發表評論-Jinhuasan-萬維博客-萬維讀者網（電腦版）

人工智能領域的美中競爭已經開啟了一個新的戰線：開放權重、本地運行的人工智能模型。直到最近，能力最強的人工智能模型仍然規模過於龐大、運行成本過於高昂，只能部署在配備昂貴專用芯片的大型數據中心中運行。然而如今，這些系統正在迅速從雲端遷移到消費級硬件——包括筆記本電腦和移動設備——之上，在無需將數據發送至遠程服務器的情況下，就能夠回答問題、編寫代碼，並代表用戶執行各種操作。得益於人工智能模型和芯片兩方面的技術進步，越來越多支撐本地人工智能部署的所謂開放權重人工智能模型，已經比其前代產品更加智能、體積更小，而且能夠被自由地從互聯網下載、修改並部署，而無需依賴集中化服務提供商。

這些快速發展的本地人工智能系統有望實現強大技術的民主化，降低成本，並賦予用戶對其日常使用工具更大的控制權。但與此同時，它們也可能固化一種深刻的不對稱局面。目前流向本地設備的能力最強開放權重模型中，中國模型占據了不成比例的優勢。如果當前狀況持續下去，中國將保持這一強大優勢。此外，許多最優秀的開放權重模型都是由中國公司開發的，而這些公司通過大規模應用一種名為“蒸餾”的技術，系統性地提取美國前沿模型的能力。“蒸餾”是指訓練一個更小、更高效的人工智能模型，使其模仿一個更先進模型的行為。這種做法已經在工業化規模上展開。而美國企業由於受到合同約束和法律規範限制，無法採取同樣做法，因為幾乎所有主要人工智能服務提供商的服務條款都禁止利用模型輸出結果來訓練競爭性系統。

鑑於這些發展趨勢，人工智能領域的核心競爭已不再局限於開發階段。競爭範圍已經擴大到分發領域——也就是決定究竟是哪個國家的模型、芯片和軟件框架將成為數十億台設備上的默認選擇。目前，美國企業設計並銷售最先進的芯片和最前沿的人工智能模型。但中國企業正在對這些模型進行蒸餾，將其壓縮到能夠在廉價硬件上低成本運行的程度，並將成果推向全球市場。事實上，在許多情況下，它們甚至正在將這些成果重新銷售回美國。由此形成的中國優勢扭曲了市場，並使那些需要在開放權重人工智能基礎上繼續開發的美國企業和全球用戶面臨一個令人不快的選擇：要麼使用中國模型，要麼落後於競爭對手。

如今似乎已經出現這樣一種可能：美國贏得了人工智能訓練之戰，卻輸掉了分發戰爭——並非因為其技術實力不足，而是因為其未能確保公平競爭環境。幸運的是，仍然存在應對之策。在過去十年中，華盛頓已經逐步形成了一套應對中國反競爭行為的政策工具。現在，它必須調整這些策略，以促進美國在開放權重人工智能領域的發展與領導地位，同時對那些跨越正常研究實踐與經濟戰界限的中國行為實施懲罰。這一戰略確實存在風險：如果執行範圍過於寬泛，它可能會限制美國成功所需要的人才和模型獲取渠道，從而損害美國人工智能領導地位。然而，如果執行得當，這一戰略將能夠與私營部門打擊未經授權蒸餾行為的努力形成互補，並確保美國的人工智能優勢延續至下一個十年。

新階段

直到最近，普通用戶仍然很難在本地運行人工智能。日常設備中的芯片——包括筆記本電腦和手機——內存容量太小，無法容納能力強大的模型，計算能力也不足以使其以實用速度運行。此外，使這些模型能夠可靠執行多步驟任務的軟件尚未成熟，例如閱讀文檔、起草回復並將其保存到正確文件夾等任務。

如今，這種情況已經不復存在。硬件已經變得高效得多，本地模型本身也是如此。斯坦福大學研究人員最近的一項研究顯示，本地模型能夠準確回答的問題比例，已經從2023年的23%上升至2025年的71%。這意味着，用戶現在可以直接將開放權重人工智能模型下載到筆記本電腦或智能手機中，並在沒有互聯網連接的情況下運行，而所有問題都由設備自身芯片完成處理，而無需依賴遠程數據中心。

由於多種原因，對本地人工智能系統的需求正在不斷增長。開發者希望獲得能夠自行下載、修改和獨立部署的模型。企業希望將敏感數據保留在自己的基礎設施之內，而人工智能公司則需要能夠基於自身數據進行微調的模型。經濟和基礎設施因素同樣推動着人工智能市場向本地模型轉移。訪問雲端成本高昂，而雲端模型依賴於大型數據中心，而這些數據中心正面臨嚴重的電力限制。將人工智能工作負載轉移到本地設備，可以將負擔分散到數百萬台現有設備之上，並繞開數據中心日益增長的物理和政治限制。

讓人工智能能力在地理上廣泛分布還具有另一項優勢。今年3月，亞馬遜網絡服務公司位於阿拉伯聯合酋長國和巴林的數據中心遭到伊朗無人機襲擊並受損，這一事件暴露出僅依賴數據中心處理人工智能工作負載所存在的風險。這些襲擊導致該地區部分亞馬遜網絡服務基礎設施癱瘓，使銀行系統、支付應用程序、網約車服務以及企業軟件紛紛中斷。隨後，伊朗伊斯蘭革命衛隊威脅要攻擊十多家美國科技企業在中東地區的基礎設施，其中包括多家領先人工智能公司。隨着人工智能系統越來越多地被用於支持軍事行動，數據中心實際上正在成為軍民兩用設施，因此也正在成為軍事打擊目標。將人工智能能力集中於少數幾個大型且暴露的設施之中，是一種戰略脆弱性。而在大量設備上本地運行的模型，則是一種更加安全、更具韌性的替代方案。

危險的生意

中國企業清楚地意識到本地模型所帶來的優勢。因此，它們正在競相通過蒸餾技術從美國模型中提取能力，而這種做法是在美國企業被禁止在國內複製的條件下進行的。2月，美國人工智能公司 Anthropic 披露，中國人工智能實驗室深度求索、月之暗面和稀宇科技通過大約24,000個欺詐賬戶，與其 Claude 模型進行了超過1,600萬次交互，以提取高價值的推理、編程和工具使用能力。Anthropic 將這一行為描述為系統性的蒸餾活動，而非孤立的濫用事件。結果是，Anthropic 耗費數億美元開發出來的能力，在發布後的數周內便被轉移到了中國競爭產品之中。

問題並不在於蒸餾本身作為一種技術。知識轉移本來就是人工智能生態系統創新過程中的一部分，而世界各地的開發者也依賴開放權重模型開展合法研究。問題在於，中國企業能夠自由地從美國前沿模型中大規模提取能力，而美國企業則受到服務條款和法律規範的約束，而這些規範恰恰被外國競爭對手所忽視。美國前沿實驗室投入數百億美元訓練模型，但這些能力卻能夠以原始成本的一小部分被提取出來並重新發布。這樣一來，那些承擔前沿研究成本的企業，實際上越來越多地在補貼其競爭對手的產品線，而這些競爭對手隨後又試圖通過價格優勢壓制它們。

與蒸餾相關的安全和保障風險同樣令人擔憂。蒸餾會轉移模型在訓練過程中獲得的能力。但關鍵的人工智能安全防護措施——例如對齊調優（訓練模型遵循人類指令並拒絕有害請求）、紅隊測試（由專家進行測試以發現並修復模型缺陷）以及安全過濾（用於篩查輸入和輸出中危險內容的軟件）——都是在核心訓練過程完成之後才被添加到人工智能模型中的。因此，這些安全防護措施不會在蒸餾過程中被轉移，而其後果可能十分嚴重。2025年初，美國科技公司思科披露，中國開放權重推理模型深度求索-R1 未能阻止標準行業安全測試“HarmBench”中的抽樣提示詞，該測試涵蓋網絡犯罪、非法武器和虛假信息傳播等類別。網絡安全公司 CrowdStrike 進一步發現，當在普通編程提示詞中加入政治敏感詞彙（例如“西藏”、“法輪功”和“維吾爾人”）時，深度求索-R1 生成存在安全漏洞代碼的可能性會提高多達50%。

OpenClaw 的案例進一步凸顯了這些模型所帶來的安全和保障風險。OpenClaw 是一個開源人工智能代理軟件框架，能夠在用戶自己的設備上運行。自2025年底發布以來，OpenClaw 已成為開發者平台 GitHub 上增長最快的代碼庫之一，每月吸引數百萬用戶。與基於瀏覽器運行的聊天機器人不同，OpenClaw 通過利用本地硬件，賦予本地代理記憶能力、工具能力以及執行行動的能力。許多用戶會將 OpenClaw 與開放權重人工智能模型配合使用。由於 OpenClaw 及類似系統能夠自主構建和運行代碼，因此底層人工智能模型中的漏洞不會停留在文本層面。相反，它們會被編譯、部署並直接在用戶設備上執行。OpenClaw 的“技能”市場——一種允許代理執行特定任務（從編寫代碼到管理文件）的預構建能力體系——很快便充斥了超過340個惡意擴展。此外，思科人工智能威脅與安全研究團隊發現，OpenClaw 社區中排名靠前的一項技能實際上具有惡意軟件功能，這表明當開放權重人工智能模型不會拒絕明顯惡意指令時，其潛在危害可能極其嚴重。

未經控制地傳播那些從美國產品蒸餾而來的中國本地模型，正在形成嚴重地緣政治依賴的道路上不斷推進。開發者最初或許只是打算在本地使用一個中國模型。但如果其應用程序需要雲端規模的計算能力，他們自然會轉向託管並優化該模型的雲服務提供商。因此，阿里雲而不是美國的亞馬遜網絡服務公司將獲得青睞。最終，開發者使用的將是華為芯片，而不是英偉達芯片。最初出於成本考慮所做出的選擇，最終會演變成一種覆蓋整個技術棧、長期持續存在的依賴關係。同樣的模式已經在電信、移動支付以及數字基礎設施領域出現。這是中國以技術驅動影響力的更廣泛戰略的一部分。從“一帶一路”實體基礎設施到華為5G網絡，中國一直在系統性地將最初的成本優勢轉化為長期依賴關係。如果那些從美國模型蒸餾而來的中國模型成為數十億台設備上的默認智能系統，美國就有可能允許北京對人們每天用於獲取信息、進行溝通和開展工作的工具擁有影響力。

關閉閘門，全速前進

華盛頓必須通過減緩北京未經授權的蒸餾活動，並加速美國開放權重生態系統的發展，來應對這種中國優勢。美國主要人工智能公司已經在試圖削弱未經授權的蒸餾行為。Anthropic 建立了行為指紋識別和響應塑形系統，這些系統能夠標記自動化蒸餾所特有的使用模式，並對模型輸出進行細微調整，從而降低被競爭對手收集的數據價值。谷歌部署了類似的檢測系統，並成功識別出一場針對其 Gemini 模型、涉及超過10萬條提示詞的攻擊活動。OpenAI 也向國會警告稱，它同樣遭遇了類似工業化規模的蒸餾活動。

這些措施是一個良好的開端，但它們不太可能徹底解決問題，因為有決心的攻擊者總能繞過大多數技術防禦措施。企業嵌入模型輸出中的數字水印可以被編輯刪除，它們所依賴的行為指紋可以通過進一步訓練被模糊化，而檢測機制本身只有在企業能夠觀察模型使用方式時才會發揮作用。為了協助私營企業的努力，美國政府首先應當將重點放在貿易和監管政策上。蒸餾流程仍然依賴於獲取美國芯片進行訓練，因此出口管制是限制其大規模運作最有效的政策之一。這些管制措施應當繼續維持並進一步收緊，尤其是在某些芯片已知會助長未經授權蒸餾活動的情況下。作為這一努力的一部分，華盛頓應擴大外國直接產品規則的適用範圍。根據這一規則，美國可以對使用源自美國技術製造的外國產品施加許可要求。按照這一邏輯，任何系統性吸收了從美國前沿模型中提取能力的中國模型，都應受到許可要求約束。如果許可被拒絕，其結果將是全面禁止這些產品進行商業部署、整合進入企業產品以及出口至第三國。這一舉措不會阻止基於蒸餾技術的本地模型被創造出來，但將擾亂其部署和出口過程。

外國直接產品規則的有效性已經通過其在網絡設備和半導體製造工具領域的應用得到證明。將其擴展至人工智能領域可能更加重要，因為一個蒸餾模型在發布後數小時內就能夠被部署並整合進商業產品，因此對下游商業使用鏈條實施控制至關重要。基於外國直接產品規則的做法還具有一個實際優勢，即其針對的是特定模型，而不是廣泛懲罰整個企業或實體。因此，它既可以單獨使用，也可以與其他措施配合使用，例如實體清單指定製度。後者將正式切斷那些實施未經授權蒸餾活動的中國實驗室獲取美國技術和零部件的渠道。依據《國際緊急經濟權力法》，美國還可以凍結這些實驗室位於美國境內的資產，禁止美國個人和企業與其開展業務，並為繼續向其供貨或與其合作的外國企業製造次級風險。

人工智能領域的核心競爭已經不再局限於開發階段。如今，它還包括分發環節。

然而，僅靠這些保護性措施，即使範圍廣泛，也遠遠不夠。華盛頓必須緊急鼓勵具有競爭力的美國開放權重替代方案的發展。目前，經濟激勵機制實際上正在對美國開放權重開發者形成不利影響。前沿實驗室不願意發布那些會蠶食其現有成功產品市場的模型，而獨立的美國開發者則無法在不違反服務條款的情況下利用前沿模型進行蒸餾，因為這些服務條款規定了他們獲取模型的條件。華盛頓應當通過與前沿人工智能企業合作，在其服務條款中允許美國及其盟友企業進行有限、可追責的蒸餾活動來解決這一問題。這種蒸餾活動可以受到限制並接受安全審查，這與某些中國實驗室所進行的無限制、匿名化數據收集形成鮮明對比。同時，應當利用公共資源和研究資金，鼓勵美國實體發布並持續維護具有競爭力的開放權重模型，從而為全球開發者、企業和政府提供充分理由選擇美國方案。谷歌近期發布的 Gemma 4——一系列基於與 Gemini 相同研究成果開發的開放權重模型——證明，只要擁有足夠動力，美國企業完全能夠生產具有競爭力的開放權重模型。如果美國替代中國模型的方案能夠廣泛獲得，那麼採用那些建立在提取能力基礎之上的、不受治理約束的替代方案的動力將大幅下降。

如果這些措施能夠與盟友協調推進，其效果將最為顯著。華盛頓應當與亞洲、歐洲及其他地區的夥伴合作，協調政策路徑，並建立一個規模足夠龐大的聯盟，以制定關於蒸餾活動、模型許可和出口管制的共同標準。如果缺乏這種協調，僅由華盛頓單獨實施的管制措施很容易被規避：一家被禁止獲得美國芯片的中國實驗室可以通過其他市場進行採購，而一個被禁止進入美國市場的開放權重模型則仍然可以在歐洲或日本找到用戶。協調將會十分困難，但那些生產全球最先進芯片、最前沿模型以及最大軟件市場的民主國家，仍然控制着絕大多數關鍵瓶頸。它們有能力採取行動。在私營部門，美國企業應當共享其已經開發出來的蒸餾檢測工具，並圍繞模型安全建立合作規範。

去年，我們中的一位——賈里德·鄧蒙（Jared Dunnmon）——曾在本刊撰文警告稱，如果中國通過蒸餾技術使其開放權重模型領先於美國，那麼這將從根本上削弱美國在人工智能領域的領先地位。如今，這一警告已經成為現實。能力提取正在以工業化規模進行，而本地設備計算能力也已經跨越關鍵拐點；包括 OpenClaw 在內的系統已經證明，全球用戶希望使用運行在自己設備上的模型，而海灣地區數據中心遭到打擊則表明，集中式計算資源在物理層面是脆弱的。隨着前沿人工智能系統越來越接近 Anthropic 首席執行官達里奧·阿莫代伊（Dario Amodei）所稱的“數據中心裡的天才國度”，開放權重人工智能已經在全球設備上驅動着一個真正由虛擬助手組成的世界，幫助普通人在工作和生活中實現更高的效率和更好的效果。美中人工智能競爭的下一階段，在很大程度上將取決於究竟是哪一方的模型成為全球本地設備上的默認選擇。除非華盛頓作出必要調整，否則這一地位將屬於中國。