谁害怕中国模型？
中国 AI 实验室正在发布强大且常常开权重的语言模型，在价格上压低美国“前沿”系统的同时也在能力上与之相抗衡，这引发了关于护城河、利润率，以及西方投资者是否严重高估了 OpenAI 和 Anthropic 等闭源模型提供商的争论。评论者讨论模型输出是否应当可以自由“蒸馏”为新模型，中国的进步有多少来自复制而非原创研究，以及政府是否会以保护主义禁令回应中国模型。许多人认为，随着模型商品化，价值和锁定效应将转向面向用户的工具和工作流；而另一些人警告说，监管俘获和国家安全话术可能被用来巩固现有的美国公司。
蒸馏、合理使用与服务条款
- 许多人支持将模型蒸馏合法化，并明确对互联网数据进行训练属于合理使用，认为这与前沿实验室训练自家模型的方式一致。
- 另一些人认为，禁止针对蒸馏的 ToS 条款要么不切实际（公司仍然可以禁止用户），要么是对私人合同的越权干预。
- 也有人作出道德上的区分：从“原始”的互联网数据训练被视为创造价值，而蒸馏另一个模型则被视为攫取价值；不过也有人说，筛选和清洗同样是在增加价值。
中国模型 vs 美国模型：能力、数据与策略
- 一些评论者认为，中国模型（如 Kimi、DeepSeek、Qwen、GLM）如今在许多任务上已经接近或可与美国前沿模型相当。
- 解释包括：强大的本土研究、规模化的集中式网络爬取与数据共享、来自应用和代理 API 的用户“轨迹”访问，而不仅仅是蒸馏。
- 也有人怀疑大规模蒸馏在经济上是否可行，或中国模型是否更高效；他们认为“被偷走护城河”的说法更像是前沿实验室的防御姿态。
经济学：成本、商品化与护城河
- 普遍认同推理有真实的边际成本（不同于传统软件），因此 LLM 更像一种商品化制造业务。
- 对谁拥有更好的单位经济效益存在争论：有人声称美国实验室在 token 效率和每任务成本上领先；也有人指出中国的电力和基础设施更便宜，以及开源模型成本正在下降。
- 许多人预计模型会商品化；价值可能转移到 SaaS、垂直工具或面向用户的“harnesses”上，不过也有几人认为这些 harnesses 很容易切换，不构成持久护城河。
开源 vs 闭源模型与安全
- 评论者认为，真正的区分与其说是“中国 vs 美国”，不如说是“开权重 vs 闭权重”。开权重便于审计、自托管和竞争。
- 有人指出，即使是开权重也可能隐藏后门；真正的保证需要开放代码和数据，以及巨大的重新训练资源。另一些人则建议用一个模型去审计另一个模型。
监管、国家安全与封禁
- 一些人预见或支持美国基于国家安全理由限制中国模型；另一些人担心此类禁令会巩固本土闭源实验室的地位，并且可能成为加强监控的借口。
投资者、估值与系统性风险
- 一些人认为，中国开源模型对美国高得离谱的 AI 估值构成直接威胁，尤其是那些押注长期高价 API 定价的实验室。
- 人们担心，如果这些估值崩塌，最终损失会通过公共市场和养老金被社会化承担。