近日，我接受了 Capgemini 凱捷咨詢研究院專訪，圍繞“AI 主權”的話題討論了開源與閉源模型的競爭格局、AI 時代的數據與控制權問題，以及中國在開源生態、工程效率與 AI 硬件上的獨特機會。

并不是每個國家都需要重造 OpenAI，但每個國家都需要擁有自主可控的 AI 能力。而基于開源模型構建本地化 AI 體系，或許正是大多數國家更現實的一條路徑。

以下文章轉載自 Capgemini 凱捷咨詢研究院：

李開復博士是零一萬物（01.AI）的創始人兼首席執行官，這是一家總部位于北京的人工智能公司，公司業務聚焦行業領先的產業大模型訓練和企業解決方案，由創新工場人工智能工程院塔尖孵化。他曾是谷歌全球副總裁兼大中華區總裁，擔任微軟全球副總裁期間開創了微軟亞洲研究院。李開復博士是《紐約時報》和《華爾街日報》暢銷書《AI·未來》（AI Superpowers）的作者，該書探討了中美兩國在人工智能未來中的角色及其對社會的影響。李開復博士在美國接受了計算機科學的教育，并將其職業生涯奉獻在了中美技術發展的交匯處。

01

交出AI控制權等于交出發展主動權

提問：幾十年來，您一直在中美兩國的技術、文化和地緣政治的交匯點上探索。 您如今如何定義人工智能主權，它為什么重要？

李開復：主權意味著很多層面。首先，它意味著對技術本身擁有控制權。 其次，它關系到數據安全。數據對任何企業而言都是核心資產，企業必須確保這些數據不會外泄。這樣的擔憂在全球范圍內都很普遍，只是在美國相對沒那么突出，因為美國市場對私有云的接受度更高。但在許多國家，企業普遍擔心：自己的敏感數據會不會被用于訓練另一國家開發的通用模型。

除此之外，還涉及“適配性”的問題。一個國家訓練出來的模型，往往天然帶有該國的價值觀和意識形態，而這些未必適用于其他地區。只有掌握模型的控制權，企業才能根據自身需求進行微調，使模型真正符合組織的業務環境與文化語境。相反，如果模型部署在第三方云平臺上，這種定制和調整能力就會受到很大限制。

提問：當北京、布魯塞爾和華盛頓都在談論人工智能主權時，他們談論的是同一件事嗎？

李開復：不完全是。不同的語境存在著不同的層次。

第一層是“適用性”。每個國家都希望擁有能夠反映本國語言、文化和法律規范的模型。比如在一些伊斯蘭國家，模型對于同性婚姻、酒精或宗教相關問題的回答方式，就需要與美國模型有明顯不同。確保模型符合當地法律、宗教和文化，是一種合理且普遍存在的訴求。

第二層則是國家層面的競爭雄心。一些國家認為，只有建立自己的模型，才能在這場技術競賽中占據一席之地。中國顯然抱有這樣的目標，日本、新加坡、沙特阿拉伯和印度也都公開表達過類似的野心。這種追求本身值得肯定。但有時，這樣的目標也可能過于理想化。因為并不是每個國家都具備從零開始訓練一個前沿通用模型的條件。美國擁有極其龐大的資源，中國同樣如此，而大多數其他國家并不具備這樣的資源基礎。

不是每個國家都需要重造OpenAI，但每個國家都需要有自主可控的AI。更現實的替代方案是基于領先的開源模型繼續訓練，使其適配本國特定的語言、價值觀和法規。這也是我認為除中美之外的大多數國家都應該采取的路徑。

更現實的替代方案是基于領先的開源模型繼續訓練，使其適配本國特定的語言、價值觀和法規。這也是我認為除中美之外的大多數國家都應該采取的路徑。

我所說的“繼續訓練”不同于簡單的微調。它更像是把開源模型當作一個“半成品”來繼續加工?？梢园阉斫鉃椋?strong>做一張披薩，不需要從種小麥開始。買來一張冷凍披薩，再根據自己的口味添加配料并重新烘烤。最終得到的，可以是“印度版披薩”，也可以是“日本風披薩”。經過“繼續訓練”的模型，就會成為更符合自身語境的產品。

更關鍵的是，這種方式的成本只相當于從零訓練模型的百分之幾：花費可能只是幾百萬美元，而不是數億美元。開源模型最大的意義，是它讓AI不再只是少數科技巨頭的游戲。

02

美國靠封閉賺錢，中國靠開源追趕

提問：美國的出口管制究竟會對中國人工智能的發展產生什么影響？

李開復：這其實是一把雙刃劍，目前還很難下定論。

GPU 出口限制只是雙刃劍的其中一面。另一面則是，中國公司普遍非常務實。如果你去調研這些公司，會發現它們中的絕大多數并不試圖擊敗 Anthropic 或 OpenAI。中國公司很清楚，自己不可能投入 500 億美元去訓練超大規模模型。中國公司能夠獲得的 GPU 資源本身就十分有限，其中一部分還是擴展性相對較弱的國產 GPU。在這樣的條件下，他們真正思考的問題是：怎樣才能把現有資源發揮到極致？

答案是極致的工程效率。DeepSeek（深度求索）就是最典型的例子。

當資源受到限制、但又有強烈動力去突破時，人們反而更容易在約束中實現創新。他們會優化模型架構，減少對 CUDA 的依賴，并將目標設定為“在現有條件下做到最好”，而不是一味追求絕對領先。

Necessity is the mother of innovation. 需求是創新之母。資源受限，有時是最好的創新催化劑。

中國公司在模型訓練上的投入，往往不到美國頂尖公司的 10%，卻依然能夠做出能力達到對方 90% 到 95% 的模型，與美國同行之間的差距也只有六到九個月。

中國公司擁抱開源，還有一個更深層的結構性原因：他們無法在閉源市場中取勝，所以中國公司選擇開放共享。

這更像是一種“學習小組”式的協作機制。并不是所有人坐在一起完成同一份作業，而是每個人都基于彼此公開發布的成果繼續構建，由此推動整體能力不斷提升。

相比之下，美國公司的模式更接近彼此獨立的研究者。每個人都相信自己有機會贏得“諾貝爾獎”，因此會對核心技術嚴格保密。而中國公司的行為邏輯則更像是：既然依靠個人力量無法贏得“諾貝爾獎”，那么就通過匯集各方成果，從而在集體層面上更加接近目標。

更深層的戰略問題在于：第一家實現通用人工智能的公司，是否會形成壓倒性的統治地位？另一種可能性是，最終會有四家美國公司和兩家中國公司，在彼此僅相差幾個月的時間內先后達到這一水平，并各自服務于獨立的生態系統。

如果回看歷史的發展軌跡，會發現開源模型通常落后于閉源模型六到九個月，而中國模型落后于美國模型的時間差也大致如此。如果這種模式持續下去，那么這場競爭可能不會以“贏家通吃”的局面而告終。但這仍有待觀察。

提問：哪些因素將最終決定主導模型？在人工智能或人工智能主權方面起步較晚，是否會使國家或公司處于絕對的劣勢？

李開復：“AGI 一旦出現就會碾壓所有競爭者”這種觀點，雖然不能完全排除這種可能性，但我認為發生的概率很小。與其擔心AGI碾壓一切，不如看清生態才是真正的戰場。即便未來是美國公司占據主導地位，我認為原因更可能在于它們建立起了強大的商業生態系統，而不是因為某次技術質變讓所有對手一夜出局。

第一個類比是 Windows。

Windows 的成功，并不是因為其他公司做不出類似的操作系統，而是因為大量應用建立在 Windows 之上，企業也深度依賴這一體系。由此產生的收入，又持續為后續開發提供資金，進一步鞏固 Windows 的領先地位。這種正向循環是切實存在且極具力量的。

從 Anthropic 的 Project Glasswing 等項目中，我們已經能夠看到類似趨勢。該項目只向美國頂級科技公司開放 Mythos 模型某些強大版本的獨家訪問權限。與此同時，Claude Code 也正在改變軟件開發的方式，而企業愿意為這種能力支付巨額費用。收入會繼續轉化為更多算力投入，而更多算力又會支撐更強的模型。這個循環一旦形成，就會不斷強化自身。

另外，在人工智能或“AI 主權”領域，起步晚并不必然意味著處于劣勢。事實上，開源模型反而為后來者創造了重要的后發優勢。

這里我想說的第二個類比是 iPhone 與 Android。

當人工智能真正進入全球大眾市場時，這種分化會變得更加明顯。美國模型的定價體系，本質上是面向高收入市場設計的。在封閉基礎設施上運行高級 AI 工具，成本非常高。

相比之下，中國模型的成本可能只有前者的六分之一到十分之一。因此，當 AI 開始大規模進入中國、印度以及其他新興市場時，美國的閉源模型很可能會因為價格過高，而被大量真實需求排除在外。

最終形成的格局，可能會非常類似于 iPhone 與 Android 的競爭。蘋果獲取了驚人的利潤，甚至可能超過所有 Android 廠商利潤的總和；但 Android 在全球用戶規模和市場滲透率上，卻明顯占據優勢。

AI 領域也可能出現類似局面：閉源贏利潤，開源贏市場。閉源模型贏得利潤率和生態控制力，而開源模型則贏得覆蓋范圍和普及程度。在這樣的格局下，“起步晚”并不意味著失去機會。真正重要的，是根據自身資源、目標和市場定位，選擇適合自己的路徑。

提問：公司和國家是否應該擔心少數幾個平臺會主導一切？

李開復：我并不認為最終會只剩下一種選擇，這很大程度上是因為開源已經形成了不可逆的趨勢。

從歷史經驗來看，未來更可能出現的格局是：一兩個占據主導地位的閉源平臺，與一個影響范圍極廣的開源生態系統長期并存。就像是 Linux 與 Windows、iPhone 與 Android。我認為，人工智能大概率也會沿著這一路徑演化。

但需要注意的是，這種競爭關系會在不同層面呈現出不同形態。模型本身是一層競爭，圍繞智能體構建的平臺和生態，則是另一層競爭。

像 OpenClaw 這樣的開放生態系統，正在逐漸成為智能體層的首選平臺。它們正在從根本上改變 AI 獲取和部署的成本結構。通過結合開源模型，OpenClaw 讓企業和開發者能夠構建起強大的 AI 工作流，而不必被綁定在某一家專有技術棧之上。

這一點尤其重要。因為對于很多國家、企業和開發者而言，閉源平臺過于昂貴，并不具備大規模普及的條件。

因此，我認為最終更可能出現的，并不是徹底壟斷的局面，而是一種長期共存的結構：一邊是擁有強大商業模式的閉源生態系統，另一邊則是覆蓋范圍更廣、全球影響力更強的開源生態系統。

開源生態的利潤率或許更低，但它應用門檻更低，也因此天然更容易普及。只有當市場只剩下單一選擇時，高度壟斷才會真正變得危險。而像 OpenClaw 這樣的開放生態系統，恰恰能夠避免這種局面的出現。

03

AI下半場的機遇，藏在中國硬件里

提問：您曾提出中國在物理AI、設備和制造方面具有結構性優勢。這種優勢能夠持續多久？

李開復：硬件和軟件，本質上是兩種完全不同的競爭。iPhone 剛發布時，美國公司幾乎掌握了全部優勢：產品設計、軟件工程能力以及全球市場渠道。當時，中國主要承擔的是制造角色。富士康當然也賺到了錢，但可能只有蘋果的零頭。

但今天，情況已經發生了變化。

如今，中國已經建立起幾乎能夠制造任何硬件產品的完整供應鏈和產業生態。從手機、PC，到機器人、工業設備，再到智能眼鏡、手表和可穿戴錄音設備等新型硬件，中國都具備成熟的制造能力，制造成本也明顯低于美國。

華為、小米和字節跳動都已經開始大規模布局硬件。過去支撐美國硬件霸主地位的那些壁壘，如今已經不復存在了。AI 時代的“iPhone”很可能是由中國設計、中國制造、中國品牌。

還有一個趨勢值得關注。我們正在進入一個由語音驅動 AI 的時代。語音識別技術本身正在接近“幾乎完美”的狀態，同時大語言模型最重要的能力之一，就是讓人與機器能夠通過自然語言直接交互。未來，大量記錄環境互動、工作交流和會議內容的設備，會持續生成一種全新的數據類型。

舉個例子，我每天都在使用字節跳動的錄音設備。公司里的每一場會議，都會被大模型捕捉、轉錄，并進一步用于分析。我不可能親自參加每一場會議，但借助 AI 分析，我實際上可以“虛擬地參與”所有會議。這會成為一種影響深遠的運營洞察工具。

如果把視角再拉遠一點，中國在大規模數據生成方面，其實也具備一定的文化優勢。

在 AI 1.0 時代，中國憑借龐大的人口規模和互聯網使用量，擁有明顯的數據優勢。在由大型語言模型主導的 AI 2.0 時代，這種優勢一度發生轉移，因為模型訓練所依賴的數據主要來自公共互聯網，而英語互聯網的數據質量明顯更高。

但現在，隨著音頻、視頻以及現實世界互動數據的大量涌現，中國的優勢正在重新回歸。這種優勢一部分來自規模本身，另一部分則來自文化環境。相比歐洲和美國，中國社會對于錄音和數據采集的文化抵觸相對更弱。

除此之外，中國政府的政策方向，也非常明確地聚焦于推動“人工智能+”賦能實體經濟。

中國經濟本質上仍然是一個制造業主導的經濟體。因此，國務院公開提出的重點方向之一，就是打造智能經濟新形態，推動重點行業領域人工智能商業化規?；瘧谩＿@種政策導向，進一步帶來了其他國家尚未形成的需求規模、產業關注度以及資金協同。

與此同時，中國的風險投資機構也更愿意投資硬件創業公司。因為他們普遍相信，中國在硬件領域具備天然優勢。中國制造硬件的成本更低、資金需求更少、產品迭代速度也更快。

04

大多數國家，不必從零重造OpenAI

提問：在“AI 主權”這件事上，您認為各國最容易犯的錯誤是什么？

李開復：最常見的誤區，是把問題簡單理解為只有兩種選擇：要么接受美國模型，要么從零開始訓練自己的模型。但現實并不是非此即彼。

真正存在的，其實是三種路徑。AI主權不是二選一。開源，就是那條最應被重視的第三條路。

第一種，是直接采用美國領先的閉源平臺，同時清楚認識到其中涉及的主權限制，接受在數據、控制權和自主性上的部分讓渡。

第二種，是從零開始構建模型，并試圖與美國和中國競爭。但如果選擇這條路，就必須認識到一個現實：對于大多數國家而言，這條路徑成功的可能性并不高。

真正現實的道路，不是重造OpenAI，而是基于開源建立自己的AI體系。這也就是第三種路徑，采用開源模型，再基于自身的語言、價值觀和監管要求繼續訓練。這條路徑成本更低，而且更具現實可行性。

• 關于凱捷集團

凱捷 (Capgemini)是一家由AI驅動的全球業務與技術轉型合作伙伴，旨在創造切實的商業價值。凱捷是一個負責任的多元化組織，集團成立于1967年，總部位于法國巴黎，在50多個國家擁有超過42萬名團隊成員。凱捷憑借深厚的行業專業知識和強大的合作伙伴生態系統，提供端到端的服務和解決方案，充分發揮戰略、技術、設計、工程及業務運營等方面的能力。集團2025年全球收入達到225億歐元。

• 原文出自 Capgemini Research Institute 官網
  

https://www.capgemini.com/insights/research-library/a-conversation-with-kai-fu-lee/