，对 HBM、服务器、高速网络的需求就越大。
对英伟达来说，闭源市场是几个大客户的集中采购，开源市场是成千上万企业的分布式部署。哪边的盘子更厚、更长久，这笔账一目了然。
夹在中间的，是数量庞大的云厂商、应用公司与初创团队。
Meta 全力押注 Llama 开源路线，是不想把 AI 时代的话语权完全交到 OpenAI 手里，通过开源模型绑定全球开发者生态，Meta 才能在模型层守住自己的一席之地。
微软这类云服务商则是两头下注，既做闭源模型的独家托管，也提供全品类开源模型的部署服务，不管用户选哪条路，云资源都是刚需。
而最依赖开源的，是成千上万的中小企业与独立开发者，对他们来说，开源意味着不用被巨头绑定，不用为用不上的能力支付溢价，还能把核心数据留在自己手里。
中国模型革了灯塔国什么命？
中国开源模型的集中爆发，把这场原本缓慢发酵的争论直接推向了白热化，它更像一条鲶鱼，不仅搅动了市场格局，更打破了硅谷 AI 圈延续多年的集体叙事。
过去几年，硅谷一直在给投资人讲同一个故事，大模型研发是资本密集型游戏，只有投入百亿级资金、堆上数万张 GPU，才能做出顶尖模型。高投入形成高壁垒，高壁垒带来垄断利润。
这套叙事支撑着 AI 公司的天价估值，也让堆算力成了行业里不容置疑的政治正确，但中国团队走出了另一条完全不同的路径。
曾走访过月之暗面的美国 AI 研究者内森 · 兰伯特有个判断，中美顶尖模型的能力差距，已经从之前的 6 到 9 个月缩短到 3 至 5 个月。
更值得玩味的是他的另一个观察——中国 AI 实验室的资本效率远高于美国同行，能用少得多的资金，打磨出极具竞争力的模型。这种差异来自路线选择的不同。
美国实验室偏向暴力突破，用海量算力堆出极限能力，拼的是资源厚度；中国团队更偏向工程优化，在算法架构、数据处理、训练策略上做精细化打磨，用有限的算力撬动更高的模型效果。
这条路证明了顶尖 AI 研发并非只有烧钱一种解法，硅谷 AI 公司的投资人会开始反问，如果不用花那么多钱也能做出好模型，那现在的万亿估值，到底有多少是技术壁垒，又有多少是资本堆砌出来的泡沫？
野村首席宏观经济学家苏博文也提到，中国在开源模型推广、电力成本、人才储备以及实体 AI 落地上都具备优势，AI 产业落地速度甚至可能快于美国，相关公司的估值也更为合理。
换句话说，中国模型带来的冲击，远不止市场份额的争夺，它把 AI 研发的真实成本摆到了台面上，让整个行业开始重新审视所谓的技术壁垒，到底有多少是真的技术差距，又有多少是资本包装出来的稀缺性？
封杀令的反噬
眼看着开源浪潮势不可挡，有人开始搬出政策工具，呼吁白宫出手封杀中国开源模型。但这套方案从提出之初，就充满了自相矛盾。喊封杀最响亮的，是少数闭源巨头与部分政客。但反对的声音，来自硅谷的绝大多数参与者。
7 月 22 日，美国小型科技协会联合近 200 家企业发出联名信，明确反对封禁中国 AI 模型。成员里既有 Y Combinator 这类创业孵化器，也有 Proton 这类隐私技术公司，还有大量 AI 基础设施创业公司。
他们的理由非常现实，一旦实施封禁，受伤害的不是中国公司，而是美国本土的创新生态。
AI 基础设施企业 Particle 创始人苏海尔 · 多希直言，封禁会让数百家公司立刻倒闭，所有人都被迫接受闭源厂商的高价服务。
市场数据已经说明了用户的真实选择。
根据 OpenRouter 的统计，7 月中旬的一周里，中国大模型周调用量达到 36.11 万亿 Token，环比增长超过 30%，连续十二周超过美国，全球调用量前五名全部是中国模型。用户在用脚投票，市场已经做出了选择。
这并不是科技行业第一次上演这样的戏码。
几十年前个人软件兴起时，也曾有巨头试图用封闭系统垄断市场，最终被开源 Linux 撕开了口子，云计算时代，同样是开源技术撑起了半壁江山。科技行业的规律从来都是开放最终会战胜封闭，普及最终会取代垄断。
试图用行政壁垒保护少数公司的商业利益，最终牺牲的是整个国家的产业竞争力。
结语
在技术突破的早期阶段，少数巨头集中资源攻坚，闭源模式有其合理性。但随着技术逐步成熟，产业重心从前沿探索转向落地普及，开源的价值就会越来越凸显。它能降低创新门槛，激活更多应用场景，让技术红利流向更多参与者，而不是集中在少数几家公司手里。
中国开源模型的崛起，加速了这个进程。
未来，闭源模型依然会站在技术最前沿，探索能力边界；开源模型会占据绝大多数落地场景，成为产业基础设施。试图靠封锁维持垄断、靠话术阻挡趋势的努力，最终都只会是徒劳。
硅谷撕裂的终点，一定是更开放、更普及、更多元的 AI 产业格局。
