中国工业报记者 耿鹏飞

11月3日，2026年世界互联网大会乌镇峰会开幕，人工智能再度成为全场焦点。阿里巴巴集团联合创始人、董事会主席蔡崇信在开幕式上，为中国开源模型亮出一份“成绩单”：三年来，阿里千问已开源超过470款模型，全球累计下载量突破40亿次，衍生模型超过33万个，稳居全球第一开源模型家族。

从开源代码至模型到应用生态，开源带动产业落地（图为AI生成）

“AI只有开源才能普及，只有普及才能创造可持续、普惠的智能时代。”蔡崇信说，中国开源模型下载量、衍生模型数等关键指标保持领先，已成为当前全球开源智能的引领者。

紧接着，11月4日，腾讯混元发布最新一代大语言模型Hy4。据介绍，Hy4显著扩展了预训练和后训练规模，首次引入了视觉能力。腾讯方面表示，这是Hy首次跻身最强开源模型之列。

阿里和腾讯的大模型开源选择，更能反应出一个产业的整体方向。当中国大模型集体转向开源、从“跟跑者”变成全球开源智能的“引领者”，这条路究竟是怎么走通的？它又将把全球AI的产业分工、价值分配带向何方？

开源是中国AI换来的生态位

先看数据。全球最大的AI开源社区Hugging Face发布的报告显示，过去一年，中国研发的开源模型占该平台总下载量的41%（注：该统计口径为Hugging Face平台，不含私有化部署与国内魔搭社区等渠道），中国已成为全球开源大模型供给最活跃、增长最快的国家；国内多家厂商开源模型在全球主流开源社区的累计下载量，也已突破100亿次。中国信息通信研究院《大模型词元服务性能监测报告（2026年）》显示，在调研的22个国内外主流平台中，DeepSeek、千问、GLM系列模型上线率均达到100%，国产开源模型已成各平台的主力模型。

2026年以来，我国大模型开源步伐明显加快，多家头部企业相继开放主力模型：7月底，月之暗面将总参数达2.8万亿的Kimi K3全量开源，成为全球参数规模最大的开源大模型；DeepSeek-V4系列持续迭代，把百万字超长上下文带进开源领域；阿里千问则沿着“全尺寸、全模态”路线持续上新。

为什么是中国率先站上这个位置？北京智源人工智能研究院副院长叶启威向中工业报分析称，开源与闭源的选择，与其说是技术路线之争，不如说是经济选择：“开源的选择是客户优先，先帮助下游使用者探索AI的落地路线；闭源则更关注AI本身的成长。更底层的原因，是开源模型更多处于‘跟跑者’的姿态，因此需要开源来占据生态位。”

这句话点破了中国开源热背后的务实逻辑。当能力尚有差距时，开源是后发者换取生态位最有效的方式；而一旦开源模型在某些维度追平甚至领先，开源的性质就悄然改变——从“追赶工具”变成“标准制定工具”。今天，中国模型正处在后一个阶段的门口。

IDC中国研究经理程荫向中国工业报提供了一组更贴近采购端的观察：在IDC跟踪的企业采购数据中，开源与闭源的场景分化已经相当清晰——中低复杂度、标准化、高吞吐的场景里，开源权重模型加上vLLM等推理框架持续降本，批量调用与非核心调用中的Token占比快速抬升，相关预算正从闭源外流；而前沿复杂推理、高风险决策、强合规责任、企业级工作流，仍是闭源守住溢价的底盘。

这不是一场简单的替代。程荫判断，长期看，如果开源补齐前沿推理、Agent规划、合规审计与责任背书的能力，分层的边界会继续向上移；但只要高风险场景仍然要求“单一责任主体、全链路对齐、强SLA”，闭源就有继续存在的理由。整体格局是分层共存、局部挤压。

从亚太中小企业的视角，亚洲数字经济科学院院长陈柏珲向中国工业报分享了开源的另一重价值。印尼GoTo与AI Singapore曾基于SEA-LION，利用印尼语、爪哇语和巽他语语料，共同开发了Sahabat-AI的一个版本。“谁熟悉当地人的表达，谁就有机会参与模型开发，决定它应该服务哪些人、解决哪些问题。”在陈柏珲看来，闭源服务让模型提供商通过持续收费分享下游业务增长带来的收益，开源则给本地开发者留下更多凭语言能力、行业知识和实施服务获得收入的空间。

争的是产业主导权与价值分配

开源与闭源的博弈，常被拿来类比操作系统时代Linux与Windows、安卓与iOS的竞争。但两位专家提醒，大模型之争，比操作系统之争更复杂、也更深远。

操作系统时代留下了一个值得记住的经验。叶启威指出，手机厂商可以使用和修改安卓的底层代码，但要预装Google Play，仍须另行取得许可——底层技术开放到什么程度，和谁掌握通往用户的渠道，是两个不同的问题。

大模型时代则多了一层变化。一部手机通常只运行一个主操作系统，一项AI服务却可以同时调用多个模型。“一家跨境电商平台可以让一个模型翻译商品说明，让另一个分析售后纠纷。用户看到的是同一个助手，背后的模型却可以更换。”陈柏珲说，这意味着，掌握客户入口、决定哪项任务交给哪个模型的企业，也会获得议价权。

在大模型这里，垄断的形状也在变。程荫分析，传统操作系统生态往往趋向“少数平台与硬件深度绑定”的高度集中垄断格局，而大模型生态更大概率呈现分层竞争特征：通用能力层充分角逐、价格持续收敛；推理与托管层逐步演变为云基础设施赛道；垂直行业、企业业务流、智能体编排及治理平台，则形成局部锁定效应。

换言之，垄断不再表现为“单一系统统摄全部硬件”。程荫认为，其核心已转向：掌握资产与工作流编排标准的主体，将获得定价权与客户锁定能力。迁移成本也随之变形——过去换平台意味着“更换硬件与操作系统”，如今换供应商则是替换模型、迁移资产池、重构智能工作流的复合型成本。

更深远的变化在交易环节。过去，应用商店决定用户能看见哪些软件；今后，如果一家企业把采购询价交给AI助手，助手默认找哪几家供应商、按什么条件排序，就可能直接影响一笔订单落到谁手里。陈柏珲的判断是，全球产业主导权将分布在几个环节：训练模型的企业掌握技术，提供算力的企业收取运行费用，而掌握助手和交易渠道的企业，还有机会影响需求流向——即使模型本身越来越便宜，后两者仍可能取得相当大的收益。

他同时提醒，下载模型只是第一步，运行、评测和维护都要花钱；如果这些能力仍集中在少数云平台，模型即便开放了，利润也可能继续向算力提供者集中。对亚太地区而言，产业升级的机会，正在于让更多企业从“购买现成服务”，走到“能够开发产品、服务自己的客户”。

两套模式的账，都还没有算清。程荫提醒，衡量开闭源的经济性不能只盯Token单价，更要看“单位成功任务成本”：单次调用便宜，不代表一件事办成的总成本低，眼下开源与闭源各具优劣势。开源侧，大量技术供应商会卡在“毛利薄、持续性弱”——托管、微调服务能带来流水，却难以支撑长期投入；闭源侧，前沿模型则面临价格战击穿成本线、厂商锁定引起客户抵触、数据所有权界定模糊等风险。若以“高可持续、高毛利现金流”为标尺，两种模式都要在各自的短板上下更大力气。

对世界而言，大模型是基建产品。叶启威的立场更鲜明：“排除地缘政治的影响，AI不应该被私有化，更应该作为全球化的普惠工具和基建进行推广。”但他也坦言，在AI真正成为普惠基建的终局来临之前，因为面临海量的投入和研发成本，各方对开闭源的保护状态也会不同；在可见的未来，闭源模型大概率会出现一个寡头，开源模型则会呈现更丰富、更多元的格局。

对亚太多元经济体共存的现实而言，开源与闭源并行，决定了它必须同时回答“产业红利释放”与“产业自主空间”两个问题。陈柏珲给出的思路是：既要让企业今天用得起开源红利，也要让它明天有能力带着自己的数据，换一个模型继续营业。

普惠“最后一公里”卡在落地与治理

开源的红利，最终要落到实体经济与中小企业身上。蔡崇信在乌镇峰会上点出开源对中小企业和发展中国家的特殊价值——它有效降低了中小企业的研发成本。叶启威则从产业链视角表示：开源路线更能帮助下游企业进行私有化部署，让AI成为普惠行业的工具；而闭源模型最大的结构性挑战，是无法有效获取下游数据，从而难以解决下游的大部分问题。

换句话说，开源天然离场景更近。但下载只是第一步，从模型到生产力，中间隔着运行、评测、维护，也隔着治理与合规。

陈柏珲用一个很实际的问题检验产业自主性：“如果供应商明天涨价或停服，企业能不能带着自己的业务数据，换一个模型继续营业？”他建议，政府和大型企业可以从采购做起，把数据导出、停服过渡期写进合同；对关键业务，还应在上线前实际换一次模型，看看要花多少钱、会中断多久——一次演练，比合同里一句‘支持迁移’更能说明问题。

治理则要落到能力与用途的匹配上。商家用AI翻译商品说明，与银行用AI辅助决定是否向小企业放贷，出错的后果差别很大——前者应当让商家低成本试用，后者则应保留决策记录、允许申请人要求人工复核。对于易被滥用、权重公开后又难以收回的模型，开发者应在发布前测试风险，必要时分阶段开放；闭源服务商同样应提供可核验的评测结果，并在重大版本变更前通知客户。

在科研侧，叶启威看到的是更深一层的短板。他指出，目前首先要解决的是数据的标准化、高质量化、AI-Ready化问题。以生物数据为例，最大风险在于如何有效使用和保护临床数据；在AI for Science领域，大量和数字精度相关的场景仍缺乏高效、高质量的大模型方案。此外，如何构建有效的评测指标和分级规范、如何保障模型与物理世界的一致性，都是尚待攻克的课题。

国际合作同样可以往前走。陈柏珲建议，东盟的生成式人工智能治理指南已经把问责、测试和事件报告列为合作方向，各方可以在此基础上共建多语种测试集，让一家印尼或泰国的小企业也能用自己的语言比较模型、再决定哪一种值得买；公共投入也可以支持共享算力和本地技术培训。对发展中经济体而言，AI的红利要落到实处，既要让小企业今天用得起，也要让它明天有能力改进产品、选择合作伙伴，并从自己创造的价值中获得收益。

对科研机构在开源生态中的角色，叶启威的定位很清晰：要么帮助模型进一步快速迭代，要么把制造AI的成本再进一步降低。这也正是智源持续推进FlagOpen全栈开源体系、在科学计算模型与生命科学上持续探索的出发点。

从一家企业的成绩单，到一个产业的集体转身——中国开源大模型正站上全球“引领者”的位置。但引领从来不是终点。当开源从“追赶工具”走向“标准制定工具”，中国面临的下一个命题，是如何让开源红利真正穿透产业的毛细血管，让每一家中小企业既用得起今天，也能改进产品、选择伙伴、分享价值、走向明天。

正如蔡崇信所说，AI只有开源才能普及，只有普及才能创造可持续、普惠的智能时代。这条路，中国已经走在了前面；而它通向的“普惠智能时代”，才刚刚开启。