本文来自微信公众号：王智远，作者：王智远，原文标题：《三年跃迁中国 AI 凭什么逆袭美国？》，头图来自：AI 生成
Artificial Analysis 是一家做 AI 能力测评的权威机构。
帮助工程师和企业精准把握 AI 的能力，从而做出战略决策。它的方法是：用大量数据说话，做系统性分析。
2025 年 6 月中期，它们发布了一份：《2025 年第二季度中国 AI 亮点报告》。
这份报告盘点中国 AI 在全球的位置，顺便对比一下，中美在语言模型这块到底谁强一点。
一
先看一些具体数据和案例。自从 2022 年 ChatGPT 发布后，中美 AI 之间的差距一度显得很大，但到了 2025 年 5 月，这个差距已经缩小到不足三个月了。
这意味着，中国的 AI 实验室和企业在这些年里取得了巨大的进步。
DeepSeek R1（2025 年 5 月）在 Artificial Analysis Intelligence Index 中评分 68 分；阿里巴巴的 Qwen3 235B A22B 评分 47 分。
相比之下：OpenAI 的 o3 也是 68 分；Gemini 2.5 Pro 则是 67 分，你看，中美两国在这方面的差距已经非常小了。
中国是如何实现这一跨越的呢？简单来说：技术性能提升和战略上的突破。
拿 DeepSeek 的 R1 模型来说，通过强化学习（RL）优化，在推理能力上有了显著提升；这款模型在 2025 年 5 月发布时，已经是全球最智能的开源模型之一。
它不仅有 671B 的参数规模，其中活跃参数为 37B，还在多个评测标准中表现出色，比如 MMLU-Pro、GPQA Diamond 等。
再看看战略上的突破。
中国头部实验室普遍采用了开放权重策略，即公开旗舰模型的权重，加速技术共享和扩散。这种做法和美国头部公司的闭源策略形成了鲜明对比。
举个例子：
阿里巴巴发布的 QwQ 32B Preview 在 2024 年 11 月首次超越了 Meta 的 Llama 3.1 405B，成为当时最智能的开源模型。这种开放的态度不仅促进了技术的进步，也吸引了全球开发者的关注和参与；不仅如此，中国企业还在不断探索新的应用场景和技术路径。
所以，中美前沿语言模型差距的缩小，首先靠技术创新；但除了技术上的突破，真正让中国 AI 走得更远、更快的，其实是一张"战略底牌"：开放权重。
什么是开放权重？
有些公司把最厉害的模型藏得严严实实，生怕别人知道；另一些公司，反其道而行之，不仅公开模型，还把它的"大脑"都亮出来给大家看。
听起来是不是有点不可思议？毕竟模型是花了大价钱、大量时间才训练出来的，直接公开出去，不怕被别人拿去用了吗？
但中国很多 AI 实验室和企业，偏偏选了这条路。为什么？因为他们发现了一件事：闭门造车，不如开门迎客。
二
这种"开放"的做法，有三点好处。一，它大大降低了技术门槛。
你想做 AI 开发？没问题。直接下载一个已经训练好的模型，在它的基础上做优化、调整、甚至二次创新；就像搭积木一样，别人已经搭好了地基，你只需要往上加砖就行。
第二，能加速技术扩散。
一个模型一旦开源，全球的开发者都能参与进来，提建议、改代码、开发新应用，这样一来，模型本身的迭代速度就会变得非常快。
最关键的一点是：它构建了一个生态。谁用得好，谁就能在这个平台上创造价值。反过来又能推动模型本身的发展。
中国 AI 圈对"开放权重"这件事，可谓玩明白了。
字节跳动的 Seedream 3.0（2024 年 12 月），作为图像生成领域的开源模型，不仅在国内被广泛采用，还吸引了大量海外开发者参与二次开发。
腾讯的 Hunyuan 2.0（2025 年 4 月），在自然语言处理领域，其权重完全公开后，成为国内企业定制化服务的首选模型。
除此之外，像阿里巴巴、华为这些头部机构，过去一年里也都陆续推出了自己的旗舰开源模型，而且是连权重一起公开的那种。
这些动作不是偶然，而是中国 AI 界的一种共识：开放不是放弃控制，而是赢得影响力的方式。
然而这一切，和美国比，差距到底在哪呢？
目前，像 OpenAI、Anthropic、Google 这样的公司，依然坚持一种叫做"闭源"的策略。他们虽然会发布一些 API 接口或者模型推理能力，但核心的模型权重是不对外公开的。
这背后当然有商业上的考量，比如保护知识产权、维持竞争优势、防止模型被滥用等等。
但从另一个角度看，也意味着他们的模型只能由内部团队或授权用户优化，外部开发者很难真正参与进去。
这就像是一场"技术民主化"的实验；谁掌握的开发者越多，谁未来的影响力就越强。
这样做有没有风险？当然有。
首先是商业模式问题。如果模型完全开源，靠什么赚钱？过去"卖模型"、"收许可费"的方式显然就不适用了。
所以，现在国内也在探索新的模式，比如提供高级技术支持、定制化服务、商业化插件等，来弥补开源带来的收入缺口。
其二，是安全风险。模型一旦开放出去，就很难控制它的使用边界。有人拿它来做虚假内容生成、恶意攻击，甚至是自动化诈骗，那就麻烦了。
不过话说回来，这些问题不是中国独有的，是整个行业都要面对的新挑战，关键在于如何建立合理的监管机制和伦理规范。
所以你看，中国"开放权重"，更像一种战略思维；它通过降低门槛、加速扩散、构建生态，让 AI 技术变成了更多人可以参与、可以受益的基础设施。
而这，也正是中国 AI 能够在短短几年内实现快速追赶，并在某些领域实现反超的重要原因之一。
三
靠技术创新、开放权重能快速追赶美国，但问题来了：技术怎么变成产品？谁在推动这些模型真正落地、被大家用起来？
答案藏在中国 AI 的"企业生态"里。
这是一群公司在各自擅长的位置上发力，形成了一个协同作战的生态体系；有点像一支球队，有人负责组织进攻，有人负责防守反击，还有人随时准备替补上场。中国的 AI 产业就是这么来的。
先说第一类角色：大科技公司，比如阿里巴巴、腾讯、华为、百度。
它们在生态中扮演什么角色呢？简单讲，搭平台、给算力、做底层模型，你可以把它们看作是 AI 时代的"基建队"。
这些大公司打造一个开放、共享、可扩展的技术平台，让更多人能参与进来。
再来看第二类角色：AI 初创企业。这类公司数量越来越多，它们有一个共同点：不求全面，但求极致。
Moonshot AI 专注于长文本处理，它的 Kimi 模型支持超长上下文，适合做文档分析、法律辅助等任务；MiniMax 主打轻量级模型，追求在手机、边缘设备上的高效运行，更适合中小企业使用。
这些初创企业的存在，让整个 AI 生态更加多元。它们不像大公司那样什么都做，而在一个方向上深挖到底，反而更容易做出特色和竞争力。
第三类角色最容易忽视，但也最接地气：跨界玩家。
什么叫跨界？原本不是做 AI 出身的公司，现在也开始把 AI 当成核心能力来用。
小米以前主要做手机和智能家居，现在它也推出了自己的 AI 模型 MiMo-7B；百度作为搜索起家的公司，也在不断迭代它的文心一言；360 更直接推出了"智脑"产品矩阵。
这类公司优势在于：有用户基础、有应用场景、有落地经验。它们不需要从头开始造轮子，而把 AI 当作一种"增强剂"，加到已有的产品和服务里，就能产生实际价值。
所以你看，这三类角色各有分工：
大公司提供底层模型和平台支持；初创企业专注模型创新和技术突破；跨界玩家负责快速落地和商业变现。
如此一来，变成一个多方共建、人人可用的技术平台。
中国 AI 发展，靠这样一个多层次、多角色、协同运作的企业生态；正是生态，让中国在面对像美国这样拥有强大技术基础的对手时，依然能够走出一条属于自己的路。
四
这条路最终会通向哪里？中美之间 AI 竞争，走向合作，还是彻底走向对抗？
AI 要真正走进我们的生活，不只是能聊天、写文章那么简单；它还得看得懂图片、听得懂语音，甚至能生成视频。这才是我们想要的"智能体验"。
换句话说，未来 AI 必须是"多模态"的，它得能理解文字、图像、声音、动作等多种信息，并且能在这些模式之间自由切换。
所以，要看中国多模态能力，能不能跟美国掰手腕？
语言模型，这方面中美较量，从历史数据来看，差距已经非常小了，可以说在同一水平线上。
图像生成领域是老外玩得比较早的方向，Midjourney 和 Stable Diffusion 这两个名字，在设计师圈子里几乎是无人不知。
不过这几年，中国模型也慢慢追了上来。
字节跳动推出的 Seedream 3.0，在 2024 年底发布后迅速走红。它的图像质量、细节还原度，已经可以媲美 Midjourney V6。ELO 值达到了 1111，离 V6 的 1150 只差一点点。
阿里巴巴的 Seedream 系列也在不断迭代更新。
这意味着什么？中国在这个领域和美国站在了同一条起跑线上，谁做得更好，就看谁能更快地满足用户需求、落地到实际产品中。
最难的一块：视频生成。
如果说图像生成是"比拼细节"，那视频生成就是"综合能力大考"。
为什么说它最难？因为它不仅要处理每一帧的画面内容，还要保证帧与帧之间的连贯性、动作的流畅性，甚至要考虑音画同步、镜头运动等因素。
目前，这个领域的领先者是 Google。他们推出的 Veo 3 模型，ELO 值高达 1247，可以说是当前最强的视频生成模型之一。
但它也不是无敌的。
中国快手推出的 Kling 2.0，阿里也发布了 Wan 2.1 版本；它们的 ELO 值分别达到了 1053 和 1039，虽然还比不上 Veo 3，但已经具备了不错的视频生成能力，尤其在短视频、广告创意等场景中表现突出。
更重要的是，这些模型都基于中国本土应用需求开发的，对中文提示、本地化场景的支持更强。
看到这儿，你可能会问：那中国是不是在全面发力多模态呢？没错，而且是集中力量打组合拳。
大科技公司已经开始把语言、图像、视频能力整合进同一个平台。
这种做法的好处很明显：不再让每个模态孤军作战，而是让它们协同起来，形成完整的 AI 能力体系。
因此，中国 AI 发展已经是系统性布局。这场竞赛还没有结束。从目前的表现来看，中国已经正在成为全球 AI 多模态创新的重要参与者。
五
走得再快，方向对吗？中美之间这场关于未来的 AI 竞争，影响力早已超越技术本身，牵动着政策、产业、安全、伦理等多个层面。
事实上，在很多方面，双方都有合作基础和必要性。
AI 是高度依赖开放与协作的技术领域，如果完全切断交流，不仅会影响创新速度，还可能导致资源浪费、重复造轮子。
具体来说，哪些方面可以合作呢？有三点。
一，基础研究需要共享与互通。虽然现在有些限制，但在基础模型、算法优化、评估方法等方向上，仍然有很多全球协作的空间。
比如，像 Transformer 架构、扩散模型这些关键技术，最初都是由多个国家的研究者共同推动的。这种开放精神如果还能延续，就能为 AI 发展提供更多可能性。
二，行业标准需要共建。
模型评估标准、伦理规范、安全机制……这些都要全球共识；目前已经有多个国际组织在推动 AI 治理框架建设，包括联合国教科文组织、IEEE、OECD 等。中美作为两大 AI 强国，其实都参与其中。
虽然节奏不同、立场有别，但至少说明一点：大家都意识到，AI 需要规则，而规则需要共同制定。
三，商业利益驱动合作。政府层面有时会限制出口和技术转让，但企业之间的合作动力一直存在。
比如，一些中国企业希望使用英伟达的芯片做训练，而美国企业也希望进入中国市场。这种相互依赖的关系，客观上也为合作提供了空间。
当然，我们也必须正视现实：中美 AI 竞争中确实存在明显的对抗趋势。
美国已经明确将 AI 列为"战略技术"，并对中国实施出口管制，比如禁止向中国出售高端 GPU 芯片。
中国也在加大自主研发力度，比如推出华为昇腾、寒武纪、壁仞等国产算力平台，试图减少对外依赖。这种"脱钩"趋势一旦加深，就可能演变成两个平行的技术体系。
不只是技术本身，AI 的应用场景也开始被政治化。美国担心中国用 AI 进行"信息操控"；中国则认为西方在打压中国企业的全球扩张。
两国对 AI 的理解和治理理念也完全不同：美国强调自由创新、市场主导；中国更注重可控发展、社会影响。这种差异导致两国在 AI 治理理念上很难统一。
比如：数据隐私保护方式不同、对 AI 风险的认知不同、政策执行机制也不一样。长此以往，可能会形成两套不同的" AI 文明"。
那最终会走向哪里？既不会彻底合作，也不会全面对抗；更有可能出现一种"有限合作 + 局部脱钩"的状态。
类似于，在一些基础研究、学术交流、行业标准等领域保持合作、在核心技术和国家安全相关领域加强管控、在商业市场中，既有竞争也有互补。
换句话说，中美 AI 关系，将会是"斗而不破"的状态。这像下围棋，每一手都要权衡利弊。既要守住自己的阵地，又要给对手留下一点空间。
AI 未来，不取决于哪一方更强，而取决于能不能找到一个"共存"的平衡点。
参考：
[ 1 ] 《2025 年第二季度中国 AI 亮点报告》Artificial Analysis，2025 年 6 月，https://artificialanalysis.ai/downloads/china-report/2025/Artificial-Analysis-State-of-AI-China-Q2-2025-Highlights.pdf
本文来自微信公众号：王智远，作者：王智远
长线配资炒股,股票配资开户网站,正规配资炒股网提示：文章来自网络，不代表本站观点。
沪深京指数
热点资讯
