英伟达开始采用中国开源AI模型，这条消息的分量，比多数榜单排名更重。行业消息显示，中国开源AI模型正被英伟达等海外科技企业采用，中国模型在海外商业化出现了新的合作路径。卖API之外，开源正在变成另一种出海方式，而且是更重的一种，前期铺的是社区和生态，先付出后收获。
但“英伟达采用”这件事的形态，需要先看清楚。英伟达研究团队基于MiniMax H3这一中国开源多模态模型，投入人力做视频生成模型的再开发，发布了Open-H3-Regenerate-2K，保留了H3的原始权重，在推理流程和精修模块上做系统性改造。同期英伟达还推出了“Local AI Initiative”，把DeepSeek V4 Flash和阿里Qwen 3.8纳入本地部署的官方支持范围，与Google和英伟达自有模型并列。这两件事的性质不同：基于H3做再开发，是英伟达在研究层面把一个中国开源模型当作基座来用；把DeepSeek和Qwen纳入Local AI Initiative，是英伟达在生态层面对中国开源模型做硬件适配和部署优化。它们共同说明的不是“英伟达站队中国模型”，是“中国开源模型已经进入全球AI基础设施的默认选项池”——当一个GPU巨头的研究团队和开发者生态开始围绕你的权重做适配，你就不再是一个“可选的替代品”，而是生态里一个绕不开的节点。
开源获客的逻辑和卖API完全两样
权重放开，海外企业可以下载、评估、私有化部署，试用门槛几乎为零。中国开源模型全球累计下载量已经突破100亿次，Hugging Face上过去一年41%的大模型下载来自中国研发的模型，OpenRouter热度前十里有六款出自中国厂商。a16z的合伙人给出的判断是，美国AI初创企业约八成在融资路演时采用的是中国开源模型，而非美国主流产品。西门子CEO对使用中国开源AI训练工业自动化模型的评价是“没有缺点”，理由是成本优势和参数定制的便利性。开源获客的效率，来自它把“信任建立”这个环节的成本压到了接近于零：企业不需要相信一家中国公司的品牌承诺，它只需要下载权重、在自己的环境里跑一遍、看结果能不能用。一旦用顺了，商业版、托管版和企业服务的转化就顺理成章。对企业客户来说，私有化部署还解决了数据不出门的顾虑，这在金融、医疗这类强监管行业是硬需求，也是API模式拿不到的订单，用得越深，替换成本越高。
但“用的人多”和“赚到钱”之间，有一条正在漏水的管道
开源模型普及的速度，和开源模型开发者拿到收入的速度，不在同一个方向上。Epoch AI的数据显示，在通过OpenRouter访问DeepSeek模型的客户支出中，DeepSeek公司仅获取了约8%的份额，其余流向了托管这些权重的第三方服务商。智谱AI的案例更陡：GLM-5.3 Flash发布权重后仅一天，OpenRouter上就有12家第三方服务商提供该模型的访问；20天后增至26家，其中8家的收费比智谱自己还低。智谱在该模型上的Token调用份额从88%骤降至22%，尽管模型总使用量增长了17%，智谱自身的日均Token处理量却下滑了70%。开源模型的竞争结构里，权重一旦放开，模型研发方在“分发”这一环上就不再拥有独占地位；任何有算力基础设施的托管商都可以用同一份权重、更低的价格对外提供访问，模型方从“唯一供给者”变成了“众多供给者中的一个”，而且往往不是最便宜的那个。中国六大AI开发者的总收入，截至2026年9月仅相当于OpenAI与Anthropic合计收入的10%左右；智谱的API毛利率在24.6%，Anthropic通过闭源模型实现的毛利率高达85%。开源打开的是一扇“被使用”的门，但门后面的收费站，很多时候不在模型方手里。
变现路径可以拆成四种，但四种路径的先后顺序不是可选项，是约束
第一条是云托管加收入分成，这是2026年最实质性的模式突破。月之暗面在Kimi K3的许可协议里设置了一条分级条款：个人开发者、高校和小型创业团队可以免费下载和使用权重；企业依托K3开展MaaS托管业务、且自身及关联方连续12个月相关营收超过2000万美元的，必须单独签订商业协议，按调用收入分成。Kimi K3已经接入AWS Bedrock，月之暗面此前寻求的分成比例最高到30%。智谱的GLM-5.3也通过亚马逊Bedrock接入，同样附带按用量分成的安排。这条路径的逻辑是用模型能力换议价权——只有当一个开源模型的能力足够强、海外云厂商不接就缺了一块供给时，分成条款才谈得下来；Kimi K3以2.8万亿参数、100万token上下文和在Frontend Code Arena上排在Claude与GPT之前的成绩，构成了这个议价权的底座。
第二条是企业部署按项目收费，附带定制微调。 这条路径的收入形态是项目制的，不是经常性的，但它的客户单价高、粘性强。一个欧洲制造企业把Qwen或DeepSeek部署在自己的产线上做质检或文档处理，付的不是API调用费，是部署实施、微调和运维的钱。这条路径的利润不在模型本身，在“把模型适配到具体场景”的工程能力上。
第三条是生态适配，靠工具链和插件留住开发者。 英伟达的Local AI Initiative本质上就是在做这件事：把DeepSeek V4 Flash和Qwen 3.8在DGX Spark和RTX GPU上做推理优化，让开发者用起来更顺、跑得更快。生态适配不直接产生模型方的收入，但它决定了模型方的权重在开发者手里的“默认位置”——一个在英伟达硬件上开箱即用的模型，和一个需要大量手工调优才能跑起来的模型，在开发者的选择序列里不在同一个位置上。模型方在这一层的收益是间接的：生态越大，云托管的分成谈判越有底气，企业部署的询单越多。
第四条是长尾增值服务，运维、升级、合规支持签成长约。这条路径的收入规模最小，但它的客户是那些已经把模型嵌进生产流程、不愿意中途更换的企业，续约率相对稳定。
四条路径的排序有一个硬约束：社区热度没起来之前，分成条款谈不动、企业部署的询单不会来、生态适配的优先级排不上。Kimi K3能向AWS要分成，前提是它在海外开发者圈子里已经跑出了实测口碑；一个下载量还在四位数徘徊的模型，即便在许可证里写了分成条款，云厂商也不会签。开源出海的收入曲线是后置的，前期的社区投入不是“成本”，是“拿到后面三条路径入场资格的门票”。
两条约束放在前面
数据合规这一条，在2026年的欧盟已经不是一个“出海之前搭好框架就行”的前置工作，它是一个有明确生效日期和罚则的持续性义务。 欧盟AI法案的GPAI义务从2025年8月2日起已经适用，委员会对GPAI提供者的处罚权从2026年8月2日起生效。开源模型享受的豁免是有边界的：普通开源GPAI模型可以豁免部分技术文档义务，但必须保留版权合规政策、公开发布训练内容摘要；具有系统性风险的模型不享受豁免，仍然需要做模型评估、对抗性测试、事件报告和网络安全措施。对于在欧盟自托管Qwen或DeepSeek的企业，合规身份需要先分清：自托管者通常是“部署者”而不是“提供者”，义务相对窄——员工AI素养、合成内容透明度、保留上游许可证和模型卡；但如果企业以自己的名义或商标将模型投放欧盟市场、或者对模型做了实质性修改，它就变成了“提供者”，需要承担完整的技术文档和版权政策义务。这个“实质性修改”的阈值，是自托管企业最容易踩线的地方：微调做到什么程度算“修改了模型”，在实务中需要逐案判断，而不是按“我只是调了参数”来默认安全。
算力成本这一条，需要把“自托管便宜”这个直觉拆开。 开放权重的API访问价格落在每百万token 0.09到0.60美元的区间，健康利用率下的自托管成本大致在0.30到0.60美元每百万token。自托管在健康利用率下和托管API的价格接近，它的成本优势只在“利用率足够高、且硬件已经沉没”的条件下才成立；一个利用率不足的自建集群，单token成本会显著高于托管。企业客户在决定自建还是托管时，算的不是“权重免费所以自建便宜”，是“我的推理负载曲线能不能把GPU的固定成本摊到足够薄”。模型方在这一层的角色不是“卖算力”，是确保自己的权重在主流硬件和推理框架上的效率足够好——推理效率每提升一档，企业自托管的成本曲线就往下移一截，自托管的经济性门槛就降低一层。
开源出海这条路刚跑通第一段。英伟达的采用、Kimi向AWS要分成、DeepSeek和Qwen在东南亚金融和电信系统里的部署，这些是“第一段”的路标；但第三方托管商瓜分走大部分终端收入、开源模型开发者的总收入仍只有闭源巨头的十分之一、欧盟的合规义务已经开始计时，这些是“第二段”要解决的问题。往后拼的不是“谁的权重下载量更大”，是谁能把开发者社区经营成气候、把云托管的分成条款谈成行业惯例、把合规和推理效率做成客户不需要自己操心的事。 采用变成依赖，靠的不是模型本身，是模型周围那一圈让人离不开的生态。