這份報告，目前是 OpenAI 內部論壇 OpenAI Forum 的第一條

OpenAI Forum 截圖

本文觀點，均來自 OpenAI Global Affairs（國際事務部）

具體來說，是專門做情報分析的組
OpenAI's Intelligence & Investigations Team

同時...這個內容，也留了公開鏈接，可以自行訪問
https://openaiglobalaffairs.substack.com/p/deepseek-at-1

Take Aways

OpenAI 的核心判斷

• ? 美國在模型能力上繼續(xù)領先，尤其是科學和復雜推理

• ? 中國在部署廣度和價格競爭力上取得實質進展

• ? 算力是中國的真正瓶頸

OpenAI 點名的中國公司

三家公司，在報告中被點名：DeepSeek、智譜、阿里
其中，重點提到了智譜，以及其上周港股 IPO 的事件，OpenAI 認為這是一個標志：

北京，愿意把模型公司，變成國家基礎設施

2026 年的三個關鍵問題

• ? 美國模型能否擴大實際有用性的領先優(yōu)勢

• ? 中國能否建設足夠算力

• ? 中國能否大規(guī)模部署

一個值得注意的判斷

OpenAI 在文末說：

以上判斷隨時可能變化，甚至可能出現(xiàn)像 DeepSeek R1 首次發(fā)布那樣的地震級沖擊 如果發(fā)生的話，可能在硬件側

相互印證
路透社于25年12月發(fā)布「中國如何建立自己的曼哈頓計劃，來對抗西方 AI 芯片」，OpenAI 援引了這份報道

緊隨其后，智譜聯(lián)合華為發(fā)布了 GLM-Image，從數(shù)據(jù)預處理到大規(guī)模預訓練，全程跑在昇騰 Atlas 800T A2

挺有意思的

下面，讓我們先看原文
然后，我會結合里面的鏈接，基于原始信息進行拆解

原文 The DeepSeek moment at 1

/ DeepSeek 刷屏后的一年

A year after DeepSeek-R1 jolted the AI race, the US/China outlook is complex and challenging to forecast due to many variables at play. Here's what we know today, subject to change – or even another seismic shock like DeepSeek's first release brought. (Which, if it happens, could be on the hardware side.)

DeepSeek-R1 發(fā)布一年后，中美 AI 競爭格局變得復雜，難以預測——變量太多。以下是目前掌握的情況，隨時可能變化，甚至可能再次出現(xiàn)像 DeepSeek 首發(fā)那樣的地震級沖擊（如果發(fā)生，可能會在硬件側）

The US continues to lead on model capabilities, and US models also have maintained a meaningful lead in science and more complex reasoning. But China has made real progress in deploying models widely and cheaply.

美國在模型能力上仍保持領先，在科學和復雜推理任務上也維持著明顯優(yōu)勢。但中國在模型的廣泛部署和低成本運營上取得了實質性進展

On benchmarks, Chinese systems made up ground quickly in 2024, but despite headlines following DeepSeek-R1's release a year ago, China's progress in 2025 was uneven as US export controls limited access to the computing power needed to train and run frontier models.

從基準測試看，中國系統(tǒng)在 2024 年快速追趕。但盡管 DeepSeek-R1 發(fā)布后引發(fā)大量報道，2025 年中國的進展并不均衡——美國出口管制限制了訓練和運行前沿模型所需的算力

What has changed more decisively is depth and deployability: China now has a broad field of near-frontier models, many of them open-weight and aggressively priced, making them easier to deploy across industries and government systems.

真正發(fā)生明顯變化的是深度和可部署性：中國現(xiàn)在擁有大量接近前沿水平的模型，其中許多是開源權重（Open-weight）且定價激進，更容易在各行業(yè)和政府系統(tǒng)中部署

Usage data reflects that shift. On OpenRouter, Chinese open-source models grew from 1.2% to nearly 30% of weekly activity at their 2025 peak. Inside China, state-backed firms such as Z.ai (formerly Zhipu AI) are rolling large models into public-sector workflows, and Z.ai's IPO last week in Hong Kong signals Beijing's willingness to turn model builders into national infrastructure.

使用數(shù)據(jù)反映了這一轉變。在 OpenRouter 上，中國開源模型的周活躍占比從 1.2% 增長到 2025 年峰值時的近 30%。在中國國內，Z.ai（原智譜 AI）等國資背景公司正在將大模型接入公共部門工作流；Z.ai 上周在香港 IPO，表明北京愿意將模型廠商打造成國家基礎設施

Yet Chinese constraints are real. Training delays, outages, and delayed next-generation releases point to a persistent bottleneck: compute. Demand for advanced US chips from Chinese AI companies remains high, underscoring how difficult it is to scale frontier models without reliable access to cutting-edge hardware. Meanwhile, export controls on US chips, and Chinese government views on imports of US chips continue to evolve.

但中國的瓶頸確實存在。訓練延遲、服務中斷、下一代模型發(fā)布推遲——都指向一個持續(xù)性問題：算力。中國 AI 公司對美國先進芯片的需求依然很高，說明沒有可靠的尖端硬件供應，前沿模型的規(guī)?；瘶O為困難。與此同時，美國對芯片的出口管制，以及中國政府對進口美國芯片的態(tài)度，都在持續(xù)演變

Beijing's strategy has solidified around three ideas: 1) build a domestic AI stack; 2) push it everywhere at home (including as a key pillar of the People's Liberation Army's military modernization); and 3) export it abroad. Open-source releases from companies like Alibaba, updated in weeks rather than months, are designed to make Chinese models the default for local developers. At the same time, China is packaging models, cloud infrastructure, and hardware for overseas partners, testing "sovereign AI" stacks from Southeast Asia to the Middle East.

北京的戰(zhàn)略已圍繞三個思路成型：

1. 1. 構建國產(chǎn) AI 技術棧；

2. 2. 在國內全面推廣（包括作為解放軍軍事現(xiàn)代化的關鍵支柱）；

3. 3. 向海外輸出。阿里巴巴等公司的開源模型更新周期已從數(shù)月縮短到數(shù)周，目的是讓中國模型成為本土開發(fā)者的默認選擇。

同時，中國正在將模型、云基礎設施和硬件打包輸出給海外合作伙伴，在東南亞到中東測試「主權 AI」技術棧

The real contest in 2026 will turn on three questions.

2026 年的真正競爭將圍繞三個問題展開：

1. 1. Can US models extend their lead in real-world usefulness? The 2026 "gap" question increasingly turns on which AI ecosystem converts models into economically meaningful work. Western platforms such as OpenAI's Codex still lead in deployed agentic coding and workflow tools, even as Chinese models continue closing the gap.

2. 2. 美國模型能否擴大在實際應用中的領先優(yōu)勢？ 2026 年的「差距」問題越來越取決于哪個 AI 生態(tài)能將模型轉化為有經(jīng)濟價值的工作。OpenAI Codex 等西方平臺在已部署的智能體編程和工作流工具上 仍保持領先 ，盡管中國模型持續(xù)縮小差距

1. 2. Can China build enough compute? Export controls have historically limited China's access to advanced chips and memory as US hyperscalers have continued to expand data-center capacity. Scaling fast enough to close that gap remains a challenge. At the same time, the CCP is reportedly limiting the use of Western chips in new data centers and subsidizing Chinese chips, doubling down on self-reliance for a full AI stack.

2. 3. 中國能否建設足夠的算力？ 出口管制長期限制了中國獲取先進芯片和存儲器的渠道，而美國超大規(guī)模云廠商持續(xù)擴張數(shù)據(jù)中心容量?？焖贁U張以彌合差距仍是挑戰(zhàn)。同時，據(jù) 報道 中國正在限制新建數(shù)據(jù)中心使用西方芯片，并 補貼 國產(chǎn)芯片，加倍押注全棧自主可控

1. 3. Can China deploy at scale? Much of Beijing's AI+ agenda and related incentives aim to accelerate diffusion by pushing AI into priority sectors through procurement, standards, and subsidies. Results will hinge on whether AI+ drives productivity advances in manufacturing and other key sectors, while creating a product ecosystem comparable to that in the US. Internationally, China is bundling infrastructure, cloud platforms, models, and domestic hardware to foster reliance on their stacks. – OpenAI's Intelligence & Investigations Team

2. 4. 中國能否實現(xiàn)規(guī)?；渴?？ 北京 「AI+」議程 及相關激勵措施的目標是通過采購、標準和補貼將 AI 推入 優(yōu)先行業(yè)，加速擴散。成效將取決于「AI+」能否推動制造業(yè)等關鍵領域的生產(chǎn)力提升，同時構建出與美國相當?shù)漠a(chǎn)品生態(tài)。在國際上，中國正在捆綁基礎設施、云平臺、模型和國產(chǎn)硬件，培育對其技術棧的依賴

—— OpenAI 情報與調查團隊

更深度的挖掘

下面這些內容，是我基于 OpenAI 所表達的，以及它提供的參考鏈接，挖掘而來

OpenAI 的判斷

先說 OpenAI 承認的部分

中國在部署廣度和價格競爭力上取得了實質進展。中國現(xiàn)在有一批接近前沿的模型，很多是開源的，定價激進，更容易在各行業(yè)和政府系統(tǒng)中部署

再說 OpenAI 堅持的部分

美國模型在科學和復雜推理上仍然保持領先。原文用的詞是 meaningful lead，不是一點點

中間有一句話值得注意：

despite headlines following DeepSeek-R1's release a year ago, China's progress in 2025 was uneven

盡管去年 DeepSeek-R1 發(fā)布后標題黨滿天飛，但中國 2025 年的進展并不均勻

OpenAI 認為，算力是真正的瓶頸。訓練延遲、服務中斷、下一代模型發(fā)布推遲，都指向同一個問題：compute

數(shù)據(jù)支撐

Stanford AI Index 2025 的數(shù)據(jù)
2023 年底，中美模型在 MMLU 上的差距是 17.5 個百分點
2024 年底，這個差距縮小到 0.3 個百分點

Stanford AI Index 中美差距數(shù)據(jù)(2023-2024)

其他幾個 benchmark 也在收窄：

• ? MMMU 從 13.5 降到 8.1

• ? MATH 從 24.3 降到 1.6

• ? HumanEval 從 31.6 降到 3.7

開源和閉源的差距同樣在縮小。2024 年初，閉源模型在 Chatbot Arena 上領先開源 8.04%，到 2025 年 2 月只剩 1.70%

OpenRouter 的使用數(shù)據(jù)
中國開源模型從 1.2% 增長到近 30% 的周活躍度峰值
DeepSeek 是 token 量最大的貢獻者，14.37 萬億 tokens

OpenRouter 數(shù)據(jù)

但細分場景要分開看
編程任務上，Anthropic 的 Claude 系列占了超過 60% 的份額。中國模型在這個高價值場景上，份額還不高
角色扮演是另一回事。超過一半的開源模型使用量都是角色扮演，這個場景對模型限制少，開源有天然優(yōu)勢

北京的戰(zhàn)略

OpenAI 總結了北京的三層戰(zhàn)略

第一層：建立國產(chǎn) AI 棧
從芯片到模型的全鏈條自主。據(jù)報道，中國正在限制新建數(shù)據(jù)中心使用西方芯片，同時補貼國產(chǎn)芯片

第二層：國內全面推廣
這就是「AI+」政策。2027 年智能終端和 AI agent 使用率要超過 70%，2030 年超過 90%
OpenAI 特別提到，AI 是解放軍軍事現(xiàn)代化的關鍵支柱
智譜上周港股 IPO 被單獨拎出來說，OpenAI 的判斷是：這標志著北京愿意把模型公司變成國家基礎設施

第三層：出口海外
中國正在向海外合作伙伴打包輸出模型、云基礎設施和硬件，在東南亞和中東測試「主權 AI」方案
阿里等公司的開源模型更新周期從幾個月壓縮到幾周，目標是讓中國模型成為本地開發(fā)者的默認選擇

2026 年的三個問題

OpenAI 認為 2026 年的競爭取決于三個問題

第一：美國模型能否擴大實際有用性的領先優(yōu)勢？
benchmark 差距在縮小，但關鍵是哪個 AI 生態(tài)系統(tǒng)能把模型轉化成有經(jīng)濟價值的工作
OpenAI 的 Codex 在 agentic coding 和工作流工具上仍然領先。中國模型在追趕，但還沒追上

第二：中國能否建設足夠算力？
出口管制限制了高端芯片獲取，美國超大規(guī)模數(shù)據(jù)中心產(chǎn)能還在擴張
但同時，中國在限制新數(shù)據(jù)中心使用西方芯片，加大國產(chǎn)芯片補貼，在全棧自主上加倍下注

第三：中國能否大規(guī)模部署？
AI+ 政策通過采購、標準和補貼推動 AI 進入優(yōu)先行業(yè)
結果取決于 AI+ 能否在制造業(yè)等關鍵領域帶來生產(chǎn)力提升，同時建立起可以和美國比肩的產(chǎn)品生態(tài)
在國際上，中國正在打包基礎設施、云平臺、模型和國產(chǎn)硬件，培養(yǎng)對中國技術棧的依賴

幾點觀察

OpenAI 這份報告，比預想中克制

沒有一邊倒唱衰中國，承認了部署和價格上的進展

報告也沒有盲目樂觀，指出了算力瓶頸和 2025 年進展不均勻的事實

智譜被點名兩次：
一次是 IPO，一次是「國家基礎設施」的定性

DeepSeek 被當作中國 AI 的標志性事件
整篇報告就是以 DeepSeek-R1 一周年為時間錨點