DeepSeek 之后，中国开源AI生态走向AI+

本文为长文精华摘要，完整内容请查看原文。

中国有机的开源AI生态

自 DeepSeek R1 发布以来，中国首次形成了一个有机的开源AI生态系统。既有阿里巴巴、腾讯等老牌玩家，也有小米、美团等新入局者，甚至一些组织完全转向贡献于新的开放文化。

这种协作超越了国界：Hugging Face 上关注度最高的组织是 DeepSeek，第四名是 Qwen。除了模型，公开分享科学和技术不仅影响了其他AI组织，也影响了整个开源社区。Hugging Face 上最受欢迎的论文主要来自中国组织，即字节跳动、DeepSeek、腾讯和 Qwen。

阿里巴巴将开源定位为生态系统和基础设施战略。Qwen 并非单一旗舰模型，而是持续扩展为一个覆盖多种尺寸、任务和模态的家族，在 Hugging Face 和其自有平台 ModelScope 上频繁更新。其影响力并未集中在任何单一版本上，而是作为组件在不同场景中被重复使用，逐渐承担起通用AI基础的角色。到 2025 年中，Qwen 成为 Hugging Face 上衍生模型最多的模型，有超过 11.3 万个模型使用 Qwen 作为基础，超过 20 万个模型仓库标记了 Qwen，远超 Meta 的 Llama（2.7 万）或 DeepSeek（6 千）。从组织层面看，阿里巴巴的衍生模型数量几乎与谷歌和 Meta 的总和相当。

腾讯采取了不同的策略：专注于多模态和工具使用。其 Hunyuan 系列模型在图像生成、视频理解和多轮对话方面表现出色。腾讯将模型与内部业务深度集成，例如微信的智能助手和腾讯云的 AI 服务。腾讯的独特之处在于其“模型即服务”平台，允许开发者通过 API 调用模型，而无需关心底层基础设施。这种模式降低了使用门槛，加速了模型的实际应用。

字节跳动的豆包大模型在代码生成和长文本理解方面有优势。字节跳动将模型开源与内部业务（如抖音推荐算法）结合，形成了“研究-产品-开源”的闭环。豆包大模型在 GitHub 上的 Star 数增长迅速，显示出开发者社区的高度兴趣。

DeepSeek 的 R1 模型发布是一个转折点。它不仅是一个高性能模型，更是一个“工程可用的”系统。R1 的代码、训练数据和部署工具全部开源，降低了其他组织复现和改进的门槛。DeepSeek 随后发布了 R1 的多个变体，专注于推理优化、多模态扩展和特定领域微调。

小米、美团等以前只专注于应用层的公司，也开始训练和发布自己的模型。凭借其在真实使用场景和领域数据方面的原生优势，一旦通过开源以低成本获得强大的推理能力，构建内部模型就变得可行。这使得 AI 能够围绕其特定业务进行调优，而不是受限于外部提供商的成本结构或限制。

如果商业世界抓住了投资回报率为正的增长机会，研究机构和更广泛的社区则更愿意接受这种转变。北京智源人工智能研究院（BAAI）和上海人工智能实验室（Shanghai AI Lab） 等组织将更多精力转向工具链、评估系统、数据平台和部署基础设施，例如 FlagOpen、OpenDataLab 和 OpenCompass 等项目。这些努力并非追逐单一模型性能，而是加强了生态系统的长期基础。

未来的基础

新生态系统的定义特征不是模型更多，而是形成了完整的链条。模型可以开源和扩展；部署可以重用和扩展；软件和硬件可以协调和交换；治理能力可以嵌入和审计。这是从孤立突破到可以在现实世界中实际运行的系统的转变。

这个生态系统并非一夜之间出现。它建立在自 2017 年以来多年积累的基础设施“顺风”之上。过去几年，中国周期性投资于数据中心和计算中心，逐渐形成了以“东数西算”战略为中心的全国性、一体化计算布局。国家规划建立了 8 个主要计算枢纽和 10 个数据中心集群，将计算需求从东部引导至中西部地区。

公开信息表明，中国打算持续投资能源产能。截至 2025 年，中国的总计算能力约为 1590 EFLOPS，位居全球前列。中国消息人士称，专为 AI 训练和部署定制的智能计算能力预计将 以每年约 43% 的速度增长，远超通用计算。同时，数据中心平均电能利用效率（PUE）降至约 1.46，表明能效更好，为大规模 AI 提供了坚实的硬件基础。能源显然是一个关键焦点。

如果说 2017 年的“新一代人工智能发展规划”主要是设定方向和构建基础，那么 2025 年 8 月的“AI+”行动计划则明确将重点转向大规模部署和深度集成。这标志着与通用人工智能（AGI）在方向上的不同追求。R1 的出现提供了工程和生态系统层面缺失的“提升力”。它是系统性地激活已经建成的计算、能源和数据基础设施的催化剂。

因此，在 R1 发布后的一年里，中国的 AI 发展沿着两条主要路径加速。首先，AI 更深地嵌入工业流程，从聊天机器人转向智能体（Agent）和工作流。其次，更加重视自主可控的 AI 系统，体现在更灵活的训练路径和日益本地化的部署策略中。

回顾过去，真正的转折点不是模型数量的增长，而是 开源模型使用方式的根本性变化。开源从可选选择变为 系统设计中的默认假设。模型成为更大工程系统中可重用和可组合的组件。

回顾过去，展望未来

从 DeepSeek 到“AI+”，中国在 2025 年的道路并非追逐峰值性能。而是构建一条 围绕开源、工程效率和可扩展交付组织的实用路径，这条路径已经开始自行运转。

资源约束并未限制中国的 AI 发展。在某些方面，它们重塑了其轨迹。DeepSeek R1 的发布作为一个催化事件，触发了国内产业的一系列连锁反应，加速了更具有机结构的生态系统的形成。同时，这种转变为持续的国内研发创造了关键窗口。随着这个生态系统的成熟，其长期影响——以及全球 AI 社区如何与日益自我维持的中国 AI 生态系统互动——将成为未来讨论的重要问题。