谁能想到，中国AI模型现在竟然开始席卷美国企业市场了。根据聚合多家大模型、供开发者调用的平台OpenRouter数据显示：自2月8日起，美国企业调用中国AI模型产生的词元（Token）占比每周均超过30%，峰值一度达到46%；此前12个月该比例均值仅为11%，2025年上半年更是低至4.5%。

美国企业之所以如此青睐中国AI大模型，最重要的原因就是自家的AI大模型用起来实在是太贵了。众所周知，以OpenClaw为代表的新一代AI Agent应用在2025年底至2026年初爆发式普及。在此之前，传统AI对话是一次用户请求对应一次模型推理，Token消耗在几百到几千之间。而Agent执行复杂任务时，需要自主规划、搜索信息、调用工具、多轮验证，单次任务Token消耗达到传统问答的10至100倍。如此大规模的算力消耗，直接导致生成式AI模型在训练和运行阶段，对计算资源的需求呈现指数级增长。这种需求又高度依赖高端图形处理器（GPU）及高带宽内存（HBM），高性能芯片价格非常昂贵，单品价格常常达到数万美元，而且全球核心产能高度集中、产能扩张周期漫长，导致核心硬件持续缺货、价格大幅上涨。2026年，H100/H200芯片租赁价格已上涨约40%，更新的Blackwell架构GPU涨价超50%。大模型推理的核心HBM更是短缺至极，SK Hynix早已宣布2026年全年HBM产能被提前预订一空，TrendForce预测DRAM内存价格会在2026年上涨50%—55%。

与此同时，美国科技企业为维持技术优势，持续锁定超大规模算力集群，在训练自己的大模型时常常部署数万甚至数十万颗高性能芯片，仅此一项，成本就将达到数十亿美元。此外，AI模型的训练需要大量的标记数据，数据的收集、清洗、组织和处理，都是成本高昂且耗时的过程，而且，还有很多数据的获取涉及版权等问题，都需要额外付费，再加上算力租赁、数据中心运维及电力成本居高不下，AI模型企业的硬件资本开支自然是逐年走高。如此一来，美国头部AI大模型涨价也就成了必然，像Anthropic最新模型每个Token的成本就比开源的DeepSeek V4高出50倍。

这就给了依赖AI大模型的美国企业当头一棒，即便是财大气粗的微软也正在考虑把Copilot转向开源模型，理由就是用OpenAI和Anthropic的模型太贵。而META公司也在内部备忘录中披露，预计2026年仅“内部AI使用”一项支出就将达到数十亿美元，并计划于2027年正式推行以预算和配额为核心的Token管理机制，看来也是要限制内部token消耗了。

而目前中国部分头部开源及开放权重模型的性能，与OpenAI、Anthropic等美国顶尖前沿模型的技术差距只有大约6至9个月，而定价却低60%至90%，且可覆盖绝大多数常规AI工作任务。在一项业内关注度极高的智能体能力评测中，智谱大模型GLM 5.2 得分与Anthropic的Opus 4.8仅相差一个百分点，性能基本持平，调用成本却仅为后者五分之一，这就恰好契合了美国企业的降本需求。据统计，GLM 5.2上线首周，日均Token调用量就增长了27倍、客户数增长80倍，是2026年在该平台落地速度最快的模型。像美国AI初创企业Lindy将所有AI业务切换至DeepSeek模型后成本大幅下降，预计数月内可节省数百万美元。由于兼顾性能与成本优势，智谱GLM、阿里千问等中国模型正成为企业备选方案。美国这些AI布局成熟的企业，只要在技术、商业层面适配，已经越来越愿意选用中国大模型。

诚然，中国的AI大模型一直对所有国家平等开放，从未限制任何国家使用，但这背后却潜藏著巨大的风险。从宏观角度来讲，尽管我国顶尖AI大模型依托自主算力架构与算法创新，已经形成了性能、成本双重优势，但是所用的训练语料覆盖著海量的中文公开数据、行业知识库和公共信息，中国信息通信研究院曾在AI安全治理系列研究中，明确提出大模型“记忆泄露” 的内生安全风险，指出模型可在特定提示词诱导下复现训练数据中的敏感信息。一旦完整模型权重被泄露或者境外机构逆向工程获取，敏感数据就存在被逆向提取的可能，不但危及商业秘密、公共数据安全乃至个人隐私权益，更是直接突破我国构建的技术壁垒，丧失全球AI产业的定价权与技术标准主导权。

从微观角度来讲，顶尖大模型是具备高效代码生成、海量多模态信息整合、智能体自动化执行等两用技术能力的。在网络安全领域，未公开的系统缺陷也就是零日漏洞，是极为稀缺的战略攻击资源。传统人工模式下，单个高危漏洞的发现与验证就需要资深专家耗时数周甚至数月，而顶尖大模型则将这一周期直接压缩至小时级，Anthropic 的Mythos Preview模型曾一次性为火狐浏览器发现271个漏洞，占单版本修复总量的 64%，超过该浏览器2025年全年修复漏洞的总和。既然能凭借AI大模型找到漏洞，那就能借此实施攻击。顶尖大模型只需自然语言指令，就能自动生成可执行的攻击代码、钓鱼载荷和免杀逃逸脚本，将国家级攻击能力下放给普通主体。独立安全测试显示，头部代码大模型在真实应用渗透测试中最高成功率达 70%，可自主完成漏洞发现、利用到权限获取的全流程。云安全联盟的一份研究报告中显示，攻击者已将DeepSeek等中国大模型用于批量网络攻击，配合自动化框架在39天内攻陷全球55个国家的600余台网络设备，而同等规模的攻击在传统模式下需要数倍规模的专业团队才能完成。中国顶尖大模型的训练数据覆盖大量国产软硬件、政务系统与工业控制协议代码，若被境外完整获取，可针对性挖掘国内关键系统的未公开漏洞，对政务、能源、金融等关键领域发动规模化、无人化的持续网络攻击，直接打破攻防平衡。

站在战略角度看，顶尖AI大模型已从商业产品变成了国家级战略武器，管控力度势必要加大。在今年，美国政府就已经开始对Anthropic旗下Fable和Mythos等顶级模型实施外国用户访问限制，中国对AI顶尖大模型施加监管只能算是虽迟但到。当然，过严的管控必然会对商业生态造成负面影响。当中国顶尖大模型不再向海外提供他们所看重的开源权重时，那些原本依赖于此的开发者自然就会转投美国或者欧洲的大模型，中国在AI大模型领域的国际市场话语权肯定会受到很大影响。而且，这也很可能会加速全球AI栈形成‌中美互不兼容的孤岛‌，迫使跨国企业构建双轨系统，推高全球创新成本并削弱协同研发效率，使全球统一大市场暂时受阻。

但是，科技并非无国界，站在国家利益的角度，对顶尖AI大模型的监管本身就是对自身防护的必要举措。对国内而言，严格清晰的监管会守住国家数据主权和关键信息基础设施的安全，也能够规范行业竞争秩序，倒逼企业深耕技术研发与场景落地，夯实数字经济长期竞争力。对国际而言，在全球AI治理分化的大趋势下，区域化AI服务商必然会加速崛起，中国AI大模型凭借算力优化带来的低成本优势、成熟的行业落地能力，很有希望在东南亚、拉美等价格敏感的新兴市场获取更大市场份额。此外，中国在AI大模型领域的监管实践，也会为全球的AI治理提供新的实践样本，推动形成数据跨境流动与治理国际新标准。

（本文作者为人工智能领域学者曹波，本网获独家授权刊发，转载请注明出处）

（本文为作者观点，不代表本媒体立场）