中国大模型崛起：为何AI开发者生态仍受制于人？ | AI资讯

type

status

date

slug

summary

category

icon

password

网址

开发者生态的控制权之争 · 下篇

模型是中国做的，为什么后面的数千次创新发生在海外开发者平台？从模型分发、开发者工具到算力路由，中国缺的不是技术，是默认路径。

摘要

如果只看结论，读完下面五条摘要即可；后文是证据、机制和行动方案。

这篇文章真正追的是一条价值链：大模型是谁做的只是起点，谁掌握衍生、默认工具链和算力路由，谁才拿走最后的产业控制力。

第一，中国已经有世界一流的大模型，算力和芯片也在快速补上，缺的是两者之间的工具链、开发者分发平台，以及愿意长期为这一层买单的产业资本。没有这一层，中国模型做得再强、算力铺得再多，开发者生态的默认路径仍然掌握在别人手里。

第二，中国的适配能力已经不弱，真正缺的是生态乘数。一个模型发布后，能不能自动长出数千个量化版、微调版、端侧版和芯片适配版；这些衍生资产能不能被默认工具链继续读取、登记和分发；几十万个衍生版本连起来，就是一张真实的需求图谱，决定模型最终流向什么应用、什么芯片。

第三，工具链和分发平台这一层为什么长期没人投？不是因为没有价值，而是价值大量外溢。AI 开发者基础设施不只是“软件社区”，更是国产算力的需求基础设施。它创造的价值并不只在平台收入里，还流向芯片负载、模型生态和工具企业，因此不能只算平台利润，要同时算平台、算力、生态、投资四本账。

第四，复制 Hugging Face 没有出路。中国手里有三张牌——开放模型、异构算力与 Physical AI 产业场景、全球中立层的空位。真正要争的是下一代 AI 的两个控制点：横向 Run Anywhere，解决 AI 在哪里跑；纵向 Agent Runtime，解决 AI 怎么干活。Physical AI 是其中最紧迫的窗口：大模型时代中国的工具链和生态落在了海外，机器人时代不能再落后一次。

第五，第一步不需要再造一个大平台。先把“模型 × 芯片”的兼容、性能、成本做成公共层，让开发者点一下就能在对应芯片上跑起来。跑通第一条路，再让平台从真实使用中长出来。终局是中国发起、全球治理，在下一代 AI 的规则和标准里占据主动。

【图： AI 开发者基础设施中美对比】

按层摆开，中国是一根杠铃：模型和芯片两端重，中间六层空；美国是一根均匀的栈。八层是果，三行是因，生态竞争力取决于最薄的一层。

上篇《英伟达 129 亿美元买 Hugging Face 背后：真正买的是开发者控制权》讨论了一个问题：为什么英伟达愿意为 Hugging Face 支付远超其财务模型所能解释的价格？我的观点是：它买的不是一个模型网站，而是模型分发、开发者关系和算力路由的控制权。

上篇留下三个问题：

• 第一，中国已经有世界级模型、国产芯片、数千万开发者和大量投入，为什么全球开发者拿到中国模型，默认还是在别人的平台和工具上用？ • 第二，如果开发者基础设施自己不怎么赚钱，它创造的价值去了哪里，这本账应该怎么算？ • 第三，一个既需要巨头级投入、又不能被任何巨头控制的基础设施，谁来建、怎么建，中国靠什么在全球竞争？

这篇有点长，因为我想把这个问题从技术、商业一直追到投资和治理。但真正需要记住的其实只有三件事：默认路径怎么形成，这本账应该怎么算，中国第一步能做什么。我做开发者生态 26 年，过去一直把这个问题理解成平台经营问题。直到这一轮模型和开发者入口的变化，我越来越看清，这是产业底层机制问题。先看一个刚发生的现场。

第一部分 · 有模型、有芯片、有投入，为什么开发者默认还是用别人的

01 一个中国模型发布后，谁最先把它变成产品

阿里的 Qwen3.8-27B 于 8 月 13—14 日开源。Unsloth 从 Qwen 团队拿到首日（day-zero）访问权限，发布当天放出全套 GGUF 量化版本（GGUF 是本地推理最常用的模型格式，量化则是把模型压小到普通电脑能跑）并接入自家桌面端；mlx-community 很快出现面向 Apple Silicon 的多种精度版本；LM Studio 社区也同步出现 GGUF、MLX 等本地运行版本，下载量迅速到百万级。

一天之内出现几十个版本，靠的不是十几支团队各自加班，而是开发者工具领域一条早已跑顺的流水线：发现新模型、自动转换格式、自动量化、验证、上传，每一步都是脚本。

上一个模型已经把生产线建好了，新模型只是又来了一批原材料。

【一个开源模型发布后，生态乘数发生在哪里】

衍生模型是模型价值兑现的地方，也是可以形成控制点的地方。左边是全球开发者生态：一个 Qwen 发布后四条生产线同时启动，衍生资产回到 Hub 成为下一轮的原料，是复利系统；

右边是中国：Day-0 适配已经很快，但成果回不到公共工具链，是一次性交付系统。

我的第一反应不是“海外动作真快”，而是：为什么一个中国模型发布以后，最成熟的二次生产线不在中国？

一个细节比数字更说明问题：首日访问是 Qwen 团队主动给 Unsloth 的。Qwen 的发布页同时指向魔搭、Swift、LLaMA-Factory，国内工具有部署入口，但这个动作本身说明，Qwen 团队清楚：要让模型在发布当天迅速进入全球量化、微调和本地运行生态，就必须直接接入这些已经存在的国际工具链。

国产芯片这边并不缺适配。华为的 CANN 推出了社区版，昇腾、vLLM Ascend 快速跟进，AtomGit 昇腾专区里 GLM、DeepSeek、Kimi 系列的绝大多数模型已经完成适配；FlagOS 已经覆盖 18 家厂商、32 款芯片，新模型发布当天就能在多家芯片上跑起来。

这几年这类适配工作，结束语都是“某某模型已经支持”。但技术上支持了，开发者并没有因此自动过来。看到 Qwen3.8 这一轮，我更加清楚地意识到：问题已经不是国产芯片能不能适配。“支持”只是起点，适配之后有两道断点。

一是适配结果没有进入公共生产线。FlagOS 的多芯版本已经能发到 Hugging Face 和 AtomGit，但发布了不等于被使用，llama.cpp、Ollama、LM Studio 不会自动读取、登记、继续衍生。差距已经从“没有发布”变成“发布了，但没有成为默认工作流”。

二是适配结果没有进入统一的消费路径。开发者知道“昇腾已支持”，点一下 Run 仍然落在 CUDA 上，因为没有一张公开的“能跑、多快、多少钱”对照表，也没有路由和结算把它接成一条路。多套栈并存、精度格式各提各的，是这两道断点的原因；第三方衍生没有出现，是它们的结果。

差距不在一次适配的能力，而在把一次适配复制成数千次公共资产、并让全球工具默认读取的工业化能力。适配，是工程师证明一个模型能在某张卡上跑；适配工业化，是新模型发布后自动进入几十种芯片、格式和设备，产生标准元数据，可发现、可测试、可路由、可继续衍生。FlagOS 证明了前者开始可行，门槛已经移到后者。

苹果和高通把模型适配当成芯片销售的一部分：Qwen 越快进入 MLX 和骁龙，Mac 和 NPU 就越有价值。国内不少芯片公司仍把这类工作记在“生态费用”里。两个会计科目，决定了两种投入强度。

海外还有一整层专业做二次工程化的公司和个人，模型实验室负责造 Qwen，下面几十支团队同时向不同方向扩散。这一层能存在，是因为做这件事在那里能养活自己：衍生成果是全球可见的职业资产，资本愿意投工具公司，芯片厂和开发者都愿意付钱。这些环节在中国都还不够完整，同样的人只能进模型公司做交付，中国更多是模型公司自己承担全部链条。

模型的产业影响力 ≈ 模型能力 × 开发者生态乘数。

中国模型已经证明了第一个因子，缺的是第二个。

差距可以量化。Qwen 在魔搭首发，比 Hugging Face 早 24—48 小时，魔搭还给免费推理和免费 GPU 时长；但魔搭上的 Qwen 衍生模型约 3.4 万个，Hugging Face 上是 15.1 万个；Hugging Face 上 2.8 万个 Qwen 的 GGUF 转换版本里，Qwen 自己只发布了 54 个。主场、首发权、算力补贴三张牌全在手里，衍生生态的主力仍然去了海外。

为什么我特别看重衍生模型？基座模型只是起点，进入笔记本、手机、汽车、机器人和行业应用的，往往是量化、微调和硬件适配之后的版本。每个衍生版本又记录着基于哪个模型、什么格式、跑在什么硬件上。

几十万个衍生版本连起来，就是一张模型最终流向什么应用、什么算力的需求地图。谁掌握这张图，谁就不只是模型仓库，而开始拥有模型分发和算力需求的控制点。这个控制点中国最有机会拿：以 Qwen 为代表的中国模型已经形成全球规模最大的衍生生态，国产芯片适配版天然是中国自己的衍生，端侧和具身的衍生又是中国场景最密的。今天大量中国模型的衍生资产沉淀在 Hugging Face，这张需求地图也主要沉淀在那里。

为什么？因为 llama.cpp、Ollama、LM Studio、Unsloth 这些生产工具默认读写 Hugging Face，微调工具自动把基座模型写进元数据，衍生行为被工具链“自动记账”；开发者在那里发布得到的是全球可见的职业资产，在国内发布得到的是国内曝光。不是开发者每次选择平台，是工具缺省替他选了。

02 有平台，为什么开发者不默认用它

工具替开发者选平台，说明争夺既不在模型，也不在芯片，而在两者之间那一层——工具长在哪里，开发者就默认走到哪里。这条不用选、工具自动带着走的路，下文叫“默认路径”。这一层长期没有名字，先给它一个：本文所说的“AI 开发者基础设施”，指模型与芯片之间的基础层：模型 Hub（模型的分发平台和仓库）、Runtime（模型执行任务的底层运行环境）、推理引擎、Agent、评测、开发工具和算力路由（决定一次模型调用最终落到哪家算力上）。

中国第一次同时拥有三项过去没有的条件：世界第一梯队的开放模型，正在形成供给的国产芯片，以 CSDN 为代表的数千万开发者社区。但两端之间那一层很薄：中国有项目、无平台；有单点、无飞轮；有投入、无价值回收机制。

国内主要有两个平台。AtomGit 是开放原子开源基金会的官方平台，1200 万开发者，昇腾、鸿蒙、欧拉等华为开源生态落在这里，DeepSeek、GLM、Kimi 等国产模型也在这里同步首发（Qwen 除外），24 小时同步 GitHub 和 Hugging Face，提供的是基金会治理下的开放路径。魔搭是阿里云旗下的模型社区，千万级用户、17 万开源模型，DeepSeek、智谱、Kimi 等头部模型都在上面建立了官方发布阵地，证明了“云厂商交叉补贴开发者社区”在中国存在。但两者各自绑着一家芯片或一家云：分发层可以由单一厂商做，算力路由、芯片适配和结算这几层，单一厂商做不成默认。

两家还有一个共同的短板：用户结构高度集中在中国。第三方流量数据显示，美国只占 Hugging Face 访问的一小部分，大多数用户来自全球其他地区；Hugging Face 自己的报告则显示，中国模型贡献了它 41% 的下载。它的壁垒不是美国市场，而是全球开发者网络。中国贡献了供给，却没有一个自己的全球平台。国际化怎么破，放到第七节讲。

Hugging Face 是怎么变成默认平台的，这一点常被忽略。它 2018 年开源了 Transformers 的 PyTorch 代码库，全球开发者用它来加载和训练模型。这个库里写死了两行命令：一行从 Hugging Face 拿模型，一行把模型发回 Hugging Face。开发者每天写这两行，用着用着，模型就都存在那里了。

先让工具养成习惯，网站才成了默认的存放地。

中国规划生态平台，往往从"建一个网站"开始，却忽略了工具默认路径的重要性。

总结下第一问：钱能买服务器、算力和适配团队，但买不到默认路径；默认路径来自工具、标准、全球开发者和长期网络效应。而当工业化分发能力缺失，丢掉的不只是几个下载量，是整条产业链十年的慢性失血。那么，缺的这一层到底让我们损失了什么，这笔账又该记在哪里？

第二部分 · 为什么市场自己投不出来，这层价值该怎么算

先说底线。GitHub 曾因美国制裁限制部分地区账户，中国地区也出现过短时访问异常；华为失去 Google 移动服务授权后被迫重建移动生态。平台归属变化带来的风险是真实的。但本文更关心的不是某一天突然断供，而是平台始终可用的情况下，开发者关系、标准和工作负载仍持续沉淀在海外。急性断供是底线，慢性失血才是主题。

03模型在中国，价值为什么沉淀在海外

上篇结尾提过四种流失，这里把它展开成机制。中国缺少这一层的最大风险，在于持续十年的慢性失血，而非某一天 GitHub 或 Hugging Face 突然不能用：中国不断贡献更好的模型，国产芯片不断投入数千亿元，与此同时，开发者关系、模型标准、算力需求和 AI Infra 公司在海外生态中沉淀和成长。这种流失发生在四个方向：

价值流失的终局是一种新的产业分工，中国生产模型、海外经营生态，和制造业曾经“产品在中国、品牌渠道在海外”的结构一样；它还有一面最容易被忽视：Qwen 在 Hugging Face 上每多一个衍生模型、多一条下载记录，英伟达的需求雷达就多一条数据——中国最好的模型公司，正在给对手的芯片战略提供路线图输入。最值得芯片公司警觉的是算力流失：开发者平台对国产算力而言，不只是软件生态，更是需求基础设施，它不该记在开源宣传部门的账上，而是工作负载获取系统。

最后形成一个看起来很强、控制力不足的产业：

模型是我们的，生态不是；芯片是我们的，工作负载不是；开发者很多，默认工具不是我们的。

后果是：

对模型公司，开源的荣誉有了，衍生、用户反馈和下游收入都在别人平台上兑现，模型越好，替对手的生态添的砖越多。

对芯片公司，最致命：软件生态决定芯片被不被选，国产芯片能跑却不被点，产能会变成没有需求的产能，投的几千亿元回不来。

对整个产业，最慢也最深：标准、工具和 Infra 公司都在海外长成，中国永远在兼容别人定义的接口，接口本身可以对中国公司关门的，2019 年华为被制裁后，蓝牙技术联盟、Wi-Fi 联盟、SD 协会一度暂停其会员资格，连蓝牙这样的标准都能变成武器，模型格式、推理 API、Agent 接口没有理由例外。标准一旦变成默认接口，再想改写，成本会高得多。

04美国为什么能把开发者生态投出来

中国开发者很多、工程化，产品化能力也很强，为什么二十年没有长出 GitHub、Hugging Face、Vercel、HashiCorp 这一类面向开发者的独角兽公司？反过来看，美国为什么能持续把这一层投出来？

核心原因是：开发者基础设施创造的价值，远大于它自己能收到的钱。这一层在美国本身就是一门不小的生意，GitHub、Atlassian、Datadog、JetBrains 各自年收入几十亿美元；但它带动的价值更大：一个免费模型仓可能带来几十亿元算力消费，一个开源推理框架可能帮芯片公司卖出几十亿元硬件，这些收入不进平台自己的利润表。它像一条高速公路，收费站有收入，最大的收益却在沿线产业；如果只用收费站的账证明这条路的价值，投资天然不足。AI 时代这一层更重要：它决定模型在哪里跑、算力被谁消费，上篇讲的开发者控制点就在这里。

美国用三种机制补上了这个缺口。第一种是大公司的交叉补贴：微软免费做 VS Code 因为卖 Azure，Google 开放 Kubernetes 因为卖 Cloud，英伟达二十年投 CUDA 因为卖 GPU。第二种是资本市场为控制点支付战略溢价：Hugging Face 的1.5亿美元年收入解释不了 129 亿美元的收购价。第三种是开发者自己愿意为工具付费，而且这些工具相互开放接口，一个工具的输出可以直接成为另一个工具的输入，从 JetBrains 到 Cursor 都是开发者掏钱养大的。

中国前两种机制都明显偏弱：独立平台帮芯片、云、模型公司创造大量价值却拿不到外溢收益，资本市场又很难按几十倍收入为"开发者控制权"付价。第三种过去也缺，但 AI 时代第一次出现变化——Cursor、Claude Code 已经让中国开发者愿意真金白银购买生产力工具。

【同一个模型，全球主流生态六步自动闭环，中国为什么在三处断链】

上轨是全球主流工作流（美国平台与工具主导），工作流、资产、资金三个环同时闭合；下轨是中国，节点都有，但在工具默认读写、统一 Run 与路由、资产与钱回流三处断链。丝滑 = 默认连接 × 自动回流 × 商业反哺。来源：硅基时间

两条轨道并排，卡点一目了然。上轨的丝滑不是因为每个工具更强，而是每个工具都知道上一站在哪里、下一站去哪里：工具替开发者做选择，资产替开发者自动回流，钱再回到做工具的人手里，三个环同时闭合。下轨每个节点中国都有，断在三处：工具不默认读写国内平台，所以衍生和职业资产不回流；能适配但没有统一的 Run，所以开发者知道昇腾能跑，点一下仍然默认 CUDA；钱和资产回不来，所以工具公司只能做项目，成果留在客户和厂商文档里。

三处断链对应后文的三类解法：工具默认写入、统一 Run 与路由、让生态价值回到工具和平台。三个环同时闭合，中国才会从“有节点”变成“有飞轮”。

2026年，这三种机制已经变成真实价格。Fireworks、Baseten、Together、Modal四家推理与运行公司半年融资超过40亿美元；vLLM和SGLang团队刚商业化，成立的公司就分别达到8亿和4亿美元估值；模型路由层OpenRouter又以约80亿美元进入Stripe体系。OpenRouter每天处理超过10万亿Token，覆盖400多个模型——路由本身已经成为几十亿美元级控制点。

后训练时代，谁有高质量的人类反馈和评测数据，谁就决定模型最后一公里的质量：Meta斥资约143亿美元取得Scale AI 49%股份后，部分大客户迅速缩减合作，中立性立即变成商业价值；Surge几乎没有依赖外部融资就做到年收入超过10亿美元，市场估值已到数百亿美元级。评测机构LMArena商业化不到一年，估值已经达到17亿美元。美国资本不是偶尔投几个 AI 工具，而是在从分发、推理、评测、Agent 到路由，一层一层给 AI 开发者基础设施定价。而这些公司的创始人，从 Fireworks、Together、Inferact、RadixArk 到 LMArena、Scale、Surge，多数是华人。

按 AI 开发者基础设施的八层排列，除芯片层外每一层都有资本按控制点付价；多数标杆公司由华人创办。来源：硅基时间，数据来自各公司公告与公开报道

DeepSeek、Qwen、Kimi 证明中国不缺做模型的人，图里那一串华人创始人证明中国也不缺做工具和评测的人；差别在于做模型能在国内成公司，做工具和评测更容易在海外获得资本、用户和默认路径。

05 开发者平台应该怎么算产出：四本账

美国敢投这一层，因为它算的从来不只是平台收入。中国怎么算，先看回报。

我对这种回报曲线有切身体会。2012到2013 年，CSDN 帮英伟达在中国建 CUDA 社区，那个论坛只有一百多人，大部分是做科学计算的研究生，没有人觉得这会是一项影响中国 AI 产业的人才基础设施。2017 年我去大疆，汪滔请我吃饭，陪同的 AI 负责人一见面就非常热情：“蒋总，我是你的版主啊，CUDA 版版主。”他是港科大的研究生，他告诉我，当年那一小群活跃会员里，不少人已经成了 AI 公司的技术主管。

生态投入的回报曲线很反常：做生态很寂寞，需要耐心，前十年看不见，第十一年才开始兑现；等人人都看见价值的时候，再进场已经晚了十年。英伟达就是这样。CUDA 发布后的多年里，资本市场几乎没有奖励这笔...