Artificial Analysis 发了一条推文，标题是“前沿已经打开了”。
过去八天，四款前沿模型相继发布：Grok 4.5、GPT-5.6、Muse Spark 1.1、Kimi K3。Artificial Analysis Intelligence Index 得分超过 50 的实验室，从两个月前的 2 家变成了 6 家。
如果只看这一条推文，可以把它解读为“AI 竞争加剧了”。但如果把同一周发布的其他模型也放进来，会发现一个更大的叙事正在形成。
阿里发布 Qwen3.8，2.4 万亿参数，即将开源权重，在 Artificial Analysis 榜单上性能仅次于 Claude Fable 5。面壁智能发布 MiniCPM5-2B，2B 参数拿下 4B 以下全球性能第一，已适配华为昇腾、英伟达等 9 款芯片 Day0，即将开源。昆仑万维发布 Matrix-Game 3.5，5B 模型在 720p 分辨率下实现 20FPS 实时生成，核心架构已开源。面壁智能还开源了 MiniCPM-Robot，首个具身 AI 模型系列，包含视觉、语言、动作（VLA）一体化模型。
从端侧 2B 到前沿 2.8 万亿，从语言模型到具身智能，从文本到 3D 游戏生成，同一周内中国 AI 全链条出击。
数据来源：Artificial Analysis Intelligence Index 7 月榜、阿里云 Qwen 官方发布博客、面壁智能 MiniCPM 官方公告、昆仑万维 Matrix-Game GitHub 发布说明。
表面信息：各占山头
先看这些模型各自在做什么，一张地图就清楚了。
Kimi K3 是前沿阵地。2.8 万亿参数 MoE 架构，百万上下文窗口，7 月 27 日开放权重。在 Frontend Code Arena 总榜以 1679 分登顶第一，7 个前端细分赛道拿下 6 个第一。定价是每百万 token 输入 3 美元、输出 15 美元，而 GPT-5.6 Sol 是 5 美元、30 美元。性能更强，价格更低。
Qwen3.8 是生态阵地。2.4 万亿参数，已在阿里云 Token Plan、Qoder 等平台提供预览。官方同步预告了更小的本地可用版本，“你不需要等，现在就可以测试”。
MiniCPM5-2B 是端侧阵地。2B 参数在 AA-Index 榜单拿下 4B 以下最高分，原生支持混合思考与 512K 上下文，已适配华为昇腾、英伟达、AMD 等 9 款芯片 Day0。这是“什么芯片都能跑”的策略，不是让芯片适配模型，而是让模型适配芯片。
昆仑万维 Matrix-Game 3.5 是场景阵地。5B 模型 720p 实时生成 20FPS，这是“世界模型元年”的宣言，不是 AI 画一张图，是 AI 实时生成一个可交互的世界。
MiniCPM-Robot 是具身阵地。VLA 模型让机器人理解、记忆、执行。
这些阵地不是随机的。从基础模型到端侧推理，从代码到游戏，从虚拟世界到物理世界，这是一张完整的牌桌。
深层分析：不是参数竞赛，是价值网重建
主流的解读是“中国模型在追赶美国”。这是线性思维，看错了本质。
李善友在《颠覆式创新》里有一个核心判断：与其说企业与企业之间在竞争，不如说是这个企业所在的价值网和另一个企业所在的价值网在竞争。任何一个价值网都有边界，大公司能赢是因为垄断了所在价值网的资源，但过了这个边界，小公司就有机会。
OpenAI 和 Anthropic 的价值网是这样的：闭源 API、高定价（5 美元/百万 token）、企业客户、北美市场、英伟达单一芯片栈。这个价值网的逻辑是自洽的，性能领先、订阅收费、客户黏性高、规模效应强。
中国模型公司正在构建的是另一个价值网。开源权重、低价甚至免费、全球开发者社区、多芯片适配（华为昇腾、英伟达、AMD、国产 NPU）、端侧部署能力。这个价值网在 OpenAI 的体系内看起来是“低端替代品”，参数小、性能差、没有品牌溢价。但它有自己的优势：零边际成本的全球分发能力。
这就是低端颠覆的经典路径。从边缘切入，建立一个不同的价值衡量体系，然后逐渐侵蚀主流市场。
中国模型不是在和 GPT-5.6 比谁更强。它是在做一件更根本的事：让“用大模型”这件事变得不需要 GPT-5.6。一个越南开发者用 MiniCPM5-2B 写代码，一个肯尼亚创业公司用 Qwen3.8 做客服，一个巴西研究员用 Matrix-Game 3.5 做游戏原型，他们不需要 OpenAI 的 API，不需要付费，甚至不需要英伟达的 GPU。
这就是价值网切换。不是“替代”，是“换了一张桌子”。
创新机制：组合进化让开源池不断扩张
要理解开源为什么能持续追上闭源，需要回到创新的底层机制。
布莱恩·阿瑟在《复杂经济学》第 7 章“技术究竟是如何进化的”里提出了一个被反复验证的命题：新技术永远不是凭空出现的，而是由已经存在的技术组合而成的。新技术自身反过来又会作为构件，用于创造更进一步的新技术。阿瑟把这个机制叫做“组合进化”。
阿瑟和沃尔夫冈·波拉克 2005 年在计算机里做了一个实验：从一组最原始的逻辑电路（与非门）开始，让它们随机组合成更复杂的电路，有用的电路被保留并作为下一步组合的构件。结果，从单一的与非门，系统自展地生成了 8 位加法器、比较器、异或器。复杂技术的创造不是“无中生有”，而是“已有构件的重新组合”。
这个模型对理解 AI 开源生态有直接的预测力。闭源模型把所有技术锁在自己的 API 后面，相当于把“组合池”封死在自己公司里。开源模型把权重、训练方法、推理优化、芯片适配方案全部公开，相当于把构件放进公共池。每一个开发者都可以基于 Qwen3.8 或 MiniCPM5 做二次创新，这些二次创新又会变成新的构件。
组合池越大，涌现出新技术的速度就越快。这是开源相对闭源的结构性优势，不是道德优势，是数学优势。
理论边界：颠覆式创新对基础设施型技术的解释力有边界
需要承认一个边界。李善友的颠覆式创新模型最初是为消费电子、硬盘、钢铁这些“产品型行业”提炼的，核心动作是“低端切入、性能爬坡、最终替代主流”。这个模型对 AI 这种“基础设施型技术”的解释力有边界。
软件基础设施（Linux、Kubernetes、MySQL）的颠覆路径是“开源社区侵蚀商用市场份额”，最终开源几乎完全替代商用版本。但硬件基础设施（CPU、GPU、芯片制造）的颠覆路径完全不同，受制于晶圆厂、设备、专利墙，开源硬件至今没能在主流市场替代闭源。
AI 同时横跨软件（模型权重）和硬件（算力芯片）两层。模型层的开源侵蚀速度会非常快，因为软件的边际复制成本接近零；芯片层的开源替代会慢得多，因为硬件受制于晶圆产能和工艺节点。把颠覆式创新模型无差别套到 AI 全栈上，会高估开源在硬件层的替代速度。
关键变量：芯片适配策略的成熟
MiniCPM5-2B 适配 9 款芯片 Day0、Kimi K3 以每百万 token 3 美元定价（GPT-5.6 Sol 的 60%）、Qwen3.8 在 Hugging Face 上线 48 小时内获超 50 万次下载。这些数字比参数本身更重要。
数据来源：面壁智能官方公告、Moonshot AI 定价页、Hugging Face Qwen3.8 模型卡统计。
过去两年中国模型公司的最大瓶颈不是算法，不是数据，是芯片。美国对高端 GPU 的出口管制，理论上应该把中国锁定在“追赶者”位置。
但事实恰恰相反。芯片管制加速了一件事：模型优化不再是“让更好的芯片跑更大的模型”，而是“让同样的模型在更差的芯片上跑得更好”。
这不是劣势，是新的护城河。Kimi K3 用蒸馏技术以远低于美国模型的计算成本实现前沿性能。MiniCPM5-2B 在 2B 参数下原生支持混合思考，这意味着推理能力不需要靠堆参数，而是靠架构设计。
收益递增锁定的脆弱性
理解芯片栈的博弈，需要引入布莱恩·阿瑟在《复杂经济学》第 4 章的核心理论：收益递增与路径依赖。
阿瑟论证了一个反直觉的命题：在收益递增的行业里，某种技术一旦因早期的小概率事件获得领先优势，就会通过正反馈机制（更多采用者→更多经验→更快改进→更多采用者）最终锁定整个市场。但阿瑟同时强调了一个被忽视的推论：被锁定的技术不一定是潜力最优的，长期潜力较劣的技术也可能通过早期优势被锁定。
英伟达 CUDA 生态是收益递增锁定的教科书案例。早期开发者都在 CUDA 上写代码，导致后续所有人都不得不跟着用 CUDA，最终英伟达 GPU 占据了 AI 训练市场 80% 以上的份额。OpenAI 的 GPT 系列建立在 CUDA 之上，这构成了“英伟达硬件+OpenAI 模型”的复合锁定。
但阿瑟的理论同时指出，这种锁定有脆弱性。一旦出现一个完全不同的技术路径（比如不需要 CUDA 的推理栈），锁定就会从资产变成负债。这正是中国模型公司正在做的事：MiniCPM5-2B 适配 9 款芯片 Day0，等于绕过 CUDA 锁定，让“芯片+模型”的组合池重新多元化。
芯片管制实际上是逼着中国公司把模型优化能力训练出来了。而美国公司因为一直有最好的芯片可用，在这一点上反而落后了。
李善友在《颠覆式创新》里有一个判断：你所拥有的，最终会成为制约你的。英伟达的芯片垄断让美国模型公司习惯了“堆算力解决问题”的路径依赖。当中国公司用更差的芯片做出差不多的模型时，这个路径依赖就变成了美国公司的脆弱性，而不是优势。
三个情景下的未来推演
把上面的判断做成条件式推演，2026 到 2027 年的开源 vs 闭源格局有三种可能路径：
基准情景：开源持续逼近闭源。Qwen、Kimi、MiniCPM 每代性能差距缩小到 5% 以内，开发者生态形成正向循环（更多开发者→更多应用→更多反馈→更快迭代）。OpenAI 和 Anthropic 被迫分层，基础模型免费、高级功能收费。企业级客户仍愿为可靠性、合规、SLA 付费，但价格锚定从 5 美元/百万 token 下移到 2 到 3 美元。这是概率最高的路径。
上行情景：闭源反扑失败。OpenAI 和 Anthropic 试图通过 GPT-6 或 Claude 下一代重新拉开 30% 以上的性能差距，但由于开源组合池扩张速度过快，差距在 6 个月内被追平。开源模型在全球南方市场（东南亚、中东、拉美、非洲）的渗透率突破 50%，形成事实上的“第二标准”。OpenAI 被迫转向纯应用层（GPT Store、Agent 平台），不再以基础模型为核心商业模式。
下行情景：开源性能停滞。开源模型遇到 scaling law 的瓶颈，2B 到 7B 参数段的性能无法继续提升，而闭源通过 100B 以上参数的下一代模型重新拉开 50% 以上的差距。中国开源公司被迫转向垂直应用（端侧、具身、游戏生成），通用基础模型市场重新被 OpenAI/Anthropic 主导。这种情景的概率取决于 scaling law 是否真的存在硬上限。
三种情景的概率分布会动态变化。基准情景是当前最可能，但如果英伟达 H200/B300 系列交付延迟、华为昇腾 910C 出货超预期，上行情景的概率会上升。如果 OpenAI 在 2026 年 Q4 发布的 GPT-6 在 ARC-AGI-4 或 SWE-Bench Pro 上拉开代际差距，下行情景的概率会上升。
收尾：两条轨道并存，但重心在转移
低端颠覆有一个关键风险：从低端切入不等于永远处于低端，也不等于自动升级到高端。
中国开源模型在“让模型变得可用”这件事上做得极其出色。但“可用”到“不可替代”之间还有一段路。企业级可靠性、安全合规、生态完整性，这些是 OpenAI 和 Anthropic 仍然领先的领域。
但如果开源模型继续以现在的速度改进，2027 年的局面将不是“开源在追赶闭源”，而是“开源和闭源在两条不同的轨道上运行”。闭源走“超大参数、超高定价、超级可靠”的精品路线。开源走“适配任何芯片、零成本分发、全球开发者共建”的规模路线。
两条轨道会并存。但市场的重心在转移。
八天四款不是“中国 AI 崛起了”。是游戏规则变了。
参考链接
- Artificial Analysis Intelligence Index（2026 年 7 月榜单）
- Frontend Code Arena 公开榜单
- Moonshot AI Kimi K3 官方定价页
- 阿里云 Qwen3.8 发布博客及 Hugging Face 模型卡
- 面壁智能 MiniCPM5-2B 发布公告
- 昆仑万维 Matrix-Game 3.5 GitHub 发布说明
- W. Brian Arthur,《复杂经济学》第 4 章“收益递增与路径依赖”、第 7 章“技术究竟是如何进化的”
- 李善友《颠覆式创新》