开发者生态的控制权之争 · 下篇模型是中国做的为什么后面的数千次创新发生在海外开发者平台从模型分发、开发者工具到算力路由中国缺的不是技术是默认路径。摘要如果只看结论读完下面五条摘要即可后文是证据、机制和行动方案。这篇文章真正追的是一条价值链大模型是谁做的只是起点谁掌握衍生、默认工具链和算力路由谁才拿走最后的产业控制力。第一中国已经有世界一流的大模型算力和芯片也在快速补上缺的是两者之间的工具链、开发者分发平台以及愿意长期为这一层买单的产业资本。没有这一层中国模型做得再强、算力铺得再多开发者生态的默认路径仍然掌握在别人手里。第二中国的适配能力已经不弱真正缺的是生态乘数。一个模型发布后能不能自动长出数千个量化版、微调版、端侧版和芯片适配版这些衍生资产能不能被默认工具链继续读取、登记和分发几十万个衍生版本连起来就是一张真实的需求图谱决定模型最终流向什么应用、什么芯片。第三工具链和分发平台这一层为什么长期没人投不是因为没有价值而是价值大量外溢。AI 开发者基础设施不只是“软件社区”更是国产算力的需求基础设施。它创造的价值并不只在平台收入里还流向芯片负载、模型生态和工具企业因此不能只算平台利润要同时算平台、算力、生态、投资四本账。第四复制 Hugging Face 没有出路。中国手里有三张牌——开放模型、异构算力与 Physical AI 产业场景、全球中立层的空位。真正要争的是下一代 AI 的两个控制点横向 Run Anywhere解决 AI 在哪里跑纵向 Agent Runtime解决 AI 怎么干活。Physical AI 是其中最紧迫的窗口大模型时代中国的工具链和生态落在了海外机器人时代不能再落后一次。第五第一步不需要再造一个大平台。先把“模型 × 芯片”的兼容、性能、成本做成公共层让开发者点一下就能在对应芯片上跑起来。跑通第一条路再让平台从真实使用中长出来。终局是中国发起、全球治理在下一代 AI 的规则和标准里占据主动。【图 AI 开发者基础设施中美对比】按层摆开中国是一根杠铃模型和芯片两端重中间六层空美国是一根均匀的栈。八层是果三行是因生态竞争力取决于最薄的一层。上篇《英伟达 129 亿美元买 Hugging Face 背后真正买的是开发者控制权》讨论了一个问题为什么英伟达愿意为 Hugging Face 支付远超其财务模型所能解释的价格我的观点是它买的不是一个模型网站而是模型分发、开发者关系和算力路由的控制权。上篇留下三个问题第一中国已经有世界级模型、国产芯片、数千万开发者和大量投入为什么全球开发者拿到中国模型默认还是在别人的平台和工具上用第二如果开发者基础设施自己不怎么赚钱它创造的价值去了哪里这本账应该怎么算第三一个既需要巨头级投入、又不能被任何巨头控制的基础设施谁来建、怎么建中国靠什么在全球竞争这篇有点长因为我想把这个问题从技术、商业一直追到投资和治理。但真正需要记住的其实只有三件事默认路径怎么形成这本账应该怎么算中国第一步能做什么。我做开发者生态 26 年过去一直把这个问题理解成平台经营问题。直到这一轮模型和开发者入口的变化我越来越看清这是产业底层机制问题。先看一个刚发生的现场。第一部分 · 有模型、有芯片、有投入为什么开发者默认还是用别人的01 一个中国模型发布后谁最先把它变成产品阿里的 Qwen3.8-27B 于 8 月 13—14 日开源。Unsloth 从 Qwen 团队拿到首日day-zero访问权限发布当天放出全套 GGUF 量化版本GGUF 是本地推理最常用的模型格式量化则是把模型压小到普通电脑能跑并接入自家桌面端mlx-community 很快出现面向 Apple Silicon 的多种精度版本LM Studio 社区也同步出现 GGUF、MLX 等本地运行版本下载量迅速到百万级。一天之内出现几十个版本靠的不是十几支团队各自加班而是开发者工具领域一条早已跑顺的流水线发现新模型、自动转换格式、自动量化、验证、上传每一步都是脚本。上一个模型已经把生产线建好了新模型只是又来了一批原材料。【 一个开源模型发布后生态乘数发生在哪里】衍生模型是模型价值兑现的地方也是可以形成控制点的地方。左边是全球开发者生态一个 Qwen 发布后四条生产线同时启动衍生资产回到 Hub 成为下一轮的原料是复利系统右边是中国Day-0 适配已经很快但成果回不到公共工具链是一次性交付系统。我的第一反应不是“海外动作真快”而是为什么一个中国模型发布以后最成熟的二次生产线不在中国一个细节比数字更说明问题首日访问是 Qwen 团队主动给 Unsloth 的。Qwen 的发布页同时指向魔搭、Swift、LLaMA-Factory国内工具有部署入口但这个动作本身说明Qwen 团队清楚要让模型在发布当天迅速进入全球量化、微调和本地运行生态就必须直接接入这些已经存在的国际工具链。国产芯片这边并不缺适配。华为的 CANN 推出了社区版昇腾、vLLM Ascend 快速跟进AtomGit 昇腾专区里 GLM、DeepSeek、Kimi 系列的绝大多数模型已经完成适配FlagOS 已经覆盖 18 家厂商、32 款芯片新模型发布当天就能在多家芯片上跑起来。这几年这类适配工作结束语都是“某某模型已经支持”。但技术上支持了开发者并没有因此自动过来。看到 Qwen3.8 这一轮我更加清楚地意识到问题已经不是国产芯片能不能适配。“支持”只是起点适配之后有两道断点。一是适配结果没有进入公共生产线。FlagOS 的多芯版本已经能发到 Hugging Face 和 AtomGit但发布了不等于被使用llama.cpp、Ollama、LM Studio 不会自动读取、登记、继续衍生。差距已经从“没有发布”变成“发布了但没有成为默认工作流”。二是适配结果没有进入统一的消费路径。开发者知道“昇腾已支持”点一下 Run 仍然落在 CUDA 上因为没有一张公开的“能跑、多快、多少钱”对照表也没有路由和结算把它接成一条路。多套栈并存、精度格式各提各的是这两道断点的原因第三方衍生没有出现是它们的结果。差距不在一次适配的能力而在把一次适配复制成数千次公共资产、并让全球工具默认读取的工业化能力。适配是工程师证明一个模型能在某张卡上跑适配工业化是新模型发布后自动进入几十种芯片、格式和设备产生标准元数据可发现、可测试、可路由、可继续衍生。FlagOS 证明了前者开始可行门槛已经移到后者。苹果和高通把模型适配当成芯片销售的一部分Qwen 越快进入 MLX 和骁龙Mac 和 NPU 就越有价值。国内不少芯片公司仍把这类工作记在“生态费用”里。两个会计科目决定了两种投入强度。海外还有一整层专业做二次工程化的公司和个人模型实验室负责造 Qwen下面几十支团队同时向不同方向扩散。这一层能存在是因为做这件事在那里能养活自己衍生成果是全球可见的职业资产资本愿意投工具公司芯片厂和开发者都愿意付钱。这些环节在中国都还不够完整同样的人只能进模型公司做交付中国更多是模型公司自己承担全部链条。模型的产业影响力 ≈ 模型能力 × 开发者生态乘数。中国模型已经证明了第一个因子缺的是第二个。差距可以量化。Qwen 在魔搭首发比 Hugging Face 早 24—48 小时魔搭还给免费推理和免费 GPU 时长但魔搭上的 Qwen 衍生模型约 3.4 万个Hugging Face 上是 15.1 万个Hugging Face 上 2.8 万个 Qwen 的 GGUF 转换版本里Qwen 自己只发布了 54 个。主场、首发权、算力补贴三张牌全在手里衍生生态的主力仍然去了海外。为什么我特别看重衍生模型基座模型只是起点进入笔记本、手机、汽车、机器人和行业应用的往往是量化、微调和硬件适配之后的版本。每个衍生版本又记录着基于哪个模型、什么格式、跑在什么硬件上。几十万个衍生版本连起来就是一张模型最终流向什么应用、什么算力的需求地图。谁掌握这张图谁就不只是模型仓库而开始拥有模型分发和算力需求的控制点。这个控制点中国最有机会拿以 Qwen 为代表的中国模型已经形成全球规模最大的衍生生态国产芯片适配版天然是中国自己的衍生端侧和具身的衍生又是中国场景最密的。今天大量中国模型的衍生资产沉淀在 Hugging Face这张需求地图也主要沉淀在那里。为什么因为 llama.cpp、Ollama、LM Studio、Unsloth 这些生产工具默认读写 Hugging Face微调工具自动把基座模型写进元数据衍生行为被工具链“自动记账”开发者在那里发布得到的是全球可见的职业资产在国内发布得到的是国内曝光。不是开发者每次选择平台是工具缺省替他选了。02 有平台为什么开发者不默认用它工具替开发者选平台说明争夺既不在模型也不在芯片而在两者之间那一层——工具长在哪里开发者就默认走到哪里。这条不用选、工具自动带着走的路下文叫“默认路径”。这一层长期没有名字先给它一个本文所说的“AI 开发者基础设施”指模型与芯片之间的基础层模型 Hub模型的分发平台和仓库、Runtime模型执行任务的底层运行环境、推理引擎、Agent、评测、开发工具和算力路由决定一次模型调用最终落到哪家算力上。中国第一次同时拥有三项过去没有的条件世界第一梯队的开放模型正在形成供给的国产芯片以 CSDN 为代表的数千万开发者社区。但两端之间那一层很薄中国有项目、无平台有单点、无飞轮有投入、无价值回收机制。链路中国有什么缺什么模型Qwen、DeepSeek、GLM、Kimi 已进入世界第一梯队—芯片 / 适配栈昇腾等国产芯片形成供给FlagOS 支持 32 款芯片CANN 部分开源多套栈并存精度与打包格式未与全球标准对齐没有跨芯片的默认路径推理引擎 / 工具链TileLang、SwanLab、LLaMA-Factory 是中国团队的开源工具vLLM/SGLang 有大量中国贡献没有全球默认标准没有默认写入模型分发有魔搭、AtomGit全球分发和衍生仍在 Hugging FaceCoding Agent多家在做缺默认入口算力大量智算中心缺统一算力路由与结算投入政府和企业持续投入缺长期资本回报机制国内主要有两个平台。AtomGit 是开放原子开源基金会的官方平台1200 万开发者昇腾、鸿蒙、欧拉等华为开源生态落在这里DeepSeek、GLM、Kimi 等国产模型也在这里同步首发Qwen 除外24 小时同步 GitHub 和 Hugging Face提供的是基金会治理下的开放路径。魔搭是阿里云旗下的模型社区千万级用户、17 万开源模型DeepSeek、智谱、Kimi 等头部模型都在上面建立了官方发布阵地证明了“云厂商交叉补贴开发者社区”在中国存在。但两者各自绑着一家芯片或一家云分发层可以由单一厂商做算力路由、芯片适配和结算这几层单一厂商做不成默认。两家还有一个共同的短板用户结构高度集中在中国。第三方流量数据显示美国只占 Hugging Face 访问的一小部分大多数用户来自全球其他地区Hugging Face 自己的报告则显示中国模型贡献了它 41% 的下载。它的壁垒不是美国市场而是全球开发者网络。中国贡献了供给却没有一个自己的全球平台。国际化怎么破放到第七节讲。Hugging Face 是怎么变成默认平台的这一点常被忽略。它 2018 年开源了 Transformers 的 PyTorch 代码库全球开发者用它来加载和训练模型。这个库里写死了两行命令一行从 Hugging Face 拿模型一行把模型发回 Hugging Face。开发者每天写这两行用着用着模型就都存在那里了。先让工具养成习惯网站才成了默认的存放地。中国规划生态平台往往从建一个网站开始却忽略了工具默认路径的重要性。总结下第一问钱能买服务器、算力和适配团队但买不到默认路径默认路径来自工具、标准、全球开发者和长期网络效应。而当工业化分发能力缺失丢掉的不只是几个下载量是整条产业链十年的慢性失血。那么缺的这一层到底让我们损失了什么这笔账又该记在哪里第二部分 · 为什么市场自己投不出来这层价值该怎么算先说底线。GitHub 曾因美国制裁限制部分地区账户中国地区也出现过短时访问异常华为失去 Google 移动服务授权后被迫重建移动生态。平台归属变化带来的风险是真实的。但本文更关心的不是某一天突然断供而是平台始终可用的情况下开发者关系、标准和工作负载仍持续沉淀在海外。急性断供是底线慢性失血才是主题。────────────────────03 模型在中国价值为什么沉淀在海外上篇结尾提过四种流失这里把它展开成机制。中国缺少这一层的最大风险在于持续十年的慢性失血而非某一天 GitHub 或 Hugging Face 突然不能用中国不断贡献更好的模型国产芯片不断投入数千亿元与此同时开发者关系、模型标准、算力需求和 AI Infra 公司在海外生态中沉淀和成长。这种流失发生在四个方向流失表现结果价值流失中国生产模型全球开发者在海外平台发现、Fork、量化、微调、部署中国得到模型影响力海外平台得到开发者关系、使用数据、衍生生态和算力需求算力流失开发者点一下 Run默认调用 CUDA、海外云和已优化的 Kernel国产芯片能运行但不被选择硬件差距被软件生态放大标准流失模型打包、量化格式、推理 API、Agent 接口、评测、计费全部在海外形成中国有产品却只能兼容别人定义的接口企业流失AI Infra 创业公司没有生态可借力只能自己找流量、做交付开发者工具退化成项目公司世界级 DevTools 公司长不出来价值流失的终局是一种新的产业分工中国生产模型、海外经营生态和制造业曾经“产品在中国、品牌渠道在海外”的结构一样它还有一面最容易被忽视Qwen 在 Hugging Face 上每多一个衍生模型、多一条下载记录英伟达的需求雷达就多一条数据——中国最好的模型公司正在给对手的芯片战略提供路线图输入。最值得芯片公司警觉的是算力流失开发者平台对国产算力而言不只是软件生态更是需求基础设施它不该记在开源宣传部门的账上而是工作负载获取系统。最后形成一个看起来很强、控制力不足的产业模型是我们的生态不是芯片是我们的工作负载不是开发者很多默认工具不是我们的。后果是对模型公司开源的荣誉有了衍生、用户反馈和下游收入都在别人平台上兑现模型越好替对手的生态添的砖越多。对芯片公司最致命软件生态决定芯片被不被选国产芯片能跑却不被点产能会变成没有需求的产能投的几千亿元回不来。对整个产业最慢也最深标准、工具和 Infra 公司都在海外长成中国永远在兼容别人定义的接口接口本身可以对中国公司关门的2019 年华为被制裁后蓝牙技术联盟、Wi-Fi 联盟、SD 协会一度暂停其会员资格连蓝牙这样的标准都能变成武器模型格式、推理 API、Agent 接口没有理由例外。标准一旦变成默认接口再想改写成本会高得多。04 美国为什么能把开发者生态投出来中国开发者很多、工程化产品化能力也很强为什么二十年没有长出 GitHub、Hugging Face、Vercel、HashiCorp 这一类面向开发者的独角兽公司反过来看美国为什么能持续把这一层投出来核心原因是开发者基础设施创造的价值远大于它自己能收到的钱。这一层在美国本身就是一门不小的生意GitHub、Atlassian、Datadog、JetBrains 各自年收入几十亿美元但它带动的价值更大一个免费模型仓可能带来几十亿元算力消费一个开源推理框架可能帮芯片公司卖出几十亿元硬件这些收入不进平台自己的利润表。它像一条高速公路收费站有收入最大的收益却在沿线产业如果只用收费站的账证明这条路的价值投资天然不足。AI 时代这一层更重要它决定模型在哪里跑、算力被谁消费上篇讲的开发者控制点就在这里。美国用三种机制补上了这个缺口。第一种是大公司的交叉补贴微软免费做 VS Code 因为卖 AzureGoogle 开放 Kubernetes 因为卖 Cloud英伟达二十年投 CUDA 因为卖 GPU。第二种是资本市场为控制点支付战略溢价Hugging Face 的1.5亿美元年收入解释不了 129 亿美元的收购价。第三种是开发者自己愿意为工具付费而且这些工具相互开放接口一个工具的输出可以直接成为另一个工具的输入从 JetBrains 到 Cursor 都是开发者掏钱养大的。中国前两种机制都明显偏弱独立平台帮芯片、云、模型公司创造大量价值却拿不到外溢收益资本市场又很难按几十倍收入为开发者控制权付价。第三种过去也缺但 AI 时代第一次出现变化——Cursor、Claude Code 已经让中国开发者愿意真金白银购买生产力工具。【 同一个模型全球主流生态六步自动闭环中国为什么在三处断链】上轨是全球主流工作流美国平台与工具主导工作流、资产、资金三个环同时闭合下轨是中国节点都有但在工具默认读写、统一 Run 与路由、资产与钱回流三处断链。丝滑 默认连接 × 自动回流 × 商业反哺。来源硅基时间两条轨道并排卡点一目了然。上轨的丝滑不是因为每个工具更强而是每个工具都知道上一站在哪里、下一站去哪里工具替开发者做选择资产替开发者自动回流钱再回到做工具的人手里三个环同时闭合。下轨每个节点中国都有断在三处工具不默认读写国内平台所以衍生和职业资产不回流能适配但没有统一的 Run所以开发者知道昇腾能跑点一下仍然默认 CUDA钱和资产回不来所以工具公司只能做项目成果留在客户和厂商文档里。三处断链对应后文的三类解法工具默认写入、统一 Run 与路由、让生态价值回到工具和平台。三个环同时闭合中国才会从“有节点”变成“有飞轮”。2026年这三种机制已经变成真实价格。Fireworks、Baseten、Together、Modal四家推理与运行公司半年融资超过40亿美元vLLM和SGLang团队刚商业化成立的公司就分别达到8亿和4亿美元估值模型路由层OpenRouter又以约80亿美元进入Stripe体系。OpenRouter每天处理超过10万亿Token覆盖400多个模型——路由本身已经成为几十亿美元级控制点。后训练时代谁有高质量的人类反馈和评测数据谁就决定模型最后一公里的质量Meta斥资约143亿美元取得Scale AI 49%股份后部分大客户迅速缩减合作中立性立即变成商业价值Surge几乎没有依赖外部融资就做到年收入超过10亿美元市场估值已到数百亿美元级。评测机构LMArena商业化不到一年估值已经达到17亿美元。美国资本不是偶尔投几个 AI 工具而是在从分发、推理、评测、Agent 到路由一层一层给 AI 开发者基础设施定价。而这些公司的创始人从 Fireworks、Together、Inferact、RadixArk 到 LMArena、Scale、Surge多数是华人。按 AI 开发者基础设施的八层排列除芯片层外每一层都有资本按控制点付价多数标杆公司由华人创办。来源硅基时间数据来自各公司公告与公开报道DeepSeek、Qwen、Kimi 证明中国不缺做模型的人图里那一串华人创始人证明中国也不缺做工具和评测的人差别在于做模型能在国内成公司做工具和评测更容易在海外获得资本、用户和默认路径。05 开发者平台应该怎么算产出四本账美国敢投这一层因为它算的从来不只是平台收入。中国怎么算先看回报。我对这种回报曲线有切身体会。2012到2013 年CSDN 帮英伟达在中国建 CUDA 社区那个论坛只有一百多人大部分是做科学计算的研究生没有人觉得这会是一项影响中国 AI 产业的人才基础设施。2017 年我去大疆汪滔请我吃饭陪同的 AI 负责人一见面就非常热情“蒋总我是你的版主啊CUDA 版版主。”他是港科大的研究生他告诉我当年那一小群活跃会员里不少人已经成了 AI 公司的技术主管。生态投入的回报曲线很反常做生态很寂寞需要耐心前十年看不见第十一年才开始兑现等人人都看见价值的时候再进场已经晚了十年。英伟达就是这样。CUDA 发布后的多年里资本市场几乎没有奖励这笔投入回报要等到深度学习爆发以后才出现那十年里它每年往 CUDA 里投的钱华尔街投资人每年都质疑。这段历史我有一个长篇演讲《英伟达 CUDA 生态构建分析从“通用计算”到“万亿霸权”的生态进阶》详细写过。【做生态是寂寞的成功的回报是丰厚的】英伟达市值发布 CUDA 的第二年跌去 77%此后七年没回到原点研发投入却持续增加深度学习爆发后才进入指数增长2026 年 8 月 5.25 万亿美元。来源硅基时间《英伟达 CUDA 生态构建分析》数据 companiesmarketcap、年报我自己长期面对的也是商业规模化问题。CSDN 有几千万注册开发者AtomGit 功能也不比海外平台少但平台直接收入有限一旦被要求短期证明利润就转向项目服务和私有化收费开发者投入反而下降。开发者平台又天然有网络效应后来者 90 分打不过已经成为默认路径的 70 分产品芯片和模型公司互相等对方来适配任何一家大厂独立建的平台又很难获得竞争对手的信任。这不是一家公司靠更努力就能填上的缺口。中国 IT 产业长期轻视对工具和生态的投入钱和目标都没有给到这一层考核把钱引向了别处产业基金按退出周期看项目智算中心按机柜和算力规模验收开源按仓库和活动数量验收。于是我们得到更多芯片、更多机柜、更多仓库却不一定得到更多默认工作流。错位不是偶然发生的是被考核指标设计出来的。过去对开发者平台和生态只算一本账—商业收入。但从生态战略上要同时算四本账平台现金流、国产算力增量、模型生态增量、生态企业股权价值。开发者基础设施有商业回报只是回报分散在四张不同的报表里。账衡量什么平台账商业收入与现金流算力账导流到国产算力的真实负载生态账模型衍生、标准与工具的采用投资账生态企业股权增值平台账看自身现金流算力账看给国产芯片带来多少真实负载生态账看多少模型衍生、工具和标准被采用投资账看围绕平台长出来的工具和 Agent 公司的股权价值。只有四本账一起算才能看到这一层的 ROI。英伟达愿意为 Hugging Face 付约 86 倍收入就是因为它算的从来不只是 Hugging Face 自己的利润表。CSDN 这些年作为创始人我一直在贴钱但从社区里长出来我投资的传智教育和聚合数据都成功上市投资回报远超平台自身亏损。有次和陆奇博士交流他讲微软为什么长期重视开发者盖茨认定开发者才是真正创造产业价值的人所以工具可以长期投入回报不一定来自工具本身。我后来一直想成立一支开发者工具生态基金把这件事制度化但靠个人和单个公司力量有限。第二问有了答案模型分发、推理运行、工具链和算力路由这一层创造的价值没有消失它进了芯片、云、模型公司和生态企业的报表。只算平台一本账永远算不平四本账一起算这一层才从“成本项”变成“产业投资”。中国缺的不是价值是把外溢价值收回来的机制没有人按四本账算也没有一个让受益者共同出资的载体。芯片公司该付负载获取成本云和运营商该付消费入口模型公司该付分发通道都不是赞助。谁受益、谁出资第三部分讲怎么建这个载体。第三部分 · 谁来建以及中国靠什么赢中国不是从零开始建设一个新平台而是把已经世界级的模型、已经投入巨大的算力、已经存在的工具和平台组织成一条全球开发者愿意默认使用的路径。这一部分回答三件事中国靠什么赢用什么机制建为什么现在做得成。06 中国靠什么赢三张牌终局不是“中国平台打败美国平台”。一个印度、德国或巴西开发者不会因为“中国需要自主可控”来用一个平台只会因为模型更多、格式更全、设备更广、部署更便宜、平台不偏向任何一家芯片或云。英伟达、AMD、高通、Google 都可以进谁性能好、成本低负载就落在谁那里。中国要争的是规则制定权不是排他权。回到开头那张中美对比图中国是一根杠铃两头重、中间空。八层是果三行是因模型和算力两端已形成能力分发、Runtime、认证、Agent、工具、路由六层有项目、无平台八层之下的三个机制层中国全部缺失美国每一层都有一个具体资产在收税。来源硅基时间图的最后三行比八层更关键美国的中间层厚托着它的是机制。资本溢价和巨头补贴第四节讲过了第三个是标准在自己手里Transformers、GGUF、MCP、CUDA 全是海外定义别人来兼容。这三套机制中国都只有局部实践。所以补中间层补的是机制而非几个项目。更值得警惕的是这套体系还在加速整合并购把中间层收进巨头的栈GPU 优势控制算力成本。中国面对的不是静态差距而是一套还在加速整合的体系。在这个格局下中国不是没有牌。手里有三张。第一张牌全球领先的开放模型供给。Qwen、DeepSeek 已经证明全球开发者本来就在主动使用中国模型中国争开发者有一个别人没有的起点Hugging Face 上 41% 的下载来自中国模型。平台不需要凭空创造需求首先要做的是把中国模型已经创造出来的全球需求转化成工具、标准和算力生态。第二张牌全球最丰富的异构算力和 Physical AI 产业场景。美国强在数据中心 GPU中国更有机会形成差异化的是云、国产芯片、PC、手机、汽车、机器人连起来的异构算力池。AI 的执行层正在从数据中心走向端侧1B 以下的小模型占 Hugging Face 历史下载的 83%2024 年全球新增工业机器人的 54% 装在中国。所以中国不该只追“英伟达上能不能跑”该争“同一个模型如何跨芯片、跨设备运行”。我把这个能力叫作Run Anywhere模型进入平台自动知道能在哪些芯片上跑、多快、多少钱页面上不再是下载模型而是 Run on NVIDIA、Ascend、Qualcomm、Robot。英伟达的 Lepton 做跨云中国做跨架构。战略警惕Physical AI 是下一个标准窗口也是旧剧本最可能重演的地方。云端 AI 的很多标准已经固化而机器人模型格式、VLA 接口视觉—语言—动作模型机器人“大脑”的一种、动作数据、端侧量化和硬件抽象仍在快速形成。中国第一次同时拥有模型、机器人本体、汽车和大规模工业场景这是少数有机会从“兼容标准”变成“参与定义标准”的领域。但旧剧本已经出现苗头Hugging Face 在做 LeRobot英伟达用 GR00T 和 Jetson 建机器人开发栈中国的机器人本体和 Qwen 这样的模型已经进入其中。语言模型时代中国贡献模型、海外沉淀工具链Physical AI 不能再重复一次。第三张牌全球中立层正在出现新的空位。所谓中立层就是不偏向任何一家模型、芯片和云的公共平台。Hugging Face 若进入英伟达体系Cursor 以 600 亿美元股票对价进入 xAI 体系巨头正在把中立层收进自己的栈。这就产生了一个需求有没有一个不绑定某一家模型、芯片或云的全球开放层海外开发者的痛点是算力贵和平台被绑定开放模型免费加上中国云与边缘算力的价格优势和不绑定单一 GPU 的算力路由能力差异化就在这里。我越来越倾向于认为中国最有机会做的不是另一个模型社区而是一套中国发起、全球治理、跨模型跨芯片的开放运行层全球开发者愿意用任何芯片和模型公司都可以加入。三张牌合起来指向一个终局只有一横一纵记住这两句就够了横向Run Anywhere——解决 AI 在哪里跑。纵向Agent Runtime——解决 AI 怎么干活。横向把模型送到所有异构算力回答“能不能跑、跑多快、多少钱、怎么部署”纵向是 Agent 运行环境负责权限、工具、记忆、沙箱和执行这些全球都还没有事实标准MCP 只定义了工具接口是少数中美几乎同时起跑的层。模型 Hub 只是两条轴交叉处的登记中心Registry不是战略终点。中国要争的不是第二个 Hugging Face而是下一代 AI 的默认运行层。技术路线到这里已经清楚。难的不是技术难的是在中国谁愿意为一个自己不能独占的平台长期出钱07 既需要巨头投入又不能被巨头控制怎么解第三问剩下的是组织问题。单一巨头钱够但中立不够纯基金会中立但没有商业激励纯创业公司效率高但扛不住十年低回报。中立不是让所有企业放弃控制权而是把“必须共同建设、任何一家独占都会失去其他玩家”的那一层单独拿出来商业竞争仍然发生在公共层之上。四个矛盾各有一个对应机制矛盾机制单一巨头控制中立性不够基金会治理持有开放规范、数据资产和中立承诺单一厂商投票权设上限基金会容易低效、变空壳市场化公司运营产品、社区、全球服务收入来自算力路由分成、结算、认证、企业版平台价值外溢没人愿意承担成本产业受益者共同出资芯片、云、模型公司按受益付费付的是开发者获客成本平台自身低利润资本回报不足生态基金捕获外部价值持有平台带动起来的企业股权基金会解决信任市场公司解决效率产业资本解决投入生态基金解决回报。巨头真正会问的不是“这个平台中不中立”而是为什么我要和竞争对手一起投因为这一层天然带有公共品属性。任何一家芯片公司自己做兼容层其他芯片厂都不会愿意把最真实的性能数据交给它任何一家云厂商自己做路由层其他云也不会愿意把真实负载交进去任何一家模型公司自己做分发层其他模型公司更不会愿意把开发者关系沉淀在那里。单一厂商可以做产品但很难做成行业默认。反过来如果这一层由中立主体治理各家拿到的是可以算账的商业回报芯片公司拿到真实工作负载模型公司拿到跨芯片、跨设备分发云和运营商拿到可计量的算力消费和结算入口工具公司拿到统一接口和全球流量。大家共同投资的不是一个竞争对手而是一块任何一家都想要、但任何一家单独拿走都会失效的公共市场。所以中立不是价值观是商业条件平台越中立参与者越愿意交出真实数据、价格和负载数据越完整路由越有效交易越多现金流越厚。中立性本身就是网络效应。其中最值得重新定位的是运营商。三大运营商有算力、有网络、有政企渠道也都在谈 Token 经济但今天的投入仍主要落在智算中心和机柜上。问题是Token 真正产生在模型被发现、被选择、被路由的开发者工具那一跳而这一跳今天更多掌握在 Hugging Face、OpenRouter 和海外云手里。如果运营商只建算力最后更像“发电厂”如果它参与开发者工具、路由、结算、适配和评测才有机会进入“调度层”。它不只是这套基础设施的客户也应该是最重要的产业股东之一。真正稀缺的资产也不是代码而是全球开发者真实使用行为沉淀出来的三张图谱第一模型衍生图谱。哪些模型正在被量化、微调、适配哪些衍生方向增长最快。第二开发者需求图谱。开发者真正使用什么模型、工具和设备哪些需求正在形成。第三算力流向图谱。哪些模型最终跑在哪类芯片、哪家云、什么成本下。这三张图谱直接影响芯片路线、云资源调度和模型公司的产品决策。正因为价值太大它们不能落在任何一家竞争者手里。治理权可以分散商业服务可以市场化但核心数据资产必须由中立主体持有任何单一会员不能独占。最后来回答全球开发者为什么愿意来国际化最难的不是把服务器放到海外而是让一个海外开发者愿意把自己的默认工作流放到这里。他不会因为“中国需要一个全球平台”来只会因为三件事。第一价值上比现有平台多一层。Hugging Face 强在模型分发这里要让开发者一眼看到同一个模型在哪块芯片上跑得最好、最便宜并且可以一键运行。第二治理上不属于任何一家。核心规范、兼容认证和三张关键图谱不归任何一家中国公司海外 maintainer 和非中国企业真正参与治理规则公开、变更可审计任何一家都没有事实否决权。第三技术上不另起炉灶。GitHub、Hugging Face、GGUF、MCP 已经形成的标准能兼容就兼容能双写就双写。中国要争的是在这些标准之上增加“跨芯片运行、成本比较、端侧和机器人适配”这一层而不是让全球开发者先学一套中国自己的格式和接口。国际化成功的标志不是海外注册用户规模而是三个信号海外 maintainer 主动提交适配非中国厂商愿意公开真实性能和价格全球开发者的真实工作负载开始经过这套路由。真正的国际标准不是被宣布出来的而是被全球开发者每天默认调用出来的。中国发起全球治理兼容现有标准争新增标准。治理解决的是“大家敢不敢来”最后还剩一个现实问题第一步到底怎么启动08 第一步怎么做从一张可运行的“模型 × 芯片”表开始要做成需要确信三件事。第一不是从零开始。中国已经有世界第一梯队的开放模型有正在形成供给的国产芯片有 FlagOS、CANN 这样的跨芯适配能力有 TileLang、SwanLab、LLaMA-Factory 这样中国团队做出的开源工具有 CSDN 数千万开发者的社区魔搭已经证明大厂可以长期投入模型社区AtomGit 则提供了基金会治理下的代码、模型和国产算力生态载体。缺的是把它们组织成一个跨厂商的默认路径。这是把已有资产组织成飞轮而非重新建设一遍。第二起点很小。如果只做一件事就是一张公开的表而且表上每一格都能直接跑。表回答一个问题一个开源模型在各家芯片上能不能跑、跑多快、花多少钱。行是模型列是芯片数据厂商自提、第三方复测。每一格旁边有一个“Run”看中哪一格点一下模型就在那块芯片上跑起来不用再找驱动、配环境、谈价格。DeepSeek 发布新模型的第二天开发者打开这张表看到它在昇腾上能跑、多快、多少钱点一下就用。今天没有这张表开发者最容易沿着已有默认路径点到英伟达。它不是新平台底座用现成的 FlagOS 和 CANN 开源社区版。做成的标志只有三件事模型和芯片厂主动维护它主流工具开始读取它真实工作负载开始经过它。这张表还需要两个支撑资本上让长期没人投的开发者工具获得产业资本标准上在 Agent Runtime 层建立开放协作避免身份、权限、记忆、沙箱再被各家重复定义。核心产品只有一个兼容与成本层也就是横向 Run Anywhere 的第一步资本和标准机制只是让它长期生长标准协作同时起纵向。第三结果可以验收不是无限期补贴。这是十年的基础设施但必须按三年建设周期、阶段性真实负载验收不看注册用户和仓库数量看有没有主流工具默认接入、模型自动衍生、真实的国产算力负载、海外开发者和交易流水关键假设 18 个月内必须验证。国内已有前车之鉴统一推送有标准、有厂商适配却没有成为默认工作流快应用有系统级入口也没有成为微信小程序那样的默认入口。加入厂商多、设备覆盖广都不等于生态。要验收的是默认工作流和真实交易。主管部门做三件事把模型分发、推理运行、工具链和算力路由这一层列为和模型、算力并列的基础设施科目验收看真实负载和工具默认接入不看机柜数和仓库数智算补贴和政企采购优先给通过公开兼容认证的芯片和模型。三件事做完钱会自己流向这一层产业基金有了可投的科目智算中心有了要真实负载的理由芯片和模型公司有了做公开认证的动力让已经投入的大量算力第一次有机会形成统一的需求入口。开放原子开源基金会具备现成的开源治理基础可以联合模型、芯片、云三方共同发起利益声明写在这里我是 AtomGit 的创始人AtomGit 是候选启动器之一治理权归基金会运营公司由产业共同出资用同一套公开指标接受检验。这一层每晚一年中国模型的衍生生态就多沉淀一年在海外平台国产芯片就多一年没有默认负载本该在中国成长的开发者工具公司就多一批留在国内做项目、多一批到美国成公司。不需要先造一个中国版 Hugging Face。先做一张所有模型公司、芯片公司和开发工具都离不开的表开发者真的开始在上面跑模型平台自然会长出来结语美国开发者生态平台是靠资本市场和并购把这一层投出来的每一层都有人按控制点付出溢价英伟达买 Hugging Face微软买 GitHubStripe 买 OpenRouterMeta 投 Scale。中国的资本市场不按控制点给平台和工具定价巨头也没有把生态当主业来补贴的习惯同一条路走不通就得用另一种方式解决同一个问题开放治理保证中立产业资本为外溢收益付费市场化运营保证效率。过去十年我们花了巨大代价回答有没有自己的芯片、自己的模型。上篇讲过美国用四十年、四代生态把抓开发者、定标准、收税练成了一套不假思索的打法下一步要回答的是中国的这些模型和芯片能不能成为全球开发者每天默认在用的工具底座关键在于中国能不能再用三到五年在 AI 时代把开发者工具和生态全面建起来。芯片决定 AI 能不能算模型决定 AI 能不能做开发者基础设施决定中国的芯片和模型能不能变成全球产业生态。也决定这一轮 AI 的全球税最后是中国在收还是中国在交。我另整理了一份内部方案需要的产业和政策同仁可以关注「硅基时间」私信交流。◇ ◆ ◇资料来源Unsloth 与 Qwen 官方发布页Qwen3.82026.08智源研究院、FlagOS 社区FlagOS 2.0 与多芯 Day 0 适配2026.03–08魔搭开发者大会2026.03Hugging Face《State of Open Models》春季及夏季报告2026Similarweb、Semrush 流量面板2025.11–2026.06TechCrunchOllama 融资2026.07IFR《World Robotics 2025》Hugging Face、英伟达、宇树官方公告ggml 加入 HF2026.02Isaac GR00T 参考人形机器人2026.06companiesmarketcap 与英伟达年报市值与研发年末近似值GitHub 事故与政策页2019、2025.04统一推送联盟、快应用联盟公开资料。交易状态以报道口径为准Hugging Face 收购尚未获双方确认。数字均为公开口径适合看结构不构成资产盘点。