Al AP数据流概念图
门罗风投那份报告，我是无意间翻到的。
近400名美国企业AI负责人，合计掌管40多亿美元AI预算。调研里有一个很扎眼的分层结论：在受访企业分配给开源模型的支出里面，89%流向中国模型。Kimi占61%，DeepSeek 15%，GLM 11%，Qwen 3%。门罗这家机构有五十年历史，投过Anthropic、Uber，不是靠耸动标题博流量的自媒体。
所以数字本身没有太多争议，我更关心的是另一个问题：这件事为什么读起来让人感觉错位。
不舒服的点在于它太安静了！
华盛顿那边在限制、在调查、向商务部写信，要求禁止政府承包商使用中国模型，国会委员会还专门问询DoorDash为什么接入中国开源模型。但这些政策声音，和企业端真实选型动作，几乎是两条平行线。
OpenRouter平台数据摆在那儿：平台内美国企业每周调用中国模型的Token占比，从2025年初的4.5%一路冲高至峰值46%。没有企业开会表决，没有公开声明站队，API账单就是最诚实的选票。
账很好算。
Kimi K2系列总参数一万亿，MoE架构把单次激活压到320亿，推理运行成本直接压到同类闭源旗舰产品的五分之一。基准测试中，Kimi K2.6性能可以咬住Claude Opus 4.7、GPT-5.5，但每百万输出token定价约4美元，便宜六到八倍。
OpenRouter份额趋势图
旧金山AI初创Lindy，二十几个人，AI API账单一度超过全员工资；切换到DeepSeek-V4之后推理成本下降约95%，一年省下数百万美元。Coinbase把GLM和Kimi设置为工程师默认模型，整体AI支出压缩近一半。
支付企业Revolut有公开信息显示，两千名工程师团队从Claude Code迁移至GLM自托管，推理成本降到原先约十分之一。这些企业选择迁移，没有一家是出于偏好，纯粹是财务算账。
它们换模型的底层逻辑很简单：继续为闭源模型的品牌溢价买单，商业模式在财务上已经走不通。
我越来越觉得，中国模型赢下的，并不是“技术制高点”这种宏大叙事，而是够用且便宜这个清晰的生态位。性能差距确实在持续收窄，布鲁金斯学会评估：在主流基准评测维度上，和美国顶级前沿模型的能力差距大约6–9个月。GLM 5.2在部分Agent基准上和Claude Opus 4.8只差一个百分点，成本却只有后者的五分之一。
黄仁勋的表态，比很多评论更直白：优秀的开源模型理应得到应用，如果全球只剩一套模型、单一故障源头，整个AI生态反而更脆弱。他作为芯片厂商当然有自身商业立场，但这句话捅破了一层窗户纸：企业要的是足够好用的推理能力，不是用来标榜的技术图腾。
服务器机房图
华盛顿这边的政策反应，在我看来充满错位感。
近200家硅谷初创企业联名致信白宫，反对一刀切切断中国开源模型的访问渠道，措辞尖锐，称禁令“无异于对智能征税”。信函警告，一旦渠道切断，数百家美国初创公司会直接难以为继，最终只会巩固少数闭源巨头的垄断地位。
这些创始人的焦虑，不在意识形态层面，而在现金流层面。他们付不起OpenAI、Anthropic持续走高的账单，中国开源模型给了他们一个活下去的低成本选项。
禁令如果落地，最先承受冲击的不会是国内AI实验室，而是旧金山那些二三十人规模、依靠低成本推理才勉强跑通单位经济模型的初创公司。
我觉得“89%”这个数字背后，藏着最真实的政治经济学逻辑：不是中国AI模型在“渗透”美国企业，而是美国企业自身的成本结构，正在把禁令叙事架在火上烤。
但我也不会把这件事，简单解读成“中国AI赢了”。还差得很远。
61%的份额，局限在开源模型这个细分池子；闭源前沿模型的大盘，依旧牢牢掌握在OpenAI和Anthropic手里。中国模型当下的优势，很大程度建立在工程效率与成本控制之上，底层架构、前沿训练范式上还不存在不可逾越的壁垒。
美国国会大厦
美国闭源巨头如果被逼到主动降价，或是华盛顿依靠政府采购、出口管制、数据合规杠杆强行改变企业的成本计算公式，这份份额不会静止不变。
恰恰因为这样，把这件事说成“中国模型领跑”或者“美国企业倒戈”都太简化了。
它真正的含义是：闭源模型长期维持的“贵有贵的道理”的品牌溢价，被一群算账的工程师、CFO，用一张张API账单撕开了一道口子。
这道口子会不会持续扩大，一方面看中国模型能不能在低价之外，持续稳住性能、迭代能力；另一方面看美国政策制定者，要不要接受一个他们并不情愿看见的商业现实。
在全球AI默认模型的争夺里，价格本身就是基础设施，而印在账单上的选择，很难靠一纸禁令彻底抹去。