「Chinese AI models have gone from a relatively small share of usage to a majority on two major developer platforms.」
——CNBC，2026年9月26日（来源：https://www.cnbc.com/2026/09/26/china-ai-global-adoption.html）

「There was a lot of talk about the Chinese are just copying, they’re just distilling, they’re cheating… However, they have developed an exceptional capability independent of distillation.」
——Aidan Gomez，Cohere CEO，2026年9月（来源：CNBC The Tech Download，https://www.cnbc.com/2026/09/18/china-ai-progress-distillation-tech-download.html）

「Chinese AI companies are conducting systematic extraction of proprietary functionalities and capabilities of U.S. AI companies’ models through industrial-scale knowledge distillation campaigns that form the core—not merely a supplement—of their AI development strategy.」
——美国网络安全与基础设施安全局（CISA），2026年9月（来源：CNBC，https://www.cnbc.com/2026/09/18/china-ai-progress-distillation-tech-download.html）

一、三角关系：同一个月内的三件相互注解的事

2026年9月，AI地缘政治博弈以一种极具戏剧性的方式完成了自我注解。

第一件事：9月14日当周，OpenRouter——全球主要AI模型网关平台之一——的内部流量数据显示，中国AI模型已经占据了平台总token使用量的57%到67%。同一维度上，今年2月这个数字还只有6%到13%。7个月内，份额暴涨了5倍。另一个平台Vercel的数据走势相似：2026年1月，中国模型在Vercel平台AI请求中占11%；到8月，这一数字升至55%。

第二件事：就在同一时间窗口内，中国互联网监管机构——国家互联网信息办公室（CAC）——宣布对DeepSeek和月之暗面（Moonshot AI）展开调查。调查的核心指控：在用户不知情的情况下，这两家公司将用户的敏感查询路由给了Anthropic的Claude模型进行处理。

第三件事：就在这之前数周，Anthropic对外披露：包括阿里巴巴和月之暗面在内的中国AI实验室，以未经授权的方式使用了数百万次Claude对话记录，系统性地训练和改进自己的模型。

把这三件事并排放置，呈现出的图景不是正常的商业竞争，而是一个自相缠绕的数据悖论结构：

中国AI正在全球市场上以五倍速扩张，这场扩张的技术基础部分来自对Claude的系统性学习，而这些中国AI公司在面向用户的产品中，同时又在偷偷把用户数据路由给Claude。

这一结构在某种意义上形成了一个完整的循环：Anthropic花费数十亿美元训练出来的Claude，以两种方式为它最强的竞争对手服务——一种是被系统性提取用于训练，另一种是在竞争对手的产品中被当作后端兜底。

这不是阴谋，这是利益驱动下形成的结构性互依。理解这个结构，比理解任何一方的战略意图都重要。

二、数字的真实含义：从边缘到主流的7个月

OpenRouter作为全球最重要的AI模型访问网关，汇聚了来自美国、欧洲和全球南方企业的API调用流量。它提供统一接口，让开发者可以通过同一套代码访问来自Anthropic、OpenAI、Google，以及DeepSeek、阿里Qwen、月之暗面Kimi等中国供应商的模型。

OpenRouter的流量洞察主管Peter Walker向CNBC分享了具体数据：

  • 2026年2月：中国AI模型占OpenRouter平台总token使用量的6%-13%
  • 2026年9月14日当周：这一比例跳升至57%-67%

这不是渐变曲线，这是在约7个月内完成了近10倍的份额跳跃。

Vercel的数字提供了另一个截面。Vercel是面向商业应用的云部署平台，其AI集成功能被大量企业级应用使用。数据：1月中国模型份额11%，8月份额55%。

在地域分布上，按OpenRouter的分类，所谓”全球南方”（82个国家，覆盖中南美洲、非洲和亚洲）的企业是最大的采用群体：这些企业有超过三分之二——67%的token用量来自中国模型。但同样值得关注的是，约一半的OpenRouter流量来自美国公司，而这些公司对中国模型的使用也在快速增长。

Walker解释了背后的技术变化：「中国的开源模型今年已经可以在代码等高级智能任务上具备真实竞争力，这在2025年底还完全不成立。」

Vercel AI基础架构负责人Harpreet Arora给出了更直接的商业逻辑：「一旦一个模型在质量上达到了工作的门槛，那价格差距就成为决定性因素。中国模型在越来越多的任务上正在越过那道门槛。」

这里指的价格差距，数量级上是50%-80%。DeepSeek、阿里Qwen、月之暗面Kimi的API价格，普遍比OpenAI和Anthropic的旗舰产品便宜一半甚至更多。对于追求成本控制的开发者，这不是偏好问题，而是算术题。DoorDash的AI研究实验室在X平台发帖，明确表示Kimi K2.6「以更低成本」超越了他们此前使用的多款Anthropic模型——这是一家美国主流科技公司公开承认用中国AI替代美国AI的典型案例。

三、华盛顿的反应：调查已经开始

这组数据在华盛顿引发的担忧，已经从政策讨论转变成了主动调查行动。

2026年7月，美国众议院国土安全委员会和众议院中国共产党特别委员会联合启动调查，专门针对美国企业使用中国AI模型的安全隐患。两个委员会的主席向Cursor、Airbnb，以及DoorDash发送信函，要求提供相关信息和文件。

DoorDash案例是调查中最具代表性的，因为它揭示了一个让华盛顿极为不安的模式。DoorDash创始人Andy Fang在X上公开分享了公司如何将较低层级的AI工作委托给月之暗面的Kimi K2.6处理。国会调查信函引用了这条帖子。

但调查信函的措辞本身，也清楚地说明了这种困境的两面性：「委员会意识到，美国企业从大型科技公司到初创企业，可能会因为中国开源权重模型提供的竞争性能力、更低成本、更大定制空间以及对少数专有模型提供商的替代选择而选择部署这些模型。这些实际考量并不能消除关于安全风险的担忧。」

这段话是关键：国会承认了中国AI在商业上是合理选择，同时拒绝接受这种选择应当不受审查。但如何在两者之间划出界线，目前还没有一套可操作的框架。

更高层面，美国总统特朗普在9月与习近平的峰会前的声明中说：「我们在AI方面领先中国……坦率地说，我想保持这种领先，因为谁赢得AI，谁就赢得一切。」但峰会本身，据CNN报道，在AI问题上只达成了一个「正式对话机制」和一个双边沟通渠道。实质性进展几乎为零。

对立双方的外交词令，映照着地面上正在发生的现实：美国企业正在以实际的API调用选票，给出不同于华盛顿意愿的市场判断。

四、蒸馏争议：偷来的能力，还是真实的创新？

要理解中国AI的全球崛起，必须认真对待”知识蒸馏”（knowledge distillation）这个争议。这是整个地缘政治AI博弈中最被双方都过度简化的技术细节。

蒸馏的基本含义：训练一个AI模型时，使用另一个（通常是更强的）模型的输出作为训练数据，让新模型学习”大模型会怎么回答”的模式。这在技术上完全合法，也被广泛用于模型压缩和效率优化。但用竞争对手的商业模型进行未经授权的蒸馏，是明确的违规行为。

美国政府的立场相当强硬。美国网络安全与基础设施安全局（CISA）在9月发布的报告中措辞严厉，称中国AI公司正在进行「工业规模的知识蒸馏行动，这构成了他们AI开发战略的核心，而不仅仅是补充。」

Anthropic的威胁情报主管Jacob Klein向CNBC表示：「有一整个非法生态系统试图获取Claude和其他模型的访问权限。」Anthropic在9月发布的报告中点名：阿里巴巴、月之暗面和DeepSeek曾试图进行”非法蒸馏”以训练自己的模型。

但并非所有人都同意这个框架。

Cohere的CEO Aidan Gomez——他是2017年”Attention Is All You Need”论文的共同作者，这篇论文奠定了ChatGPT和Claude等现代AI服务的技术基础——对这个叙事提出了质疑：

「有很多声音说中国只是在抄，只是在做蒸馏，在作弊。这在一定程度上确实是真的。但他们已经独立于蒸馏之外发展出了卓越的能力，证据就是最新发布的中国模型，在某些基准测试的某些能力维度上，已经超过了最好的美国模型。你不可能靠抄或者蒸馏来超越对手，你最多只能缩小差距，但不可能超越。」

前白宫AI政策高级顾问Sriram Krishnan也持相似立场，认为把中国AI的全部进展归因于蒸馏，是一种让人误解的简化。

这两个立场都有道理，而且它们可以同时为真：中国AI早期发展中确实使用了蒸馏技术，但他们也发展出了真实的独立创新能力。这两件事不互相排斥。

但这个判断对政策含义是重要的：如果中国AI的崛起只靠蒸馏，那限制API访问就能解决问题；如果中国AI已经具备真实能力，那蒸馏只是一个副本，禁止蒸馏只能延缓竞争，无法阻止竞争。

五、算力管制的另一个漏洞

理解中国AI崛起，还需要看算力这一层。

美国出口管制禁止向中国出口Nvidia最先进的GPU（包括GB300系列）。这套管制在直接销售层面有效。但据CNBC报道，多家中国AI公司已经找到了绕过管制的路径：通过东南亚（泰国、马来西亚、日本）的海外数据中心，远程租用和使用Nvidia算力。

就在月之暗面于7月发布新模型的不到一周后，白宫官员Michael Kratsios公开指控月之暗面通过泰国的一个设施使用了Nvidia的GB300芯片。

AI政策研究机构的研究员Cassia King解释了这个漏洞的技术基础：美国出口管制「控制的是物理AI芯片，它不覆盖对这些芯片的远程访问。」

这意味着，出口管制保护了芯片的物理位置，但没有保护算力的使用权。字节跳动、阿里巴巴和腾讯据报道都在通过亚洲各地的云提供商远程访问Nvidia算力。

把蒸馏漏洞和算力漏洞放在一起：中国AI绕过了两道主要的管制壁垒——通过蒸馏获取美国AI的”知识”，通过东南亚数据中心获取美国芯片的”算力”。这两个渗透渠道都是现有管制框架没有预见或没有覆盖到的。

六、中国的另一面：开源作为地缘政治工具

中国AI全球崛起还有一个维度，涉及更深的战略意图：开源作为地缘政治工具。

2026年7月，中国领导人习近平正式发起”世界人工智能合作组织”（World Artificial Intelligence Cooperation Organization），将其定位为对抗美国主导的”Pax Silica”（硅基同盟）的替代框架。特朗普此前组建Pax Silica，目标是在AI供应链上减少对中国的依赖，已有20多个国家和欧盟加入。而习近平的这个新组织，已经吸引了包括俄罗斯、印度尼西亚和巴基斯坦在内的29个国家加入，核心承诺是：开放的AI模型，让各国无需依赖Anthropic和OpenAI等美国厂商就能自由下载、定制和使用。

这是一个精心设计的竞争策略。美国的AI外交是”你必须跟我们站在一起才能获得最先进的AI”，而中国的AI外交是”我们给你免费、开放、便宜的AI，没有条件”。

CNAS的Remler用一句话说明了这种对比的影响：「从拉各斯到圣保罗，从雅加达——任何正在寻找廉价开放模型的创业者和政府，都会先看中国AI。东南亚尤其会因为与中国更近的经济和文化联系，以及快速增长的数字基础设施，对中国AI模型产生更高的采用率。」

在9月的特习峰会上，习近平公开表示AI合作应该”相互借鉴而不是相互防范”，暗示美国的出口管制和AI遏制政策是错误的。峰会的结果，如前所述，只是一个对话机制，没有实质性进展。

这场外交博弈的背景，是数据已经在给出自己的答案：OpenRouter和Vercel的流量统计，比任何峰会声明都更直接地说明了谁的AI正在被更多人用。

七、第二重悖论：中国监管的自我打脸

理解了这个背景，中国监管机构对DeepSeek和月之暗面的调查就有了更深的政治含义。

调查的表面理由是数据主权：DeepSeek和月之暗面被指控在用户不知情的情况下，将用户输入的敏感查询路由给Anthropic的Claude模型处理，违反了中国关于数据本地化处理的相关法规。

这在法律上是清晰的违规。但在政治叙事上，这场调查揭示了官方叙事的内部矛盾。

过去三年，中国政府把”AI自主可控”作为国家战略优先级之一。DeepSeek尤其被官方媒体广泛塑造为中国”弯道超车”的标志性案例：在芯片受制、资源有限的情况下，靠架构创新做出了据说能与美国顶尖模型正面竞争的产品。

但调查的指控隐含地承认了另一个现实：这个据说能与GPT-4o正面竞争的”弯道超车”产品，在处理某些复杂用户请求时，仍然在悄悄把请求转给美国AI处理。

对于监管机构，这是一个经典的双输困境：

  • 如果严肃追究，公众就会知道中国最好的AI还在暗中依赖美国AI，这是对”自主可控”叙事的直接打击。
  • 如果轻描淡写，就无法在数据主权问题上给出令人信服的执法信号，而且会让其他公司认为违规成本很低。

更深层的问题是：如果中国的旗舰AI在某些任务上需要路由给Claude处理，那这些任务是什么？规模有多大？这是偶发的技术补丁，还是系统性的能力短板？目前没有官方回答。

八、完整的数据循环与Anthropic的困境

把所有这些整合起来，可以描绘出2026年AI地缘政治竞争中最奇特的数据循环：

第一环：中国AI实验室以未经授权的方式使用Claude进行蒸馏训练，将Claude的能力内化到自己的模型中——Anthropic的对手在用Anthropic的知识武装自己。

第二环：经过蒸馏训练的中国模型，以低价和开源权重形式推向全球市场，在OpenRouter、Vercel等平台上快速占领份额——对手用从Anthropic学来的能力，夺走了Anthropic本可获得的市场份额。

第三环：中国AI公司的用户产品在遇到某些超出自身能力范围的复杂任务时，悄悄路由给Claude处理——对手在用Anthropic的能力填补自己产品的短板，Anthropic在不知情的情况下成为竞争对手产品的后端基础设施。

第四环：这些被Claude处理的请求及Claude的高质量回答，理论上可能又成为下一轮蒸馏训练的新原材料——这个循环在理论上可以自我维持和强化。

这个循环，对Anthropic构成了一个商业层面的深度困境。

一方面，中国AI公司是Claude API的付费客户。他们用来进行蒸馏的API调用，在账面上是Anthropic的营收。从短期财务角度看，切断中国AI labs对自己平台的访问，等于主动放弃一部分收入。

另一方面，这笔收入，正是在资助Anthropic未来最强的竞争对手。这是一种奇特的商业悖论：你在向竞争对手销售帮助他们替代你的服务。

同一周，Anthropic和OpenAI都发布了更便宜的新模型：Claude Opus 5.5价格下降40%，GPT-6 Sol/Luna API价格下降50%。Anthropic产品管理负责人Dianne Penn解释，降价是通过提高token效率实现的。但降价的竞争背景是清晰的：面对中国AI在价格上的持续进攻，美国AI必须跟进，否则会继续失血市场份额。这是一种结构性压力：中国AI用低价切入市场，美国AI被迫降价追赶，降价又反过来使美国AI的商业模式更难以支持其在安全研究和基础模型训练上的高投入。

Anthropic和OpenAI的CEO在呼吁放缓AI开发的同一周发布更便宜的模型——这个矛盾，是外部叙事与商业现实之间撕裂的最好注脚。

九、三个层次的系统性洞察

第一层（表面）：中国AI在全球开发者市场的份额从6-13%暴涨到57-67%，价格优势和开源策略是主要驱动力，华盛顿担忧技术影响圈的地缘政治含义在扩展。这是真实的市场变化，不是泡沫，也不能靠单纯的政策干预逆转。

第二层（矛盾）：中国AI的技术能力建设，部分依赖于对美国AI的系统性学习（蒸馏）；中国AI公司在面向用户的产品中，也在悄悄依赖美国AI处理某些复杂任务（路由）。但中国AI同时也发展出了真实的、不依赖于蒸馏的独立能力——这两件事共存，让”切断依赖”变成了一个政策上说得通但技术上效果有限的操作。

第三层（系统性悖论）：整个局面已经形成了多方都陷入困境的结构。美国AI公司既是中国AI的竞争对手，又是中国AI的技术基础设施提供商（API服务）；美国政策制定者想切断这种互依，但切断会损害美国AI公司的营收；中国政策制定者在推动”AI自主可控”，但自己的监管调查揭示了依赖的存在；中国AI公司在开放市场上真实领先，但在能力边界处仍然存在对美国AI的依赖。每一方的行动，都在无意中强化了对方的另一个诉求。

这不是一场”谁会赢”的竞争，而是两个技术生态系统在数据层面已经相互缠绕，在政治上却被要求分离。

OpenRouter和Vercel的数据提出了一个让所有人都不舒适的问题：当技术上的相互依赖已经形成，政治上的切割还有没有可能？或者，2026年AI博弈的真实结局，是一个双方都不想承认、但都在参与的共生关系？

这个问题的背后，还有一个无法被技术管制解决的根本矛盾：AI是知识密集型技术，而知识的流动，远比物理商品的流动难以管控。一台Nvidia H100可以被禁止出口，但一份训练好的模型权重可以压缩成文件发送；一个API接口可以被封锁，但一套已经在本地运行的开源模型无法被远程关闭。中美之间的AI博弈，正在从物理的管制边界，转向一个没有清晰边界的知识扩散战场。在这个战场上，主动攻势（开源、低价、蒸馏）比被动防御（出口管制、访问封锁）有天然的结构性优势。

2026年9月特习峰会没有给出答案，只留下了一个”对话机制”。而数据继续在给出自己的答案——用57%到67%的份额数字，以及DeepSeek服务器日志里那些指向Claude API端点的静默请求记录。

参考资料

  1. CNBC（2026-09-26）：Chinese AI models surge in global popularity — and Washington is worried
    URL: https://www.cnbc.com/2026/09/26/china-ai-global-adoption.html
    核心数据：OpenRouter 9月14日当周57-67%；Vercel 8月55%；Peter Walker、Harpreet Arora、Daniel Remler引语

  2. CNBC（2026-09-18）：The U.S. says China’s AI progress is down to ‘distillation.’ But is it that clear cut?
    URL: https://www.cnbc.com/2026/09/18/china-ai-progress-distillation-tech-download.html
    Cohere CEO Aidan Gomez蒸馏争议引语；CISA报告措辞；Anthropic Jacob Klein威胁情报声明

  3. CNBC（2026-09-22）：Anthropic and OpenAI roll out cheaper models in first release since call for slowdown
    URL: https://www.cnbc.com/2026/09/22/anthropic-openai-cheaper-ai-models.html
    Claude Opus 5.5降价40%；GPT-6 Sol/Luna降价50%；Dianne Penn引语

  4. CNBC（2026-07-31）：U.S. lawmakers request information from DoorDash on use of Chinese AI models
    URL: https://www.cnbc.com/2026/07/31/us-lawmakers-doordash-chinese-ai-models.html
    国会联合调查；DoorDash Andy Fang X帖；国会信函措辞

  5. CNBC（2026-08-19）：The U.S. banned Nvidia’s best chips from going to China. Now it’s trying to close a crucial loophole
    URL: https://www.cnbc.com/2026/08/19/china-ai-nvidia-chips-us-export-controls.html
    算力管制漏洞；泰国数据中心；Moonshot AI GB300指控；Cassia King引语

  6. CNN/Yahoo（2026-09-25）：The US wants the world to pick a side on AI. But for many countries, China’s pitch may be more compelling
    URL: https://www.yahoo.com/news/politics/articles/us-wants-world-pick-side-040029759.html
    世界人工智能合作组织；Pax Silica；Xi Jinping峰会声明；Eric Olander引语

  7. Anthropic报告（2026-09）：Chinese AI labs secretly used millions of Claude exchanges to train their models
    URL: https://www.msn.com/en-us/money/markets/chinese-ai-labs-secretly-used-millions-of-claude-exchanges-to-train-their-models-anthropic-says/ar-AA2bYO5g
    Anthropic披露未经授权蒸馏；点名阿里巴巴、月之暗面

  8. 监管调查报道（2026-09-22）：Chinese regulators investigate DeepSeek, Moonshot AI over routing sensitive data to Claude models
    URL: https://www.msn.com/en-us/technology/artificial-intelligence/chinese-regulators-investigate-deepseek-moonshot-ai-over-routing-sensitive-data-to-claude-models/ar-AA2cM2NJ
    CAC调查DeepSeek和月之暗面；用户数据路由Claude指控

话题ID：r4-china-ai-claude-dependency-paradox
版本：v1

附录：这个问题还有另外两个维度

维度一：开源的监管盲区

中国AI全球崛起的一个关键、但经常被低估的因素，是开源策略带来的结构性优势，以及它对监管工作产生的盲区。

DeepSeek R2、阿里巴巴Qwen 3.5、月之暗面Kimi K3——这些主力中国模型的权重都是公开可下载的。这对全球开发者意味着：可以在自己的服务器上运行，没有API调用费用，边际成本接近于零；数据不经过第三方服务器，对欧洲GDPR合规和亚洲数据本地化法规都是天然优势；可以在特定领域进行微调，不受OpenAI或Anthropic使用政策的限制。

这套价值主张对企业开发者极具吸引力——尤其对那些既想用AI又不愿被美国厂商的API订阅模式锁定的企业。

但开源策略同时产生了一个重要的监管盲区。当DeepSeek的模型权重已经被下载到全球数千个服务器上独立运行，传统意义上的”路由监控”就失效了。中国监管机构能够追踪DeepSeek的API服务器把请求转发给Claude，但已经分发出去的开源权重在本地运行产生的影响，没有任何集中化控制点可以追踪和统计。

这形成了一种颠倒的局面：中国AI公司的闭源API产品，因路由数据给Claude而受到中国监管；而这些同一家公司发布的开源模型，在全球各地的服务器上静默运行，中国监管机构对此完全无能为力。开放，在这里既是商业武器，也是监管的天然障碍。

维度二：这对”边界”意味着什么

如果说有什么是2026年9月这组数据说清楚的，那就是：AI的”边界”已经不是芯片，不是API访问权限，甚至不是数据流向——而是一个比以上任何单一因素都更难管理的东西：模型能力在不同生态系统间的渗透和流动。

蒸馏使模型能力跨越了API访问的边界。开源使模型权重跨越了数据主权的边界。算力远程访问使算力跨越了出口管制的边界。

每一道管制，都在单一维度上有效，但都无法阻止能力在另一个维度上的流动。这不是管制不够严格，而是AI这项技术的本质属性：它是知识，知识的流动比物理商品的管控要难几个数量级。

2026年9月的数据，不只是告诉我们中国AI份额涨了。它更深刻地提醒我们：在一个已经相互连接的技术世界里，试图通过”切割”来维持竞争优势，面对的是一个指数级困难的问题。

这个困难，在接下来的几年里，将持续成为AI地缘政治博弈的核心矛盾。