截至 2026-07-08T10:34:26Z UTC，Hugging Face 2026 年春季开源报告里对 ai-china 有用的信号，并非中国模型受欢迎这一层表象。更有解释力的读法，是中国开放模型与开放权重模型正在变成依赖。它们已经不只是一批供人下载、再拿来与西方前沿模型对照的 checkpoint。它们越来越多地成为衍生模型、量化版本、适配器、本地运行时、agent 工具和国家级部署策略的基础层。[1][2]
这一区分需要保留，因为下载份额这一指标很容易被误用。一次下载不等于一个付费客户、一个日活用户，或一份生产负载。Hugging Face 和 Data Provenance Initiative 都提醒过，原始模型下载量需要过滤，因为自动化系统和旧 CI 路径会抬高计数。[1][2] 即便加上这层限制，方向仍然清楚：Hugging Face 称，中国在月度下载量和累计下载量上都超过美国，过去一年中国模型占下载量最大份额，达到 41 percent。[1] Data Provenance 论文用滚动窗口过滤更接近真实使用的下载，同样发现，在 2024 年 8 月至 2025 年 8 月创建的模型中，中国占下载量 17.1 percent，略高于美国的 15.8 percent。[2]
结果是一种新的杠杆。如果一个中国模型家族成为数千个下游制品的基础，影响力就会从“谁的模型卡分数最高”转向“谁的默认假设会随模型一起流动”。tokenizer、许可证、上下文长度、function-call 格式、量化方案、安全默认项、硬件路径和工具集成，都会随着模型扩散。当前局面的核心，正在于依赖面，而不只在于榜单。
图像背景：题图使用第一财经一张阿里云展位的真实照片，现场可见标牌把开源 AI 放在基础设施位置，抽象研究主张退到背景中。[5]
信号在衍生模型里
Hugging Face 2026 年春季报告称，平台在 2025 年已增长到 13 million 名用户、超过 2 million 个公开模型，以及超过 500,000 个公开数据集。[1] 这个规模本身重要，更有提示意义的是集中度。同一份报告称，下载量最高的 200 个模型只占模型总量的 0.01 percent，却贡献了全部下载的 49.6 percent。[1] 在这种集中度下，被反复复用的基础模型会在自身仓库之外塑造下游默认项。
Qwen 是最清楚的例子。Hugging Face 报告称，阿里巴巴拥有的衍生模型数量超过 Google 与 Meta 的合计，其中 Qwen 家族对应的衍生模型超过 113,000 个；若把模型标签计入，相关仓库超过 200,000 个。[1] Hugging Face 在 “DeepSeek Moment” 一周年后续文章中，用更具战略意味的语言描述了同一个事实：Qwen 的主要形态是一组持续刷新的模型家族，覆盖尺寸、任务、模态、Hugging Face、ModelScope、云渠道和应用入口，单一旗舰模型只占很小解释空间。[3]
因此，Qwen 或 DeepSeek 的下载量应被读成超出注意力的信号。它也能指向一种依赖选择：开发者需要本地模型，量化作者需要可压缩的基础模型，agent 工具作者需要广泛可识别的后端，公司需要先从开放权重起步，再决定是否购买托管推理。即使原始模型实验室没有逐一控制用例，这些下游决策仍会层层叠加。
采用循环与前沿竞赛不同
中美前沿模型竞赛仍然重要。但开放模型扩散有自己的节奏。USCC 2026 年 3 月论文认为，中国开放 AI 战略制造了一种反馈循环：广泛采用带来迭代，迭代又继续扩大采用。[4] 这个循环的门槛低于“每个中国模型在每个 benchmark 上击败美国最佳闭源模型”这种条件。它要求模型足够好、足够便宜、足够可改、足够可获得，从而在许多地方同时成为工程默认选项。
DeepSeek-R1 提供了模板。Hugging Face 的回顾文章把 R1 描述为降低了三道门槛：接触推理行为的技术门槛，宽松发布与下游改造带来的采用门槛，以及曾经把近前沿模型视作难以触及的团队所面对的心理门槛。[3] 关键变化的一部分是 R1 分数很高；更大的变化在于，团队可以下载、蒸馏、微调，并把它的行为整合进真实系统。[3]
这一模式有助于解释，为什么中国开放模型动能没有停在某一次发布之后。Hugging Face 指出，百度在 2024 年的 Hub 发布数为零，到 2025 年已超过 100 个；字节跳动和腾讯的发布数则各自增长了 8 到 9 倍。[1][3] 平台报告还称，2025 年新创建的热门模型常常由中国开发，或衍生自中国模型。[1] 这是一种发布节奏信号，而不只是声望信号。
依赖面为什么是运营问题
对采用方而言，运营问题应从“这个模型是否来自中国”推进到“这个基础层附带哪些契约”。一个依赖面包含多个部分。
首先是运行时契约。如果一个模型家族被广泛量化、经常由通用框架服务，并适配国产硬件或非 Nvidia 硬件，它就更容易被试用，也更难被替换。Hugging Face 的开源报告称，中国开放模型越来越多地发布时明确支持本土研发芯片；更广的模型世界也在推进量化、mixture-of-experts 架构和更小的可部署模型。[1][2]
第二是衍生契约。Data Provenance 论文识别出一个快速扩张的中介开发者层，他们会量化、微调、重新打包基础模型，并把模型适配到具体社区。[2] 这些中介开发者具备主动选择权。他们决定哪些基础模型变得方便，哪些格式扩散，哪些本地硬件路径获得配方，以及哪些模型能让非专家轻松运行。
第三是治理契约。开放权重和透明 AI 之间没有自动等号。Data Provenance 论文发现，数据透明度急剧下降：披露训练数据可用性的模型，其下载量占比从 2022 年的 79.3 percent 降至 2025 年的 39 percent；同时在 2025 年，开放权重下载量首次超过真正开源下载量。[2] 这在中国开放模型故事内部制造了一种张力：可用性上升，可审计性落后。
第四是主权契约。Hugging Face 把开放权重描述为一种工具，适用于希望开展本地微调、本土部署，并减少对外方控制云基础设施依赖的政府和机构。[1] 这对中国尤其相关，因为中国 AI 政策的目标是广泛进入工业与公共部门，而不仅限于消费级聊天机器人采用。[4]
观察什么
第一项观察，是中国模型家族能否继续把下载量转化为持久的下游工具。注意力峰值会很快消散；Hugging Face 称，开放模型的平均参与时长约为 six weeks。[1] 如果 Qwen、DeepSeek、GLM、Kimi、Hunyuan 及相关家族在这个窗口之后仍能持续产出有人维护的衍生模型、运行时支持和 agent 集成，依赖面就会增强。
第二项观察，是随着采用增长，透明度会改善还是削弱。如果开放权重发布成为常态，而训练数据披露继续下降，那么“开放”会保留部署优势，同时留下治理问题。[2]
第三项观察，是中国开放模型能否在中国之外变成隐形基础设施。最强信号不会是一篇病毒式传播的排行榜帖子。它会是一条西方或全球工具链，因为某个路径更便宜、更快或维护得更好，而安静地默认采用一个中国基础模型、一份量化方案、一个代码 agent 后端，或一个多模态组件。
收束后的结论是：中国开放模型领先不只是流行度竞赛。它是一场依赖竞赛。一旦开发者基于某个基础模型继续开发，继承它的 tokenizer，绕开它的限制，打包它的权重，并教会工具预期它的行为，即便下周出现新的 benchmark 冠军，这个模型家族也已经塑造了市场。[1][2][4]
来源
- Hugging Face, "State of Open Source on Hugging Face: Spring 2026"（March 17, 2026；平台增长、中国下载份额、衍生模型、模型集中度、硬件与采用说明）。
- Shayne Longpre 等，Economies of Open Intelligence: Tracing Power and Participation in the Model Ecosystem（Data Provenance Initiative / Hugging Face / MIT；下载方法、国家份额、中介层与透明度发现）。
- Hugging Face, "One Year Since the DeepSeek Moment"（January 20, 2026；DeepSeek-R1 采用影响、中国仓库增长，以及从模型到系统的竞争转移）。
- U.S.-China Economic and Security Review Commission, Two Loops: How China's Open AI Strategy Reinforces Its Industrial Dominance（March 23, 2026；开放模型反馈循环、Qwen 衍生生态与工业部署论点）。
- Yicai Global, "Alibaba Cloud Cuts Prices for Specific Overseas Markets in Global Expansion Drive"（October 14, 2025；本文所用真实阿里云展会照片的来源页面）。