李開復，人工智慧領域最傑出的人物之一，在接受彭博社採訪時提出了一個引人深思的觀點：中國的人工智慧公司無需打造最優秀的模型來獲勝，只需開發出足夠好、足夠便宜且足夠開放的模型，即可在美國未關注的領域佔據主導地位。
李的論點歸結為將經典商業策略應用於前沿技術。當美國企業以巨額預算和封閉生態系統追逐前沿性能時，中國的人工智慧實驗室已推出開源權重模型，以不到訓練成本 10% 的開支提供 90-95% 的能力。
效率操作手冊
據報導，中國的 AI 團隊僅使用其美國對應團隊 1-3% 的 GPU 資源，卻憑藉卓越的工程效率達成相當的成果。
這些限制並非完全自願。美國晶片出口限制已限制了中國實驗室可用的硬體，迫使它們在更少的資源下擠出更多性能。
根據李的評估，美國與中國人工智慧能力之間的表現差距，已在關鍵領域縮小至約 3-6 個月。如今，開源的中國模型幾乎出現在所有前 10 名開源基準測試中，超越了 Meta 的 Llama。DeepSeek 和阿里巴巴的 Qwen 已成為值得關注的焦點，持續在開發者實際用來選擇工具的社群排行榜上位居榜首或接近榜首。
不同市場，不同策略
李所描述的戰略分歧超越了僅僅是模型架構。美國公司如 OpenAI、Google 和 Anthropic 主要專注於高利潤的企業銷售，為願意為最強大系統支付高價的《財富》500 強企業開發產品。相比之下，中國企業則針對消費類應用和發展中市場，這些市場中成本敏感性是主要因素。
李的公司 01.AI 似乎已內化了這一邏輯。該公司並未參與前沿模型的訓練，而是專注於構建利用現有模型（如 DeepSeek）的應用程式。
這對人工智慧領域意味著什麼
美國對晶片出口的限制，原本旨在延緩中國人工智慧的發展，卻可能意外加速了李所描述的那種以效率為導向的創新。當你無法購買最優質的硬體時，你就學會了用更少的資源做更多的事。
開源維度增添了另一層複雜性。開權重模型所創造的網絡效應是閉源模型無法複製的。每一位為特定用途微調 DeepSeek 或 Qwen 模型的開發者，都為更廣泛的生態系統增添了價值，吸引更多開發者，進而吸引更多的用戶，並產生更多的訓練訊號。