
新华社披露的统计周期为11月9日至15日。在该统计周内,全球开源模型聚合平台OpenRouter上中国模型的周调用量达到119.1万亿词元,连续29周位居全球首位;工业和信息化部数据显示,我国人工智能开源大模型全球累计下载量突破100亿次。两组数据分处“生态扩散”与“实际使用”两个维度,共同指向一个行业信号:中国开源大模型已从模型榜单上的可选项,逐步成为全球开发者高频调用的常用项。对通信行业而言,这意味着模型调用背后的算力调度、数据中心互联、云网融合和安全治理,正从配套能力升级为数字基础设施的核心供给。
一、百亿下载与万亿调用:两个指标释放什么信号
累计下载量突破100亿次,首先反映的是模型可获取性和开发者覆盖面的扩大。开源模型被下载后,可能进入二次训练、行业微调、应用集成和教学研究等环节,衍生模型数量随之增长,形成“获取—改造—反馈—再分发”的社区循环。中国科学技术信息研究所党委书记黄琦评价称,中国开源模型在下载量、衍生模型数量等方面形成领跑态势,对全球人工智能开源生态具有引领作用。这一判断的重点不只在规模,更在生态外溢能力:模型只有被广泛获取和再开发,才可能沉淀为公共技术底座。
OpenRouter的周调用量则提供了另一个观察口径。该平台连接多种模型与开发者需求,调用量更接近实际使用强度。11月9日至15日,中国模型在该平台周调用量达119.1万亿词元,连续29周居全球首位,说明其竞争力并非单点爆发,而是在市场化选择中保持了持续性。需要客观看待的是,平台调用量受开发者结构、模型价格、接口稳定性和可用模型组合影响,不能简单等同于全球AI市场总份额;但连续29周的数据至少表明,在可比口径下,中国开源模型已具备稳定的开发者吸引力和服务承载能力。
二、生态优势:不只是“开源”,而是可改造、可规模化
中国开源大模型的优势,正在从单一模型能力转向生态效率。其一是获取门槛低。开放权重和相对灵活的许可安排,使中小团队、行业集成商和高校研究者能够以较低成本开展测试与部署。其二是迭代速度快。开源社区、模型厂商、云平台和工具链企业围绕推理框架、量化压缩、微调工具形成协同,模型更新能够较快传导至应用侧。其三是场景适配强。中文语料、行业知识和高并发应用需求,为模型在客服、办公、内容生产、代码辅助等场景中积累反馈提供了条件。
更值得关注的是衍生模型数量领跑所带来的“生态飞轮”。当开发者基于同一底座持续开发垂直模型,评测、工具、部署经验和人才供给会同步积累,降低后来者的进入成本。对通信行业来说,这种生态效应会直接转化为网络与算力需求:模型下载、微调、推理和API调用,分别对应存储分发、算力调度、低时延网络和云服务计费等环节。开源模型越普及,模型服务就越像水、电和连接一样,成为产业互联网的基础能力。
三、技术迭代:从参数竞赛转向系统效率竞争
从产业实践看,开源模型的竞争已不局限于参数规模,而是转向系统效率。混合专家架构、推理优化、量化蒸馏、长上下文处理、多模态输入和工具调用等方向,目标都是以更低成本完成更复杂的任务。开源模式的优势在于反馈闭环短:开发者遇到问题可以快速复现、修改和回传,模型厂商与社区能够据此优化版本。由此形成的不是单一技术路线的胜负,而是工程化能力的持续比拼。
这对数字基础设施提出新要求。模型训练需要大规模集群和高速互联,推理服务则更关注时延、并发和成本;当调用量从集中式API向边缘节点、行业云和本地化部署扩散,网络需要同时支撑数据中心内部的东西向流量、跨区域算力调度和边缘回传。通信产业的价值,正在于把分散的算力、模型和应用连接成可运营的服务体系,而不是只提供单一连接通道。
四、全球AI格局:供给多元化与成本曲线重塑
中国开源模型在全球开发者平台保持高频调用,为全球AI产业提供了除闭源API之外的另一种供给选择。开源模型可部署、可审计、可二次开发的特点,使企业在数据主权、成本控制和行业适配上拥有更大空间。随着模型供给多元化,AI应用的价格曲线和交付模式也在变化:从单纯按调用付费,向“开源底座+行业微调+云托管+本地部署”的组合演进。
这并不意味着开源与闭源简单对立。全球AI产业更可能形成闭源模型冲击能力上限、开源模型承接规模化应用的并行格局。对中国企业而言,真正的竞争点在于能否持续提供稳定版本、完整工具链、清晰许可和合规服务。通信行业在其中的角色,是依托云网融合和算力调度能力,为模型托管、推理服务和行业应用提供可计费、可运维、可安全审计的底座。
五、对数字基础设施的支撑:模型调用倒逼算网升级
模型调用规模上升,最先改变的是流量结构。传统互联网以人和内容之间的南北向流量为主,智算服务则带来数据中心之间、集群内部和边缘节点之间更复杂的东西向流量。119.1万亿词元的周调用量,背后是推理请求的并发、模型分发的带宽、算力调度的实时性和服务可用性的要求。开源模型降低应用门槛后,中小企业、行业服务商和开发者都可能成为算力与模型服务的需求方,数字基础设施因此需要从“连接为主”走向“连接+算力+模型+安全”的综合供给。
近年来,国内基础电信企业加快智算中心建设,推进算力并网和统一调度,云网融合产品从连接型向算力型、模型服务型延伸;光传送网向更高速率演进,“东数西算”工程推动跨区域算力布局。这些布局与开源模型的规模化调用形成双向支撑:一方面,模型调用为智算中心提供需求侧牵引;另一方面,算力网络和云服务为模型部署提供交付通道。下一步,行业需要重点解决算力调度 standardization、模型服务评测、推理成本优化、绿色低碳和安全合规等问题,避免重复建设和低水平同质化竞争。
六、冷静看规模领先:生态质量决定下一程
100亿次下载和连续29周调用量领先,是重要阶段性成果,但并不能直接等同于商业收入和产业成熟度。下载量不等于活跃部署量,平台调用量也不覆盖全部市场。中国开源大模型要在全球生态中形成长期影响力,仍需在高端算力适配、基础软件栈、开源治理、许可透明度、安全评测和国际合规等方面持续补课。尤其在全球AI治理趋严的背景下,模型许可、数据来源、输出安全和责任边界,正在成为开发者选择模型的重要变量。
对中国通信行业而言,机会不只在提供算力,更在提供“模型可用”的工程化服务:公共评测与选型、模型托管与推理平台、算力调度与计费、边缘推理网络、安全网关和出海合规支撑。开源模型把AI能力从少数企业的封闭系统推向更广泛的开发者市场,数字基础设施则决定这种能力能否稳定、低成本、可治理地抵达千行百业。规模领先只是起点,生态质量和基础设施效率,才是中国开源大模型参与全球AI产业格局重塑的下一程。

