中国 AI 之所以能够逆袭美国，主要有以下几方面原因。首先，中国拥有庞大的人口基数和丰富的数据资源，为 AI 技术的发展提供了肥沃土壤，能让模型训练更充分。其次，中国在 5G 等通信技术领域的领先优势，为 AI 的快速发展和应用提供了坚实的网络支撑，使得数据传输和处理更高效。再者，中国政府高度重视 AI 产业，出台了一系列鼓励政策，引导企业加大研发投入，促进了产业的快速发展。同时，中国企业积极探索创新，在一些领域如人脸识别、智能家居等已经走在世界前列，展现出强大的竞争力，从而实现了对美国的逆袭。

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。

举个例子：

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