Artificial Analysis 是一家做 AI 能力測評的權威機構。
幫助工程師和企業精準把握 AI 的能力，從而做出戰略決策。它的方法是：用大量數據說話，做系統性分析。
2025 年 6 月中期，它們發布了一份：《2025 年第二季度中國 AI 亮點報告》。
這份報告盤點中國 AI 在全球的位置，順便對比一下，中美在語言模型這塊到底誰強一點。
一
先看一些具體數據和案例。自從 2022 年 ChatGPT 發布后，中美 AI 之間的差距一度顯得很大，但到了 2025 年 5 月，這個差距已經縮小到不足三個月了。
這意味著，中國的 AI 實驗室和企業在這些年里取得了巨大的進步。
DeepSeek R1（2025 年 5 月）在 Artificial Analysis Intelligence Index 中評分 68 分；阿里巴巴的 Qwen3 235B A22B 評分 47 分。
相比之下：OpenAI 的 o3 也是 68 分；Gemini 2.5 Pro 則是 67 分，你看，中美兩國在這方面的差距已經非常小了。
中國是如何實現這一跨越的呢？簡單來說：技術性能提升和戰略上的突破。
拿 DeepSeek 的 R1 模型來說，通過強化學習（RL）優化，在推理能力上有了顯著提升；這款模型在 2025 年 5 月發布時，已經是全球最智能的開源模型之一。
它不僅有 671B 的參數規模，其中活躍參數為 37B，還在多個評測標準中表現出色，比如 MMLU-Pro、GPQA Diamond 等。
再看看戰略上的突破。
中國頭部實驗室普遍采用了開放權重策略，即公開旗艦模型的權重，加速技術共享和擴散。這種做法和美國頭部公司的閉源策略形成了鮮明對比。
舉個例子：
阿里巴巴發布的 QwQ 32B Preview 在 2024 年 11 月首次超越了 Meta 的 Llama 3.1 405B，成為當時最智能的開源模型。這種開放的態度不僅促進了技術的進步，也吸引了全球開發者的關注和參與；不僅如此，中國企業還在不斷探索新的應用場景和技術路徑。
所以，中美前沿語言模型差距的縮小，首先靠技術創新；但除了技術上的突破，真正讓中國 AI 走得更遠、更快的，其實是一張 " 戰略底牌 "：開放權重。
什么是開放權重？
有些公司把最厲害的模型藏得嚴嚴實實，生怕別人知道；另一些公司，反其道而行之，不僅公開模型，還把它的 " 大腦 " 都亮出來給大家看。
聽起來是不是有點不可思議？畢竟模型是花了大價錢、大量時間才訓練出來的，直接公開出去，不怕被別人拿去用了嗎？
但中國很多 AI 實驗室和企業，偏偏選了這條路。為什么？因為他們發現了一件事：閉門造車，不如開門迎客。
二
這種 " 開放 " 的做法，有三點好處。一，它大大降低了技術門檻。
你想做 AI 開發？沒問題。直接下載一個已經訓練好的模型，在它的基礎上做優化、調整、甚至二次創新；就像搭積木一樣，別人已經搭好了地基，你只需要往上加磚就行。
第二，能加速技術擴散。
一個模型一旦開源，全球的開發者都能參與進來，提建議、改代碼、開發新應用，這樣一來，模型本身的迭代速度就會變得非常快。
最關鍵的一點是：它構建了一個生態。誰用得好，誰就能在這個平臺上創造價值。反過來又能推動模型本身的發展。
中國 AI 圈對 " 開放權重 " 這件事，可謂玩明白了。
字節跳動的 Seedream 3.0（2024 年 12 月），作為圖像生成領域的開源模型，不僅在國內被廣泛采用，還吸引了大量海外開發者參與二次開發。
騰訊的 Hunyuan 2.0（2025 年 4 月），在自然語言處理領域，其權重完全公開后，成為國內企業定制化服務的首選模型。
除此之外，像阿里巴巴、華為這些頭部機構，過去一年里也都陸續推出了自己的旗艦開源模型，而且是連權重一起公開的那種。
這些動作不是偶然，而是中國 AI 界的一種共識：開放不是放棄控制，而是贏得影響力的方式。
然而這一切，和美國比，差距到底在哪呢？
目前，像 OpenAI、Anthropic、Google 這樣的公司，依然堅持一種叫做 " 閉源 " 的策略。他們雖然會發布一些 API 接口或者模型推理能力，但核心的模型權重是不對外公開的。
這背后當然有商業上的考量，比如保護知識產權、維持競爭優勢、防止模型被濫用等等。
但從另一個角度看，也意味著他們的模型只能由內部團隊或授權用戶優化，外部開發者很難真正參與進去。
這就像是一場 " 技術民主化 " 的實驗；誰掌握的開發者越多，誰未來的影響力就越強。
這樣做有沒有風險？當然有。
首先是商業模式問題。如果模型完全開源，靠什么賺錢？過去 " 賣模型 "、" 收許可費 " 的方式顯然就不適用了。
所以，現在國內也在探索新的模式，比如提供高級技術支持、定制化服務、商業化插件等，來彌補開源帶來的收入缺口。
其二，是安全風險。模型一旦開放出去，就很難控制它的使用邊界。有人拿它來做虛假內容生成、惡意攻擊，甚至是自動化詐騙，那就麻煩了。
不過話說回來，這些問題不是中國獨有的，是整個行業都要面對的新挑戰，關鍵在于如何建立合理的監管機制和倫理規范。
所以你看，中國 " 開放權重 "，更像一種戰略思維；它通過降低門檻、加速擴散、構建生態，讓 AI 技術變成了更多人可以參與、可以受益的基礎設施。
而這，也正是中國 AI 能夠在短短幾年內實現快速追趕，并在某些領域實現反超的重要原因之一。
三
靠技術創新、開放權重能快速追趕美國，但問題來了：技術怎么變成產品？誰在推動這些模型真正落地、被大家用起來？
答案藏在中國 AI 的 " 企業生態 " 里。
這是一群公司在各自擅長的位置上發力，形成了一個協同作戰的生態體系；有點像一支球隊，有人負責組織進攻，有人負責防守反擊，還有人隨時準備替補上場。中國的 AI 產業就是這么來的。
先說第一類角色：大科技公司，比如阿里巴巴、騰訊、華為、百度。
它們在生態中扮演什么角色呢？簡單講，搭平臺、給算力、做底層模型，你可以把它們看作是 AI 時代的 " 基建隊 "。
這些大公司打造一個開放、共享、可擴展的技術平臺，讓更多人能參與進來。
再來看第二類角色：AI 初創企業。這類公司數量越來越多，它們有一個共同點：不求全面，但求極致。
Moonshot AI 專注于長文本處理，它的 Kimi 模型支持超長上下文，適合做文檔分析、法律輔助等任務；MiniMax 主打輕量級模型，追求在手機、邊緣設備上的高效運行，更適合中小企業使用。
這些初創企業的存在，讓整個 AI 生態更加多元。它們不像大公司那樣什么都做，而在一個方向上深挖到底，反而更容易做出特色和競爭力。
第三類角色最容易忽視，但也最接地氣：跨界玩家。
什么叫跨界？原本不是做 AI 出身的公司，現在也開始把 AI 當成核心能力來用。
小米以前主要做手機和智能家居，現在它也推出了自己的 AI 模型 MiMo-7B；百度作為搜索起家的公司，也在不斷迭代它的文心一言；360 更直接推出了 " 智腦 " 產品矩陣。
這類公司優勢在于：有用戶基礎、有應用場景、有落地經驗。它們不需要從頭開始造輪子，而把 AI 當作一種 " 增強劑 "，加到已有的產品和服務里，就能產生實際價值。
所以你看，這三類角色各有分工：
大公司提供底層模型和平臺支持；初創企業專注模型創新和技術突破；跨界玩家負責快速落地和商業變現。
如此一來，變成一個多方共建、人人可用的技術平臺。
中國 AI 發展，靠這樣一個多層次、多角色、協同運作的企業生態；正是生態，讓中國在面對像美國這樣擁有強大技術基礎的對手時，依然能夠走出一條屬于自己的路。
四
這條路最終會通向哪里？中美之間 AI 競爭，走向合作，還是徹底走向對抗？
AI 要真正走進我們的生活，不只是能聊天、寫文章那么簡單；它還得看得懂圖片、聽得懂語音，甚至能生成視頻。這才是我們想要的 " 智能體驗 "。
換句話說，未來 AI 必須是 " 多模態 " 的，它得能理解文字、圖像、聲音、動作等多種信息，并且能在這些模式之間自由切換。
所以，要看中國多模態能力，能不能跟美國掰手腕？
語言模型，這方面中美較量，從歷史數據來看，差距已經非常小了，可以說在同一水平線上。
圖像生成領域是老外玩得比較早的方向，Midjourney 和 Stable Diffusion 這兩個名字，在設計師圈子里幾乎是無人不知。
不過這幾年，中國模型也慢慢追了上來。
字節跳動推出的 Seedream 3.0，在 2024 年底發布后迅速走紅。它的圖像質量、細節還原度，已經可以媲美 Midjourney V6。ELO 值達到了 1111，離 V6 的 1150 只差一點點。
阿里巴巴的 Seedream 系列也在不斷迭代更新。
這意味著什么？中國在這個領域和美國站在了同一條起跑線上，誰做得更好，就看誰能更快地滿足用戶需求、落地到實際產品中。
最難的一塊：視頻生成。
如果說圖像生成是 " 比拼細節 "，那視頻生成就是 " 綜合能力大考 "。
為什么說它最難？因為它不僅要處理每一幀的畫面內容，還要保證幀與幀之間的連貫性、動作的流暢性，甚至要考慮音畫同步、鏡頭運動等因素。
目前，這個領域的領先者是 Google。他們推出的 Veo 3 模型，ELO 值高達 1247，可以說是當前最強的視頻生成模型之一。
但它也不是無敵的。
中國快手推出的 Kling 2.0，阿里也發布了 Wan 2.1 版本；它們的 ELO 值分別達到了 1053 和 1039，雖然還比不上 Veo 3，但已經具備了不錯的視頻生成能力，尤其在短視頻、廣告創意等場景中表現突出。
更重要的是，這些模型都基于中國本土應用需求開發的，對中文提示、本地化場景的支持更強。
看到這兒，你可能會問：那中國是不是在全面發力多模態呢？沒錯，而且是集中力量打組合拳。
大科技公司已經開始把語言、圖像、視頻能力整合進同一個平臺。
這種做法的好處很明顯：不再讓每個模態孤軍作戰，而是讓它們協同起來，形成完整的 AI 能力體系。
因此，中國 AI 發展已經是系統性布局。這場競賽還沒有結束。從目前的表現來看，中國已經正在成為全球 AI 多模態創新的重要參與者。
五
走得再快，方向對嗎？中美之間這場關于未來的 AI 競爭，影響力早已超越技術本身，牽動著政策、產業、安全、倫理等多個層面。
事實上，在很多方面，雙方都有合作基礎和必要性。
AI 是高度依賴開放與協作的技術領域，如果完全切斷交流，不僅會影響創新速度，還可能導致資源浪費、重復造輪子。
具體來說，哪些方面可以合作呢？有三點。
一，基礎研究需要共享與互通。雖然現在有些限制，但在基礎模型、算法優化、評估方法等方向上，仍然有很多全球協作的空間。
比如，像 Transformer 架構、擴散模型這些關鍵技術，最初都是由多個國家的研究者共同推動的。這種開放精神如果還能延續，就能為 AI 發展提供更多可能性。
二，行業標準需要共建。
模型評估標準、倫理規范、安全機制……這些都要全球共識；目前已經有多個國際組織在推動 AI 治理框架建設，包括聯合國教科文組織、IEEE、OECD 等。中美作為兩大 AI 強國，其實都參與其中。
雖然節奏不同、立場有別，但至少說明一點：大家都意識到，AI 需要規則，而規則需要共同制定。
三，商業利益驅動合作。政府層面有時會限制出口和技術轉讓，但企業之間的合作動力一直存在。
比如，一些中國企業希望使用英偉達的芯片做訓練，而美國企業也希望進入中國市場。這種相互依賴的關系，客觀上也為合作提供了空間。
當然，我們也必須正視現實：中美 AI 競爭中確實存在明顯的對抗趨勢。
美國已經明確將 AI 列為 " 戰略技術 "，并對中國實施出口管制，比如禁止向中國出售高端 GPU 芯片。
中國也在加大自主研發力度，比如推出華為昇騰、寒武紀、壁仞等國產算力平臺，試圖減少對外依賴。這種 " 脫鉤 " 趨勢一旦加深，就可能演變成兩個平行的技術體系。
不只是技術本身，AI 的應用場景也開始被政治化。美國擔心中國用 AI 進行 " 信息操控 "；中國則認為西方在打壓中國企業的全球擴張。
兩國對 AI 的理解和治理理念也完全不同：美國強調自由創新、市場主導；中國更注重可控發展、社會影響。這種差異導致兩國在 AI 治理理念上很難統一。
比如：數據隱私保護方式不同、對 AI 風險的認知不同、政策執行機制也不一樣。長此以往，可能會形成兩套不同的 "AI 文明 "。
那最終會走向哪里？既不會徹底合作，也不會全面對抗；更有可能出現一種 " 有限合作 + 局部脫鉤 " 的狀態。
類似于，在一些基礎研究、學術交流、行業標準等領域保持合作、在核心技術和國家安全相關領域加強管控、在商業市場中，既有競爭也有互補。
換句話說，中美 AI 關系，將會是 " 斗而不破 " 的狀態。這像下圍棋，每一手都要權衡利弊。既要守住自己的陣地，又要給對手留下一點空間。
AI 未來，不取決于哪一方更強，而取決于能不能找到一個 " 共存 " 的平衡點。
參考：
[ 1 ] 《2025 年第二季度中國 AI 亮點報告》Artificial Analysis，2025 年 6 月，https://artificialanalysis.ai/downloads/china-report/2025/Artificial-Analysis-State-of-AI-China-Q2-2025-Highlights.pdf
本文來自微信公眾號：王智遠，作者：王智遠
