随着成本飙升，中国人工智能模型在美国公司中占据一席之地

中国制造的人工智能模型在美国公司中越来越受欢迎，因为它们缩小了与美国领先竞争对手的性能差距，同时使用成本仍然低得多。

许多人认为，与 Anthropic 和 OpenAI 等领先的前沿系统相比，DeepSeek 和 Z.ai 等中国公司最近发布的模型具有很强的竞争力。这些能力的进步伴随着美国许多人工智能实验室最先进模型的代币价格上涨，使公司面临与使用该技术相关的意外高成本。

自 2 月 8 日以来，美国公司通过 OpenRouter（一个使开发人员能够访问一系列人工智能模型的平台）在中国人工智能模型上使用的代币份额每周都在 30% 以上，并且该数字高达 46%。过去 12 个月的平均值仅为 11%，2025 年上半年降至 4.5%。

中国开源和开放权重模型的崛起之际，美国政府越来越多地寻求监管其最强大的人工智能模型，并考虑如何阻止海外替代品的快速采用。

6 月底，OpenAI 表示将应政府要求限制推出一组新模型。 Anthropic 的 Mythos 和 Fable 模型的出口管制也于当月取消， 在特朗普政府与该公司之间紧张对峙之后。

智库布鲁金斯学会约翰·L·桑顿中国中心研究员凯尔·陈 (Kyle Chan) 对 CNBC 表示：“随着人工智能成本飙升，中国人工智能模式现在对美国公司特别有吸引力。” “以前美国公司无论采用何种模式都会优先考虑采用人工智能，而现在他们变得更加注重成本。”

随着公司希望部署人工智能模型来创造新产品并提高内部效率，工程师们越来越多地尝试更便宜的开源和开放权重模型，其中最有能力的模型是由中国公司制造的。

开源和开放权重模型使人工智能模型的不同部分可供开发人员检查、使用，有时甚至可以修改。它们不同于封闭系统，例如 OpenAI、Anthropic 和 谷歌，其中代码和内部工作原理仍然是专有的。

6 月，人工智能初创公司 Lindy 将 100% 的流量从 Anthropic 的 Claude 模型转移到了 DeepSeek，这是一家中国公司，该公司于 2025 年初发布了重磅炸弹，并于 4 月推出了新模型。

首席执行官 Flo Crivello 告诉 CNBC：“我们做到了，你可以看到成本曲线下降，就像坠落到地面一样。”他表示，这一决定将在几个月内为林迪节省数百万美元。

DeepSeek 在 5 月至 6 月期间在 Vercel 上的网关代币份额不断攀升，Vercel 是一个允许开发人员部署和运行应用程序和网站的平台。

Vercel 代理基础设施负责人 Harpreet Arora 告诉 CNBC，Z.ai 的 GLM 5.2 于 6 月大张旗鼓地发布，是 Vercel 追踪的 2026 年采用速度最快的模型。 “在推出后的第一周内，每日代币交易量增长了约 27 倍，使用它的客户数量增长了约 80 倍。”

“价格在这里发挥了作用，”阿罗拉说。 “当一项任务不需要最好的模型时，团队就会开始将其转向最便宜、足够好的模型，而最近来自中国的一波模型正在赢得这一交易。”

在 OpenRouter 从事数据和分析工作的 Justin Summerville 告诉 CNBC，中国的开源模型比领先的 Anthropic 和 OpenAI 模型“便宜 60% 到 90%”。

已联系 OpenAI 和 Anthropic 征求意见。

LaunchLemonade 首席执行官兼创始人 Cien Solon 告诉 CNBC，虽然 Claude 和 ChatGPT 仍然在受监管行业的人工智能代理平台 LaunchLemonade 上占据主导地位，但 GLM 5.2 目前已跻身该平台前五名的模型之列。

“像 Z.ai 和（阿里巴巴Cien 表示：“Qwen 正在成为企业的选择，因为它们为特定工作负载提供了有吸引力的性能和成本组合。拥有更成熟人工智能策略的企业越来越愿意在具有技术或商业意义的地方使用它们。”

中国AI模型的性能也在不断提高。

布鲁金斯学会的陈表示，虽然它们的“成本往往只是美国竞争对手的一小部分”，但它们的运营“接近美国顶级前沿模型”，估计它们目前落后美国顶级竞争对手“六到九个月”。

Summerville 说：“新的开源模型表现良好，并且证明能够胜任除最复杂的 LLM 任务之外的所有任务。”

在一项备受关注的代理基准测试中，GLM 5.2 与 Anthropic Opus 4.8 的差距只有一个百分点，成本约为 Anthropic Opus 4.8 的五分之一。一些研究人员表示，GLM 5.2 在某些网络基准测试中的表现可以与美国顶级实验室相媲美。

Crivello 在 X 上的一篇文章中表示，切换到 DeepSeek V4 提高了 Lindy 许多核心用例的性能。

Hugging Face 机器学习主管 Yacine Jernite 向 CNBC 表示：“我们看到公司越来越积极地转向更便宜的人工智能堆栈，他们可以自行控制和适应，并且考虑到开源和开放权重模型的现状，这通常意味着利用中国的选择。”

“存在一个真正的风险，即用户必须在高性能但昂贵的美国专有模型之间进行选择，这些模型的价格和可访问性会迅速波动，或者每当他们想要控制成本或拥有自己的人工智能堆栈时，将中国模型作为唯一可行的选择。”