通过比较主要公司的年化经常性收入，可以清楚看出美国与中国在人工智能业务上的差距。据 Quartz 援引 Rhodium Group 的估算，Anthropic 的年化经常性收入（ARR）约为650亿美元，OpenAI 则达到400亿美元。中国企业仍相距甚远：ByteDance 约为40亿美元；Alibaba 为24亿美元；Z.AI 为18亿美元；Moonshot 为10亿美元；MiniMax 为8亿美元；DeepSeek 则约为5亿美元。
这一比较需要作出一项重要说明。ARR 是 annual recurring revenue 的缩写，即年化经常性收入，并不等同于一个财年结束时确认的营业收入。它是根据近期收入增长速度计算得出的预测值，适用于衡量高速成长企业的商业发展速度，但不应与经审计的年度财务报表混为一谈。
即便考虑到这一点，差距依然显著。被分析的中国主要公司合计产生的收入，仅占 OpenAI 所获收入的一小部分，与 Anthropic 相比则更少。因此，人们或许会认为，美国已在人工智能领域拉开了难以缩小的距离。
但这一结论只说明了故事的一部分。
中国正推动其模型在境外得到越来越广泛的使用。而这一进展很大程度上依赖于一种恰恰会令每位用户难以带来高额直接收入的策略：价格低廉、开放权重且易于适配的模型。
使用更多，收入更少
2025年，中国企业和机构开发的模型在 Hugging Face——全球主要开放模型平台之一——上的下载量超过20亿次，占总下载量的41%，而美国开发者所占比例为31%。
Alibaba 的 Qwen 模型家族单独就累计获得超过14亿次下载，DeepSeek 则达到4.84亿次。这与收入数据呈现的图景截然不同：美国企业主导付费人工智能服务，但中国模型已在全球开发者、企业和技术社区中占据重要地位。
这种差异在很大程度上源于商业模式。
美国大型企业的大部分业务都围绕专有系统建立。企业和个人通过订阅、应用程序或 API 使用这些系统；供应商保持对基础设施的控制，并就服务使用收费。
相比之下，中国开发者推动了开放权重模型。这些模型的参数可以下载、在自有基础设施上运行，并根据具体需求进行调整。严格来说，它们并不总是完全开放的软件，因为许可证可能会规定使用条件，但与封闭模型相比，它们确实提供了更高的灵活性。
对于企业而言，这一差异不容忽视。企业可以在自己的服务器上运行模型，对敏感信息保持更强的控制，将其适配到内部流程中，并减少对外部供应商的依赖。在某些应用中，这还能够显著降低使用人工智能的运营成本。
价格作为优势
Rhodium Group 指出，一些公司正将最先进的美国模型保留给尤其复杂的任务——推理、精细分析、高级编程或高价值内容生成——而将开放且成本更低的替代方案用于常规或大规模工作。
并非所有任务都需要现有最强大的模型。文件分类、报告摘要、信息提取、内部回复自动化、大量文本处理或重复性代码生成，只要质量水平足够，都可以由成本更低的系统完成。
关键在于根据请求的复杂程度进行分配。一家企业可以将高级模型用于需要最高精度的工作，并针对重复性操作采用成本较低的另一种模型。在某些情况下，这种组合可将推理成本降低多达90%，但最终节省的金额取决于任务类型、使用量、基础设施和所选系统。
Coinbase 是该分析中最明确的案例之一。该公司在大幅增加开发人员令牌使用量的同时，成功将其内部人工智能支出减少了约一半。其采取的措施包括，默认使用成本更低的中国模型，例如 Zhipu AI 的 GLM 和 Moonshot 的 Kimi，用于那些不足以证明采用更昂贵模型具有合理性的工作。
开放模型的局限
中国的竞争优势也有其代价。任何人都可以下载并自行运行的模型，比每次使用都必须连接的专有服务更难实现商业化。
企业可以就云服务、技术支持、企业版本、开发工具或商业许可证收费。然而，当大量用户拥有可下载模型并能在自身基础设施上运行时，企业所能获取的收入就会更少。
一些中国开发者正试图通过更严格的许可证或付费服务来弥补这一弱点。这种平衡并不容易：收紧条件可以提高收入，但也可能降低这些模型的吸引力，而它们恰恰是凭借低成本和易于适配而得到广泛传播。
这一问题之所以重要，是因为开发下一代人工智能需要巨额投资。训练新模型需要数据中心、电力、先进处理器、技术人才以及雄厚的资金实力；如果没有不断增长的收入或公共和私人支持，这些条件难以维持。
芯片壁垒
中国还面临美国对先进半导体出口的限制。这些措施限制了中国实验室获取训练和运行大规模模型所需计算能力的渠道。
Alibaba 和 Zhipu 等公司已承认这一劣势。与此同时，Huawei 等制造商正尝试开发国内替代方案，并扩大芯片和计算系统的生产能力。挑战不仅在于制造处理器：还需要软件、网络、能源、集成能力以及足够的供应能力，以满足大型开发商的需求。
竞争不止于模型
Rhodium 的分析提出了一个超越短期收入的问题。即使开发者无法从每一次部署中获得可观收入，让一个模型被大规模使用同样可能具有战略价值。
如果不同国家的企业围绕某一特定模型家族构建应用、产品和内部流程，这项技术便开始成为其数字基础设施的一部分。例如，Qwen 已成为衍生模型的重要基础：Hugging Face 已统计到数以万计与 Alibaba 模型家族相关的变体。
中国在可能与人工智能交叉的领域还拥有强大的产业地位：电信、电子产业，以及 b
