作者｜塔猴，编辑｜小塔，文 | 熊鑫

" 过去一两年中，中国在开源权重模型的发布方面已经远远领先于美国。"

2025 年初，在 Masters of Scale 峰会上，AI 泰斗吴恩达（Andrew Ng）面对美国前首席数据科学家 DJ Patil，抛出了这一极具冲击力的判断。作为 Google Brain 的发起人，吴恩达的言论向来被视为技术风向的锚定点。而这一次，他的观察揭示了一个硅谷不愿承认的现实：旨在遏制中国 AI 发展的技术封锁，反而倒逼出了一条效率极高的 " 第二增长曲线 "。

数据正在验证这一趋势。根据沙利文与斯坦福大学 HAI 研究院的最新报告，2024 年中国大模型市场规模突破 200 亿元，复合增长率超 40%。更具战略意义的是，中国开源模型的全球下载量占比已达 17.1%，正式反超美国的 15.8%。

这不仅仅是市场份额的更替，更是一场关于 AI 底层生态主导权的代际博弈。

从 " 跟随 " 到 " 基建输出 "

如果将时间轴拉回 2023 年，彼时的中国 AI 尚处于 " 百模大战 " 的混乱期，外界普遍质疑其在高端算力受限下的生存能力。然而，仅仅两年时间，格局已变。

这股被称为 " 中国风暴 " 的力量，由阿里 Qwen、DeepSeek、智谱 GLM 及月之暗面 Kimi 等四大军团领衔。它们不再满足于国内存量市场的内卷，而是开始向全球开发者输出 "AI 基建 "。Vercel、Fireworks 等海外主流开发平台第一时间接入 GLM-4.7 等中国模型，甚至将其形容为 " 了不起的假期礼物 "。

值得注意的是：

这种输出并非依靠补贴或低价，而是基于纯粹的技术性能。斯坦福报告《超越 DeepSeek》中用 " 不可回避 " 来形容这一现象——从 2024 年底到 2025 年，中国开源模型在特定领域的全球使用量从 1.2% 激增至近 30%。

这标志着中国 AI 已完成从 " 应用层模仿 " 到 " 底层基座输出 " 的关键跃迁。

算力 " 窒息 " 逼出的效率革命

为什么资源受限反而催生了领先？这背后是商业逻辑中经典的 **" 资源诅咒 " 悖论 **。

美国巨头坐拥顶级 GPU 资源，倾向于通过堆砌算力来换取性能（Scaling Law 的暴力美学）。而中国企业在算力 " 红线 " 的压迫下，被迫在算法效率上寻找突破口。

吴恩达指出的 " 效率革命 "，其核心在于架构创新。以 DeepSeek 为代表的中国力量，激进地采用了混合专家（MoE）架构，将单次推理成本压缩至美国同类模型的数分之一。这种 " 被逼出来 " 的极致性价比，恰恰击中了全球开发者的痛点。

在商业层面，这意味着中国模型在Token 经济学上建立了深厚的护城河。当竞争对手还在比拼参数规模时，中国模型已经率先实现了 " 性能与成本的最优解 "。

打破 " 双寡头 " 的生态诅咒

吴恩达的担忧不仅在于技术，更在于生态。他警告称，AI 绝不能重演移动互联网时代的悲剧。

回顾过去十年，iOS 和 Android 构建的 " 双寡头 " 格局，虽然统一了标准，但也成为了创新的守门人。任何应用要想触达用户，都必须缴纳 " 过路费 "。目前的 AI 格局正面临同样的风险：

美国模式（围墙花园）： OpenAI 和 Google 坚持闭源，试图通过 API 构建封闭的商业闭环，将最先进的模型视为核心专有资产。

中国模式（开源联盟）： 中国企业选择了 Apache 2.0 协议的极度开放路径。DeepSeek 和 Qwen 不仅公开权重，更允许商用。

这是一场封闭与开放的路线之争。中国开源力量的崛起，本质上是在打破硅谷巨头的垄断预期。通过构建广泛的开发者联盟，中国正在成为全球 AI 生态多样性的关键变量，规避了技术世界的 " 生态僵化 "。

从 " 提示词工程 " 到 " 智能架构师 "

跳出地缘博弈，吴恩达将视线投向了更长远的行业终局：我们该如何使用这些日益强大的模型？

目前市场存在巨大的认知温差。虽然模型性能在飙升，但 99% 的企业和个人仍停留在 " 线性生成 " 的初级阶段——即期待 AI 像自动贩卖机一样，投币后直接吐出完美结果。

吴恩达指出，未来的决胜点在于Agentic Workflow（智能工作流）。

线性思维： 追求一个 90 分的模型，一次性输出结果。

迭代思维： 使用一个 80 分的模型（如低成本的中国开源模型），嵌入 " 大纲 - 研究 - 初稿 - 修改 " 的 Agentic 流程。

实验证明，后者的表现往往优于前者。

这意味着，未来的核心竞争力将从 " 拥有最强模型 " 转移到 " 构建最强工作流 "。

在这一终局下，编程不会消失，但会异化。职场将迅速分化为两类人：被动的工具使用者，和主动的 **" 逻辑架构师 "**。后者懂得鉴别工具（Tool Selection），知道何时调用擅长推理的闭源模型，何时调用低成本的开源模型进行批量处理。

身处中国，我们拥有独特的主场优势：高性能、低成本的本土开源模型触手可及。谁能率先将这些 " 中国芯 " 融入自动化的业务流，谁就能在算力成本和响应速度上建立起个人的职业壁垒。

这不只是一场技术的突围，更是一次认知的洗牌。