全球AI底座“中国化”：从被“套壳”到定义标准

【科技纵览】当沙特HUMAIN公司宣称其M3模型为“100%沙特制造”，却因参数配置与MiniMax M3高度重合而引发质疑时，这已非孤例。发布者苏丹·阿尔法伊菲随后澄清，该模型实基于MiniMax开发。这一插曲折射出更宏大的趋势：中国大模型正悄然成为全球AI开发的隐形基石。

此前，HUMAIN曾于2025年8月发布ALLaM 34B，强调从零训练及本土文化对齐。然而仅一年后，其旗舰产品便转向中国底座，仅保留语料后训练环节。这种“借鸡生蛋”的模式在全球范围内屡见不鲜。日本乐天集团发布的Rakuten AI 3.0，虽获政府支持且由三木谷浩史站台，却被开发者发现配置文件直指DeepSeek V3，甚至一度移除MIT许可证试图“洗白”，最终在社区压力下补发版权声明。

东南亚地区则显得更为坦率。新加坡AISG在SEA-LION项目中弃用Llama，转而采用阿里云Qwen3-32B，注入千亿级东南亚语言token，登顶开源榜单。马来西亚通信部亦选用DeepSeek构建主权AI基础设施。印度案例颇具戏剧性：169PI的Alpie模型本质是DeepSeek R1蒸馏版；Sarvam AI虽获巨额补贴声称自研，技术细节却暴露其对DeepSeek架构的深度依赖，CEO最终承认“仰慕并学习”。

韩国国家级竞赛中，过半决赛队伍使用中国开源模型，Naver、SK电讯及Upstage队分别借鉴阿里、DeepSeek及智谱GLM组件，部分甚至未清除版权标记。欧洲方面，Cursor编程模型Composer 2被证实基于月之暗面Kimi K2.5构建，后者大方祝贺；Thinking Machines的Inkling模型亦明确采用DeepSeek-V3的MoE架构。西门子、雷诺等企业更公开采取“中美欧混合”策略。

为何是中国？首要因素在于成本与许可优势。从零训练需数千万美元投入，而DeepSeek、Qwen等采用MIT或Apache 2.0协议，允许商用、修改及本地部署，规避了Meta Llama对大规模使用的限制。配套工具如ms-swift简化了微调流程，如同“预制菜加热”。DeepSeek的MoE架构大幅降低推理成本，契合各国对数据主权及避免API断供的焦虑。相较之下，美国出口管制导致Anthropic禁用部分模型，引发用户迁移潮及成本飙升，凸显闭源风险。

此外，中国模型在多语言覆盖及工具调用能力上精准匹配非英语市场需求。月之暗面授权Cursor使用Kimi，展现了一种“不抢戏”的合作姿态，这与美国巨头间的利益捆绑形成鲜明对比。苹果每年支付约10亿美元给谷歌以驱动Siri；三星通过销售分成绑定Gemini；亚马逊向Anthropic注资数百亿以换取AWS算力消耗承诺；微软与OpenAI的深度绑定虽近期调整，但利润分成机制依然复杂。

中国厂商似乎无意于收取高额授权费，而是追求生态标准的复利效应。免费开放权重促使多语言能力迭代，提升Agent稳定性。当各国将国家模型建立在中国底座之上，标准随之确立。数据显示，Qwen3-VL-2B-Instruct在Hugging Face下载量破亿，仅次于基础嵌入模型。这种“润物细无声”的输出，其长远价值远超短期商业收益，标志着中国AI从产品出海迈向标准定义的深层渗透。