7月，中国研发的模型首次包揽了OpenRouter的前五个席位。OpenRouter是一个中立的路由平台，将数十家供应商的数百个模型聚合在单一API之后，已成为AI行业中最接近尼尔森收视率的存在。以智能手机以及近来的电动汽车更为人熟知的小米，其MiMo V2.5按token数量排名第一，其后依次是DeepSeek（这家杭州实验室的低成本发布曾在2025年初震动全球市场）、MiniMax、阿里巴巴的Qwen系列以及Moonshot的Kimi等机构的模型。中国模型目前承载了该平台超过60%的流量，即每周超过20万亿个token——token是模型读取和生成的文本片段，也是AI使用量计量与计费的单位。正如Fortune评论文章所言，这不是基准测试结果，而是一条使用曲线。

一年前，美国模型承载了OpenRouter约70%的流量；如今约为30%。更引人注目的是，截至7月中旬，中国模型在美国企业于该平台上处理的token中占比达到创纪录的58%。在作者看来，美国公司并非被迫使用中国AI——而是在逐个工作负载地主动选择它，因为价格/性能的账目让人无法忽视。

竞赛一分为二

作者认为，这一悖论值得在今年秋天列入每一份董事会议程。美国实验室仍握有绝对前沿：OpenAI的GPT 5.5、Anthropic的Claude Fable 5和谷歌的Gemini 3.x在最困难的推理、长程智能体以及最严苛的企业级工作上保持领先，前沿差距真实存在，以月来衡量。但这场竞赛已一分为二——能力与分发——美国正在赢得第一场，同时输掉第二场。

DeepSeek的V4-Pro在基准性能相当的情况下，价格约为GPT-5.5的十二分之一；DeepSeek V4 Flash每百万输入token收费0.14美元，而GPT-5.5为5.00美元。OpenRouter自己的分析师报告称，中国开源模型的运行成本比领先的美国产品低60%至90%。对于大批量生产型工作负载——编程智能体、文档处理和客户运营——这种差价直接决定了采购订单的归属。

文章接着指出，分发是生态系统完成锁定的地方。阿里巴巴的Qwen系列累计下载量已突破10亿次，取代Meta的Llama成为全球下载量最高的开源模型家族——开源权重模型发布可下载的参数文件，开发者可以在自己的基础设施上运行、检查和微调，而封闭模型只能通过供应商的付费API访问——而曾在2023年和2024年定义开源权重AI的Llama，其路由量占比已跌破1%。开发者会针对自己能下载的模型进行优化，并围绕自己部署的模型构建工具链；Linux正是这样赢得了服务器市场，Android正是这样赢得了手机市场，而这一切正在众目睽睽之下重演，作者写道。

欢迎来到“死亡区”

在前沿与大宗商品化底线之间，是作者所称的“死亡区”：任何既非明显最强、也非明显最便宜的模型、产品或企业AI战略，都在同时被两个方向挤压。

市场数据清楚地展示了这种分化。根据对OpenRouter使用数据的分析，Claude系列模型的开发商Anthropic仅持有该平台约12%的token份额，却捕获了约一半的总支出——这是高端车道，token数量较少，但定价对应着足以证明其价值的工作。大宗商品车道则属于高效开源模型，承载着数万亿个廉价token。而中间地带——没有决定性能力优势的封闭模型，以及为大宗商品化工作支付前沿价格的企业部署——则完全没有车道。

作者认为，大多数《财富》500强企业的AI战略规划眼下正站在这个中间地带。典型企业在2024年签署了一份前沿API合同，把所有流量都路由到它，从此再未回头；在2026年，这相当于用隔夜航空货运来运转整个物流业务。

中国是有意为之

评论强调，这一切都不是偶然发生的。美国自2022年首次实施并在此后多次收紧的先进AI芯片出口管制，使中国实验室无法获得最大规模的GPU集群，于是它们围绕稀缺性进行工程创新：token效率、新型注意力机制、高效的混合专家设计、以更高质量的数据取代原始规模，以及从第一天起就面向推理的架构。国家支持进一步降低了有效成本基础，小米在5月将MiMo API价格下调了多达99%。约束变成了战略——而将效率视为次要事项的美国实验室，面临的风险是：保住技术优势，却失去市场容量、开发者兴趣，并最终失去整个AI生态系统。

2026年建设者行动手册

对于真正基于AI进行构建的高管和创始人，作者指出了当下比其他一切都更重要的四项行动。

1. 将混合路由作为默认架构。

把最困难、监管最严、风险最高的工作路由到前沿模型，把大批量、对成本敏感的任务路由到高效开源模型。这样做的公司在大部分工作负载上将推理成本削减了60%至90%，同时不影响关键环节的质量；作者认为，如果一家公司的AI预算通过单一封闭API运行，那么它的大部分支出都花了冤枉钱。

1. 将效率视为一流武器。

推理优化、量化、投机解码和模型-硬件协同设计如今已是标准做法，而不再只是研究上的新奇事物。研究那些受约束的实验室是如何构建的，然后以美国的算力为后盾应用这些经验。

1. 在模型层之上实现差异化。

专有数据、应用层、领域微调、智能体框架和严格的评测体系比任何基础模型优势都更持久；基础模型正在趋同为基础设施，而“你的护城河从来都不可能是别人的模型”。

1. 走出中间地带。

如果产品依赖的模型既不是最好的也不是最便宜的，今年就要选定方向——以真正的差异化沿能力曲线向上走，或者在成本和开放性上全力竞争。作者警告说，中间地带撑不过2027年。

美国现在就需要开源权重的答案

最尖锐的批评留给了华盛顿，作者认为华盛顿正准备打一场错误的战役。国会的本能是以安全为由限制中国模型，而对敏感的政府和国防工作负载而言，这种谨慎是合理的。数据主权担忧已经限制了中国托管模型在西方受监管行业的采用，不过自主托管的开源权重在很大程度上削弱了这一论点。

文章指出：“禁令不是战略，而是对本国开发者征收的关税。”中国开源权重的成功并非依靠欺骗，而是因为它们高质量、价格实惠且易于获取——也因为目前没有一家美国实验室定期发布前沿级的开源权重模型。Meta的退场让这一领域空了出来，中国迅速接管。

文章提出的答案是，以可信的美国及盟国开源权重模型参与竞争：定期发布，并以采购激励措施或实验室的直接承诺作为支持。开源权重是一国向世界其他地区输出其生态系统、安全规范和标准的方式；美国在互联网技术栈上深谙此道，如今需要重新记起这一点，作者写道。前沿依然重要，美国应当捍卫它，但2026年的实际竞赛要靠同时拿下两场对抗才能获胜——绝对能力与极致效率、封闭卓越与开放扩散、最大规模的可靠算力与最聪明的使用方式。受约束下的创新不应再只是安慰奖。

作者总结道，对美国的高管层、董事会和华盛顿来说，问题是一样的：当下一代全球软件被构建时，它将建立在谁的模型之上？眼下，下载数字正在给出答案——而这并不是美国想听到的答案。

Fortune.com评论文章中表达的观点仅代表作者本人，不一定反映Fortune的观点和立场。

本报道最初刊载于Fortune.com。