OpenAI前CTO做了一个DeepSeek套壳版本，但千万别嘲笑她

► 文 观察者网心智观察所

2026年7月，硅谷迎来了今年最受瞩目的模型发布会。聚光灯中央的是OpenAI前首席技术官米拉·穆拉蒂（Mira Murati）。

离开OpenAI后，穆拉蒂创立了 Thinking Machines Lab。这家新星初创公司凭 20 亿美元融资迅速挺进“百亿俱乐部”，估值高达 120 亿美元；团队更是高薪集结了来自 OpenAI、Meta、Google DeepMind 的顶级智力资源。外界满心期待它能捧出一款重新定义行业格局的杀手级产品。

然而，最终亮相的却是一款名为 Inkling 的开放模型。

模型刚上线，开发者社区的技术拆解便铺天盖地而来。人们发现，Inkling 采用了混合专家（MoE）架构，整体设计思路与 DeepSeek-V3 镜像般相似；其后训练阶段大量吸纳了 Kimi K2.5 等开放模型生成的冷启动数据；官方技术报告甚至坦承设计“largely follows DeepSeek V3”。

更令人意外的是成绩，在多项公开基准测试中，Inkling 未能跨过 Kimi 与 GLM 的门槛，部分任务甚至略有落后，API 定价却显著高于这些中国模型。海外开发者社区很快传出句诛心调侃：一家估值 120 亿美元、坐拥半个 OpenAI 豪华阵容的明星团队，最终却做了一款“中国模型的贵替”。

仅看排行榜，这很难被定义为一次成功的发布。但真正值得追问的是穆拉蒂为什么偏偏选了这条路。

她难道不知道 DeepSeek 的存在？不清楚 Kimi 更有性价比？当然知道。恰恰因为心知肚明，她才做出了这个决定。

许多人的思维仍困在 AI 竞赛的前半场，那就是拼参数、卷榜单、比推理极限。但在美国市场，AI 产业也正加速迈入下半场，竞赛的主题已从“谁最强”，转向“谁最能用”。

成本正在改写商业逻辑

几乎同一时间，另一则消息在硅谷流传。据媒体报道，微软正在内部测试月之暗面的 Kimi K3 大模型，评估将其引入 Copilot 系统、替代部分 OpenAI 与 Anthropic 推理请求的可行性。

微软内部测算，若完成切换，每年可削减约 6 亿美元的云基础设施成本，这相当于其智能云部门单季度净利润的 15%。目前，初步的技术验证正在密锣紧鼓地推进。

这条爆料最耐人寻味之处就是微软的身份，它既是 OpenAI 的头号巨擘金主，也是全球最大的 AI 云服务商之一。过去几年，Copilot 牢牢绑定 GPT 系列；如今，它却开始认真将视线投向中国模型。

知情人士透露，Kimi K3 在代码编写与逻辑推理等硬核任务上表现出强劲的竞争力，而推理成本远低于 GPT-4 或 Claude 系列。

这揭示了一个深刻的剧变：吸引美国科技巨头的已不仅仅是性能上限，更是极致的性价比。过去，硅谷笃信全球顶尖的模型必出自美国；但企业主已经开始反思：我们真的需要时刻为“最高性能”买单吗？

技术竞赛追求极致，商业竞争讲求 ROI（投资回报率）。对于真实的企业世界，若 30% 的成本能跑通 90% 的业务效果，答案不言自明。

当然，巨头的架构迁移并非一蹴而就。Copilot 的系统底层深度嵌合了 OpenAI 的 API 与微调工具链，更换模型意味着提示词工程、输出解析与异常处理等模块均需重构。此外，针对数据主权与出口管制的合规审查，同样是一道绕不开的关卡。正如前微软高管所言：“省下的成本确实诱人，但若因 1% 的体验滑坡导致用户流失，便得不偿失。”

可即便如此，风向已经变了。分析认为，就算微软最终落地 Kimi K3，大概率也会优先部署在非核心、低敏感度场景。但这件事本身传递出的信号极为强烈：全球顶级科技巨头已开始严肃评估将中国大模型接入核心 AI 业务体系。

这标志着全球 AI 产业正在衍生出一种全新的异化趋势：中国模型的本地化。而 Inkling，正是这种趋势下孵化出的典型产物。

生态正在取代产品成为新战场

将 Inkling 简单归类为 DeepSeek 的竞争者是一种误读。它更像是 DeepSeek 在美国市场的外套，也就是由中国模型提供底层基因，美国公司负责二次训练、封装部署与合规适配，最终交付给本地客户。

穆拉蒂是要在硅谷为 DeepSeek 贴上一层“政治正确”的标签。

这种商业模式的兴起，切中了美国企业眼下最现实的困境。过去一年，从 DeepSeek、阿里通义，到 Kimi 与智谱 GLM，中国开源及开放生态的快速渗透引发了美国国会与监管部门的警觉。合规顾虑并未阻止开发者对优质能力的渴望，反而倒逼出一种新需求：既要中国模型的技术底座，又想规避直接调用的合规风险。

Inkling 应运而生。它保留了 DeepSeek 式的开放架构，运行在美国本土的云基础设施上，依循美国安全标准重训，并按当地法律完成审计。它不是 DeepSeek，却流着 DeepSeek 的血；它不叫 Kimi，却能无缝兼容 Kimi 生态。这可不是技术妥协，这是一门极其精准的生意。

更准确地说，这是全球 AI 产业首次呈现出“模型代工”的雏形。做个类比的话，二十年前，硅谷设计芯片，中国负责制造；今天，中国输出模型范式，硅谷承担本地化交付。产业链的坐标系正在悄然发生微妙的置换。

拉长时间线来看，Inkling 的出现绝非偶然。

过去一年，硅谷研究中国模型的姿态已从暗中观察转为公开拆解。DeepSeek-V3 问世后，海外开发者第一时间剖析其 MoE 架构与通信优化策略；Kimi K2、K3 发布后，GitHub 与 Hugging Face 上涌现出大量复现与微调项目；阿里通义 Qwen 系列更是长期霸榜 Hugging Face，成为全球开源社区下载量最高的基座之一。

曾经是美国实验室出论文、中国团队拼命追赶；如今，越来越多的硅谷顶级团队开始反向推演中国同行是如何做到的。

人们依然习惯拿 ChatGPT 与 DeepSeek 试比高，但这早已不是重点，更需要思考的是：为什么中国模型越走越开放，美国模型却越闭环越收紧？

这并非单纯的技术路线分歧，而是商业哲学的分道扬镳。OpenAI、Anthropic 与 Google 卖的是模型本身，高墙筑得越牢，API 溢价越高；中国厂商则走向了另一条道路，即开源开放、降低门槛，使其演变为类似当年 Android 的角色。模型本身不再是最终商品，而是流量与生态的入口。

企业部署 DeepSeek，DeepSeek 也许并未直接赚取天价利润，但整个产业链的服务器、云计算、数据库及 Agent 平台却被全面激活。开放模型正在重演移动互联网时代的生态扩张逻辑。

就像梁文锋最近流传出的一句话解释为何坚持开源：“AI这个事情足够大，最终它可能占掉人类社会GDP的百分之十，不可能独占这个事情，你一定得跟别人分享，否则你肯定活不下来。”

许多美国媒体在报道中国模型时，喜欢用“Cheap（便宜）”一词。但他们忽略了商业本质：极致的性价比本身就是不可撼动的护城河。当年中国制造席卷全球，靠的不是单项品质绝顶，而是综合效能无敌。今天的中国模型正在复制同样的奇迹，也就是说，Benchmark 或许各有胜负，但部署门槛低、训练效率高、综合成本优，足以形成全新的产业黏性。

因此，当微软测试 Kimi 的消息传出，整个硅谷才猛然惊醒：大模型之间的成本鸿沟，已足以撼动巨头们的利润表。如果今天微软愿意尝试，明天 Oracle、Salesforce、SAP 呢？如果今天只是试水边缘任务，未来垂直行业模型、客服系统与办公套件是否都会跟进？

认为政治壁垒能阻挡一切的想法过于天真。商业世界的终局往往不是由政治口号决定的，而是由财务报表决定的。如果一套方案能帮上百家公司年省数十亿美元时，资本市场很难长期抵御这种诱惑。

当然，监管与博弈只会愈演愈烈。法案限制、政府采购禁令、知识产权审查……各种阻击将接踵而至。然而回顾历史，Linux 曾被质疑安全性，Android 曾被指责体验粗糙，开源数据库也曾遭传统巨头围剿，最终决定胜负的，从来不是口水战，而是生态的生长速度。

产品易被替代，生态坚不可摧。

DeepSeek、Kimi 与 Qwen 正在做的事，就是不断拉低开发门槛，无限扩大开发者基数。当全球数以万计的初创公司、企业客户与研究机构开始将底层代码锚定在这些模型之上时，强大的网络效应便不可逆转地形成了。

这恰恰是不该嘲笑Inkling的地方。它没有证明穆拉蒂“跌落神坛”，反而印证了一个事实：一家融资 20 亿美元、汇聚硅谷最顶尖大脑的明星公司，在构筑第一款产品时，没有选择重造轮子，而是主动站到了中国开放模型搭建好的基石之上。

中国模型已不再仅仅是跑道上的竞争对手，它们正在演变成全球 AI 产业的新型基础设施。

重要的绝非某次基准测试的排名，而是标准的制定权。历史上，能够长期定义全球技术标准的国家屈指可数，比如 IBM 定义了大型机，微软定义了PC 操作系统，Google 定义了移动互联网，英伟达定义了 AI 算力生态。而今天，中国开放模型首次获得了参与定义全球 AI 开发底层标准的机会。

如果未来越来越多的硅谷创业公司像 Thinking Machines 这样，在 DeepSeek、Kimi、Qwen 的底座上进行二次微调与本地化交付，全球 AI 竞争将演变为一场奇妙的对局：中国公司负责将模型推向极高效率、极低成本与极大开放；美国公司则负责将这些基础能力包装为适配高净值市场的商业产品。

Inkling 释放出的信号已再清晰不过：硅谷正在萌发一种全新的商业模式，那就是，不再试图击败中国模型，而是套壳中国模型，共同去赚美国市场的钱。这是一个值得重视的产业图景。

禁止转载