中国拟限制顶尖AI模型出海，DeepSeek同步布局自研推理芯片

北京酝酿限制顶尖AI模型出海

据路透社报道，中国商务部在过去一个月密集召开会议，与国内头部AI企业展开磋商，讨论是否限制海外访问中国最先进的AI模型。参与磋商的企业据称包括阿里巴巴、字节跳动以及零一万物等初创公司，国家发改委官员及国家规划部门也参与了会议。

你可能没注意到，此次讨论的范围并不局限于闭源系统，还涵盖了开源权重模型——正是阿里巴巴的通义千问、字节跳动的豆包、零一万物的Yi系列等产品。

开源权重模型（Open-weight models）与完全开源模型存在本质区别：前者公开模型参数（weights），允许用户本地部署和微调，但不一定开放训练数据或完整代码。理解这一区别需要一些背景：所谓"模型权重"，是指神经网络经过大规模数据训练后固化下来的数十亿乃至数千亿个数值参数，这些参数本质上就是模型"学到的知识"的载体。从技术架构看，现代大型语言模型的权重文件通常以safetensors或GGUF等格式存储，动辄数十GB乃至数百GB，包含Transformer架构中注意力层（Attention Layers）、前馈网络（FFN）及嵌入矩阵（Embedding Matrix）的全部参数。公开这些权重意味着任何拥有足够算力的主体——从个人开发者到主权国家——都可以在完全离线的环境中部署、微调乃至修改模型，原始开发者对此几乎无法施加任何技术层面的限制。

这种"有限开放"策略让中国AI企业在全球开发者社区建立了强大的生态影响力。公开权重意味着任何人都可以在本地运行完整模型，无需联网调用API，也无需向原始开发者付费——这与仅提供API接口的闭源模型形成鲜明对比。以阿里巴巴通义千问为例，其在Hugging Face上的下载量已达数亿次，形成了大量依赖中国AI基础设施的下游应用。开放权重的核心战略价值在于：一旦开发者基于某一模型构建应用，便形成技术路径依赖，这与商业软件的"锁定效应"异曲同工。正因如此，这些模型是中国AI在海外建立声誉的核心资产：价格低廉、性能出色、部署门槛低。

自DeepSeek爆火以来，其开源模型在Hugging Face上广受海外开发者追捧。Hugging Face是目前全球最大的AI模型托管与协作平台，功能类似AI领域的GitHub，托管超过100万个公开模型和数十万个数据集。该平台于2016年在纽约创立，最初专注于自然语言处理工具，如今已演变为覆盖视觉、语音、多模态等几乎所有AI方向的综合性社区。Hugging Face之所以成为全球AI模型分发的核心枢纽，在于其构建了一套完整的互操作性标准：其核心是transformers库，为PyTorch和JAX框架提供统一的模型加载接口，使开发者只需三行代码便可加载任意托管模型；"模型卡片"（Model Card）规范通过标准化的元数据格式建立了可比较的信任基础。这套基础设施的网络效应极强：开发者在平台上积累的数据集、微调脚本和评测代码，形成了难以被单一企业私有平台复制的集体知识库。中国模型通过这一平台获得的不仅是下载量，更是被纳入全球AI开发者默认工具链的战略入口。DeepSeek-R1发布后数天内下载量即突破百万，远超其官方渠道的传播速度。其低成本、高性能的组合极具吸引力——据报道，某些版本性能已逼近美国顶尖模型，成本却不到对方的零头。这种开放性，正是中国AI走向全球的关键所在。若中国收紧开源权重的海外发布，可能意味着这类模型不再上传至Hugging Face，或仅提供经过"能力阉割"的版本，直接影响全球独立开发者对中国AI技术的可及性。

分级监管框架浮出水面

目前讨论倾向于建立一套按模型能力分级的监管体系：

• 基础开源模型：可能仅需向监管部门履行轻量级备案手续；
• 高性能模型：可能需要在公开发布前通过正式安全审查；
• 最敏感的前沿模型：可能被禁止公开发布，或改为仅限中国境内使用。

此外，会议还提出了两项值得关注的建议：一是将泄露或窃取专有AI技术的行为定性为危害国家安全并予以严惩；二是限制外资对中国AI初创企业的投资准入。综合来看，北京似乎正试图将前沿AI提升到与其他战略技术同等的地位——重心在于保护与管控，而非单纯的市场展示。

一场关于AI武器化的镜像博弈

这一动向与美国的政策方向形成了微妙对照。美国近期持续收紧对先进AI模型的出口管制，其法律依据主要来自《出口管理条例》（EAR）和《国际紧急经济权力法》（IEEPA）。EAR由美国商务部工业与安全局（BIS）负责执行，最初为规范实体商品出口而设计，其ECCN（出口管制分类编号）体系对有形商品的认定相对清晰，但在适用于无形的软件与模型权重时面临显著的法律诠释挑战——对模型权重这类"无形知识产权载体"的归类至今存在法律争议。IEEPA则赋予总统在"国家紧急状态"下宽泛的经济管制权力，近年来被频繁援引以快速推进技术管制措施。

2023年拜登政府发布的《先进计算和半导体制造出口管制》规则，以算力阈值（FLOP/s，即每秒浮点运算次数）为核心指标，对出口至中国的芯片和模型能力设置上限；2025年初推进的"扩散规则"进一步将管制延伸至第三国，防止通过转口规避限制。然而这一计量方式本身存在漏洞：随着MoE（混合专家）架构的普及，"激活参数量"与"总参数量"的分离使得FLOP/s阈值失去准确性——DeepSeek-V3的训练消耗算力远低于其参数规模所暗示的量级，恰恰证明了以单一算力指标衡量模型能力的局限性。部分原因是担心尖端系统可能被滥用于网络攻击、军事或情报领域。

值得注意的是，软件和模型权重的出口管制在技术执行层面远比硬件复杂——数字文件可通过网络瞬间传输，如何对"模型能力"进行可核查的技术认定，至今仍是各国监管机构面临的共同难题。与芯片不同，模型权重一旦公开发布便难以"收回"，任何人都可以在境外服务器上镜像托管，这使得事后管制几乎形同虚设。中国若建立类似分级框架，将面临相同的执行挑战。

而中方据报道也怀有类似担忧：先进的美国网络安全AI模型可能被用于发现并利用中国软件中的漏洞。双方站在对立面上，却怀着同样的恐惧——担心对方的模型被转化为攻击自身系统的武器。让模型具备防御能力的特性，恰恰也是让对方忌惮其存在的原因，这几乎演变成一场完全对称的镜像博弈。

管控收紧并非孤立事件

事实上，中国收紧AI管控已持续数月。据报道，监管机构正调查Manus等将业务迁往海外的中国AI公司，审查其是否存在规避出口限制的行为。今年6月初，政府审查范围已扩展至所有涉及中国资本与技术的跨境交易。

在企业内部，据报道阿里巴巴已要求员工停止使用Anthropic的模型及相关智能体工具，转而使用公司自研助手。无论这是否与政府会议直接相关，都契合中国当前打造"自主可控、封闭生态"的整体战略方向。

若政策落地，全球AI格局将生变

如果上述框架最终落地，将是一次重大政策转变。中国AI产业的全球声誉，很大程度上建立在"开放"的基础之上——阿里巴巴等公司主动公开模型权重，供全球开发者自由下载和二次开发。即便只是部分收紧，也会改变全球与中国AI产业的互动方式，并可能促使更多国际开发者默认转向美国实验室。

不过需要保持理性判断：目前尚无定论，实际规定或许没有传闻中那么严格。多方消息倾向于认为，限制可能仅针对尚未发布的前沿模型，而非现有的已发布产品。若真如此，对现有开源生态的实际冲击，可能远小于新闻标题所渲染的程度。但"开放权重"这一层面，无疑是最值得密切关注的核心焦点。

DeepSeek低调布局自研推理芯片

话说回来，另一则重磅消息来自DeepSeek。据路透社三位知情人士透露，DeepSeek已低调研发自有芯片约一年，旨在减少对英伟达和华为的依赖。

这款芯片专用于推理（即运行已训练好的模型），而非用于训练新模型。理解这一区别至关重要：AI芯片的应用场景分为训练（Training）和推理（Inference）两大类。训练阶段需要对数万亿个文本或图像token进行反复迭代，通过反向传播（Backpropagation）算法不断调整模型参数，这一过程对高带宽内存（HBM）和高精度浮点运算（FP16/BF16）要求极高——英伟达H100配备80GB HBM3显存，并提供900GB/s的NVLink互联带宽，正是为这种"全局同步"的并行计算模式而优化。通常需要数百乃至数千张GPU并行运算数周甚至数月。

推理阶段则截然不同：模型参数已固定，计算转向"自回归生成"模式，每次仅生成一个token，核心瓶颈从算力转变为KV Cache（键值缓存）的内存访问效率。芯片的任务是针对每一次用户请求快速生成输出，核心指标转变为首token延迟（Time to First Token）、每秒生成token数（Tokens/s）以及每瓦特吞吐量。推理芯片通常可以采用INT8甚至INT4等低精度量化格式，在大幅降低内存占用和功耗的同时保持可接受的精度损失。苹果A系列芯片之所以能在边缘设备上高效运行中等规模模型，正是这一优化方向的体现。从商业逻辑看，推理是AI产品化后的持续性成本，规模越大越关键——OpenAI每天处理数十亿次查询，推理成本占其运营支出的主要部分。

DeepSeek一直在秘密招募芯片工程师，且未发布任何公开招聘信息，同时已在接触代工制造厂商与存储芯片供应商。

为何选择此时入局硬件？

以模型研发闻名的DeepSeek入局硬件，时机耐人寻味。其早先推出的模型曾以极低运行成本震惊行业，甚至冲击了美国科技股市场——而该模型是在出口限制实施前使用英伟达H800芯片训练完成的。H800是英伟达专为中国市场"阉割"互联带宽后推出的H100替代版本，在单卡算力基本相当的情况下，多卡通信效率显著下降。DeepSeek工程师通过一系列算法创新（包括混合专家架构MoE和高效的内存管理机制）在受限硬件上实现了出人意料的性能，这一经历或许正是其决心在硬件层面主动出击的重要契机。自研推理芯片，既规避了训练芯片超高的技术门槛，又直接针对商业化规模部署的核心痛点，正是为了填补这一技术鸿沟：更好地管控成本与供应链，摆脱"有什么芯片用什么"的被动局面。

这一趋势并非DeepSeek独有。OpenAI已发布与博通合作的自研芯片，Anthropic据报道也在考虑自研路线。越来越多的AI公司开始寻求硬件自主权，而非单纯依赖算力租赁。

首次外部融资与市场局限

值得关注的是，DeepSeek在研发芯片的同时首次开启外部融资，据报道融资额约70亿美元，估值近550亿美元——对于此前刻意回避外部投资的公司而言，这是一次重大战略转变。

不过分析师也指出，鉴于英伟达已被挡在中国市场门外，DeepSeek的自研芯片恐怕也难以向海外销售，除非能获得更先进的制造工艺支持。目前中国最先进的国内代工能力主要来自中芯国际（SMIC），其量产工艺约为14nm至7nm级别，受制于无法获得ASML极紫外光（EUV）光刻机，其良率和密度与台积电的真7nm存在显著差距——而台积电已量产3nm并推进2nm。这一制造工艺的差距将直接制约芯片在每瓦特推理性能（Power Efficiency）上的表现，对数据中心规模部署的电力成本具有直接影响，在性能与能效上相较于台积电先进制程制造的英伟达Blackwell架构产品将面临先天劣势。因此，短期内在中国境外见到这款芯片的可能性不大。一旦研发成功，它将与阿里巴巴含光系列、百度昆仑芯片一起，成为华为昇腾的又一强劲竞争对手，共同构建中国AI算力的"自主可控"底座。消息传出后，英伟达股价在盘前交易中一度下跌。

结语

从限制开源出海到自研推理芯片，中国AI产业正在两条战线上同步推进"自主可控"战略。前者关乎中国AI在全球的开放形象与市场影响力，后者则指向对硬件供应链的深度掌控。无论最终政策力度如何，一个大方向已然清晰：AI正日益被视为国家战略资产，被纳入更广泛的技术竞争博弈之中。对全球开发者而言，未来的技术选型可能面临更多地缘政治因素的考量。

核心要点

核心要点

核心要点