# 中国AI几乎追平美国，Kimi K3开源模型引发市场震荡
- 来源：Gary Marcus：The Road to AI We Can Trust（RSS）
- 作者：Gary Marcus
- 发布时间：2026-07-21 01:27
- AIHOT 分数：61
- AIHOT 标记：精选
- AIHOT 链接：https://aihot.virxact.com/items/cmrtiqzfu3mx9bitlx9vw60wj
- 原文链接：https://garymarcus.substack.com/p/china-has-all-but-caught-up-the-us
## 精选理由
加里·马库斯把中美AI竞赛的现实摊开来说，指出美国押注大语言模型是一场战略失误，最值得看的是他提出的七种选项，尤其是把AI变成全球公共产品的方向，对政策制定者和行业人都有冲击。
## AI 摘要
中国公司月之暗面（Moonshot.AI）发布Kimi K3模型，性能与最佳美国模型相当，且为开源权重模型，用户可免费下载本地运行。受此消息影响，美国股市上周五下跌，OpenAI和Anthropic的商业模式及IPO前景受到严重质疑。美国在AI软件领域的护城河已不如预期，AI竞赛正演变为工业系统竞争。
## 正文
七种方案，经过考量
2026年7月20日
Axios 对新模型的报道
三周前，我在此处发出警告：
“自2023年夏季以来，我在此定期阐述的‘无护城河 → 更多竞争者 → 价格战 → 利润稀缺’这一论点，其最终结局已经到来——并可能摧毁美国AI产业。”
上周，中国公司月之暗面（Moonshot.AI）发布了一款名为 Kimi K3 的模型，该模型在很大程度上与美国最优秀的模型不相上下，但与这些模型不同的是，它是一款“开放权重”模型，消费者可以免费下载并在本地运行（前提是拥有支持其运行的大规模硬件）。上周五，美国股市部分因这一消息而下跌，其影响可能极为深远。这绝非偶然。此前不久，智谱（Z.ai）的 GLM 5.2 模型也引发了震动。阿里巴巴的新款通义千问（Qwen）模型可能会进一步加剧这种颠覆。
这一切都对 OpenAI 和 Anthropic 的商业模式提出了严重质疑，并可能扼杀或严重削弱它们的IPO。同时，这也让“美国可能‘赢得’AI竞赛”这一本就站不住脚的想法更加令人怀疑。
Ryan Fedasuak（他后来在CNN上讨论了此事）对此表示了一些惊讶：
Ryan Fedasiuk@RyanFedasiuk 我们不能忽视刚刚发生的事情。美国在AI软件领域的护城河并不像我们许多人希望的那样坚固。是时候认清AI竞赛的真正本质了：这是一场构建和部署算力的工业体系竞争。我最新发表在@AEI上的文章：aei.org/foreign-and-de… 2026年7月17日下午3:08 · 49.9万次浏览 * * * 28条回复 · 43次转发 · 168个赞 但这并不应该让任何人感到意外。我在2025年1月DeepSeek发布后写的那篇文章——上周有位读者称其“准得可怕”——几乎已经将一切阐述清楚了。当时我警告说：
如果美国继续主要聚焦于大语言模型，将无法在对华AI竞赛中取得决定性胜利
相反，我们最终会打成平手
缺乏技术护城河将意味着像OpenAI这样的公司会持续无法盈利
英伟达将面临风险
《芯片法案》会适得其反，且无法有效遏制中国
模型会持续变得更高效、更廉价，但模型幻觉和可靠性问题仍将存在。
无休止地围绕大语言模型展开竞赛，会消耗本可用于开发更具原创性想法的资源。
这基本上就是已经发生的情况。我真希望当初有更多人听进去。
他们没听进去，这在一个与硅谷缺乏距离、且极少征求外部意见的政府中，几乎是不可避免的。美国将硅谷的幻想当作现实，犯下了巨大的错误；如今经济岌岌可危，他们支持的那些公司似乎已无足轻重，而中国似乎已准备好进一步削弱这些公司。我们一开始就不该孤注一掷地押注生成式AI，这项技术从一开始就似乎并未提供多少技术护城河。
一堆廉价且带有仇外心理的对中国的轻蔑言论，让我们一无所获。
问题在于，我们现在该怎么办？
首先，国会应当展开调查。美国是如何浪费其领先优势的？是否存在战略或战术上的失误？孤注一掷地押注一项可以被复制的单一技术是否愚蠢？美国公司是否充分保护了其知识产权？中国政府是否在补贴其国内公司，补贴程度如何？是否存在来自中国的间谍活动？美国公司是否做出了正确的选择？对美国公司的投资更可能盈利还是亏损？移民限制是否适得其反，导致了人才流失？（月之暗面的创始人曾就读于卡内基梅隆大学，之后回到了中国。为什么？）对于下一轮人工智能迭代，或量子计算、核聚变等未来技术，是否有经验教训可以吸取？
但调查不会让我们走得太远。真正的问题在于战略层面。
以下是特朗普政府可能考虑的七个选项，最后以一个长期来看可能比前七个选项更能造福世界的“王牌”选项作为结尾。
什么都不做。让 OpenAI 和 Anthropic 自力更生。没有政府补贴或变相救助。如果 OpenAI 和 Anthropic 能找到繁荣发展的方式，例如专注于狭窄的垂直领域，或针对个别大客户的“前向部署”，那很好。如果他们倒闭了，那也顺其自然。谷歌、微软和亚马逊不会消失，它们可以满足美国的需求，尤其是那些中国模型可能不受欢迎的机密需求。然而，这可能会将大量 AI 市场拱手让给中国，因此并不理想。
取缔开源。祝你好运；至少在 LLM 方面，木已成舟。（而且即使这是非法的，目前它也会在暗网和没有禁止它的国家继续蓬勃发展。）
**构建监管护城河**，作为保护美国公司的变相手段。上周末，刚加入 OpenAI 的 Dean Ball 似乎认为这就是未来的发展方向。¹ 我希望不是。正如 Will Manidis 所说，这将是保护主义，“……一项利用晚期官僚国家非正式、强制性的权力，为 OpenAI 或 Anthropic 清除美国市场上更便宜的前沿竞争对手的提议。”这也可能会压垮美国初创公司。用 Matt Stoller 的话说，这是用“企业共产主义”取代开放和竞争的市场。这无疑会减缓进步并推高价格，以牺牲成千上万其他公司的利益来帮助两家美国公司。
救助大型 AI 实验室。绝对不行：
5. 全面禁止中国模型。Axios 认为这可能正在酝酿之中。这是上述方案的变种；肯定会提高消费者的价格，并扼杀创新。
甚至在读到上述传闻之前，我就在 X 上对此开了个玩笑：
正如投资者兼 CEO Phil Libin 今早在给我的信息中所说，“当资本、思想和人员自由流动时，美国体系就会受益。我们不需要去‘赢’一场零和游戏。我们通过将游戏转变为非零和游戏来获胜。这是我们赢得 20 世纪的方式，也是我们赢得 21 世纪的最佳机会。”
干脆以极低的价格——按两分钱兑一美元的比例——将大型AI实验室OpenAI和Anthropic整体收购，这已经算慷慨了，因为这两家公司在尚未令人信服地实现盈利的行业里，基本上都是亏损企业。把它们改造成国家实验室，通过竞争性程序向所有经认证的科学家开放。由于AI建立在很大程度上未经补偿便取用的人类知识产权之上，这当中也带有一种诗意的正义。不利的一面在于，政府可能会利用这些数据做不光彩的事，例如大规模监控。鉴于赫格塞斯曾抨击Anthropic拒绝做这类事，也鉴于现政府倾向于以薄弱理由起诉批评者和敌人，我们应当警惕政府滥用权力。
放弃“赢得”AI战争的零和博弈努力，转而致力于将AI打造为全球公共产品。2017年，我在《纽约时报》（基于2016年在“AI向善”会议上的演讲）中提出了“AI领域的欧洲核子研究中心（CERN）”构想，写道：
我羡慕地看待我在高能物理学界的同行，尤其是欧洲核子研究中心（CERN）——一个庞大的国际合作机构，拥有数千名科学家和数十亿美元资金。他们追求雄心勃勃、定义明确的项目（比如利用大型强子对撞机发现希格斯玻色子），并与全世界分享成果，而非将其局限于某个国家或公司……一项国际性的AI使命……确实能让世界变得更好——如果它让AI成为公共产品，而非少数特权者的财产，那就更是如此。
也许现在就是那个时刻？长期以来，实现这一目标的可能性似乎渺茫，但或许时机已到。从习近平主席刚刚发表的一篇演讲来看，中国本身似乎对此类做法持欢迎态度，这是他首次在AI会议上担任主旨演讲人。
我不知道是否该把习主席的话当真——你可以在这里观看他的完整演讲——但他提到这一点，为讨论打开了巨大的空间。我仍然认为，将人工智能置于公共领域，并借助国际力量推动医学和科学发展，会是一个好主意。在我讨论过的各种选项中，这在我看来是最有希望的，是一种将人工智能——它建立在大量源自公众辛勤劳动和思考、且大多未获报酬的互联网内容之上——真正转化为全球公共福祉的最后手段。
如果特朗普真的想赢得诺贝尔和平奖，这可能是他的机会。一项禁止闭源人工智能的决定——要求所有制造商向经认证的科学家和研究机构共享其权重、架构和训练数据——再加上与中国达成协议，让人工智能致力于公共福祉——这将是给人类的一份伟大礼物。
加里·马库斯在2016年提出了一个“人工智能领域的欧洲核子研究中心（CERN）”的构想，并在2023年参议院会议上温和地重提了这一想法。如果能看到这个构想的某种变体得以实现，他会非常激动。
在随后的一条推文中，迪恩声称他并非提议美国设置监管壁垒将中国排除在外，只是陈述这是不可避免的。（X平台上几乎没人相信他；大多数人认为他是在巨大反对声浪面前退缩了。我对其意图不予置评。）
关于此帖的讨论
美国在量子计算领域也不会赢……如果它不能造福人类，那谁能算赢？
为什么总是提到中国？世界各地都在开发开放模型，所有开源技术都是全球范围内开发的。
认为可以禁止机器学习或任何其他领域的开放开发，这种想法是愚蠢且荒谬的。其他地方的人完全可以创建自己版本的同类东西，换个名字，甚至可能进一步改进它。
企业级机器学习的未来，是为特定用例创建和训练的模型，使用自有硬件，这将带来可预测（且易于控制）的成本。因此，投资回报率将很容易计算，并且除了硬件制造商之外，或许真的有人能从中获利。
赞回复