当开源模型冲上2.8万亿参数，真正的战场已经转移了

“Kimi K3性能对标美国顶级模型，7月27日开源。”

看到BBC这条新闻的时候，我正坐在咖啡馆里等朋友。把手机翻过来扣在桌上，忍不住笑了一下。

2.8万亿参数。开源。

三年前，这个数字还是OpenAI的护城河。现在，一家中国创业公司说：我们做了，你们随便拿去用。

但真正让我在意的不是参数规模本身——坦白说，这个数字竞赛已经让我有点疲劳了。真正让我坐直的是另一条消息：xAI发布的Grok 4.5，走了一条完全不同的路。它没有堆更多参数，而是把1.5万亿参数的V9基础模型，用Cursor开发会话的数据重新训练了一遍。

两条新闻放在一起，拼出的图景很微妙。前沿AI的竞赛，正在从“谁的模型更大”悄悄变成“谁的生态更锁”。

开源不是慈善，是另一种围城

先说Kimi K3。2.8万亿参数，据Moonshot称性能对标OpenAI和Anthropic的旗舰模型。这个规模的开源模型，之前没人做过。

但别急着把它当成“中国AI追上来了”的叙事。虽然BBC确实在往这个方向写——说它显示中美技术差距正在缩小——但我觉得更值得关注的，是开源这个动作本身意味着什么。

Moonshot选择开源，不是做慈善。它在赌一个不同的游戏规则。

现在闭源模型的逻辑很简单：我训练一个超强模型，你通过API调用，每次调用给我付费。OpenAI靠这个模式年收入几十亿美元。但问题在于，这种模式下用户其实是被“锁”在API里的——换模型成本高、数据迁移麻烦、长期依赖单一供应商。

Moonshot的赌注是：如果你把模型本身开源了，开发者会基于它做二次开发、微调、本地部署。当全世界成千上万个工程师的代码都在你的模型上跑的时候，你就拥有了比API收入更值钱的东西——生态锁定。

这让我想起一个做AI应用的朋友前几天说的话：“我们本来用Claude，后来换了模型，迁移成本高得想骂人。但如果模型是开源的，我们在本地跑，想怎么改怎么改，谁还愿意回去被API绑定？”

当然，开源也有代价。你放弃了最直接的变现路径——API调用费。但Moonshot显然在赌一个更大的局：当你的模型成为基础设施级的开源标准时，围绕它长出来的商业生态会反哺你。

真正的护城河不是模型，是数据轨迹

再看Grok 4.5。xAI这次的做法很有意思——它没有追求参数规模的极致，而是走了一条“基础模型+领域轨迹训练”的路线。

什么叫轨迹训练？简单说，就是把Cursor开发工具里人类工程师写代码的完整过程——不是最终代码，而是从打开编辑器到写出第一行、测试、报错、修改、再测试的全流程——拿来训练模型。Grok 4.5不是学会了写代码，它学会了写代码的“节奏”。

结果呢？在代理工具使用方面排名第一。

这个信号比参数数字更有意义。它意味着前沿AI的竞争焦点，正在从“谁有更大的模型”转向“谁有更好的训练数据轨迹”。

参数可以堆，算力可以买，但高质量的人类行为数据轨迹——尤其是真实工作场景中的决策过程——是不可复制的。Cursor的几百万用户每天在平台上产生海量的开发行为数据，这些数据比任何公开语料库都值钱。

xAI和Cursor的合作，本质上是在做一件事：用真实的人类工作流，训练一个能模仿人类工作节奏的AI。这不是“让AI更聪明”，而是“让AI更像一个同事”。

说实话，看到这个思路的时候我有点羡慕。不是因为技术多先进，而是因为数据获取的门槛已经变了。过去是“谁有更多语料谁赢”，现在是“谁有更优质的行为轨迹谁赢”。而行为轨迹数据，天然被那些拥有大量活跃用户的产品所垄断。

监管才是真正的分水岭

就在技术竞赛白热化的时候，另一条新闻让我意识到，真正的战场可能根本不在技术上。

中国在5月发布了《人工智能代理标准化应用与创新发展实施意见》，明确提出AI代理召回机制。什么意思？如果一个AI代理出问题了——比如擅自执行了超出权限的操作——可以像召回汽车一样召回它。

美国呢？3月发布的国家政策框架不具约束力，各监管机构各自为政，连谁来管AI代理都没扯清楚。

这个对比太讽刺了。全球最先进的AI技术在美国，但最清晰的AI治理框架在中国。

Forbes那篇文章的标题直接点明了这一点：“中国计划AI代理召回，美国连谁管都定不了。”

这不是一个简单的“谁更会监管”的问题。这是两种发展路径的底层逻辑差异。

中国的逻辑：先把规则定清楚，企业在框架内跑。规则明确，意味着确定性——你知道边界在哪，反而敢大胆投入。
美国的逻辑：先让市场自由发展，出问题了再管。好处是创新速度快，坏处是——你看现在AI代理已经开始出现“擅自下单”“泄露用户信息”之类的案例了。

哪个更好？我没法给出绝对判断。但有一点很清楚：当规则开始落地的时候，那些在规则不明确时期野蛮生长的公司，可能要面对一次集体清算。

Workday因为AI招聘歧视被起诉，Meta因为用AI指标裁员被诉——这些都不是小案子。它们正在把“AI伦理”从一个会议室里的抽象讨论，变成法庭上的具体判决。

谁在定义“什么是好的AI”

回到开头那个问题。Kimi K3开源了，Grok 4.5靠轨迹训练拿了第一。技术进步在加速，但真正决定谁能活下来的，可能不是技术。

是治理权。

谁定义规则，谁就掌握游戏的走向。

中国在定义“AI代理应该怎么召回”，Cursor在定义“怎么写代码才是好的”，Moonshot在定义“开源模型的标准是多少参数”。每一个定义，都是在画一个圈。圈里的人按你的规则玩，圈外的人只能追赶。

当然，说这话的我，上个月还在用Excel管项目。一个连AI代理都没用上的人，在这分析全球AI治理格局，多少有点滑稽。

但有一点我越来越确定：未来五年，AI领域最值钱的资产不是最大的模型，而是最清晰的规则。 那些能同时搞定技术领先和规则制定的公司——或者国家——将会是真正的赢家。

而开源，只是这场争夺战的第一张牌。