华尔街日报文章提到美国企业转向中国低成本模型，而 DeepSeek 正是这一趋势的引爆点。2025 年，DeepSeek 仅用 2048 张 H800 GPU 和 557.6 万美元就训练出性能逼近 GPT-4o 的 V3 模型，而同等水平的闭源模型训练成本约为 1 亿美元。其核心技术在架构创新: MLA 机制将 KV 缓存压缩至低秩空间，减少通信开销；FP8 混合精度训练将显存占用减半；稀疏 MoE 架构在 6710 亿总参数下每次推理仅激活 8 个专家。这证明了算法优化可以部分替代硬件堆砌，直接动摇了硅谷「烧钱才能赢」的叙事基础。

一边是文章指出的企业大规模转向开源模型降本，另一边 EpochAI 基准测试显示，2026 年初开源模型与闭源前沿模型的差距已从 3 个月拉大到 4 个月。DeepSeek 自身也在技术报告中承认，开源模型在长序列处理、后训练算力投入和智能体泛化能力上存在关键缺陷。闭源阵营认为，Claude Opus 和 GPT-5.x 在复杂推理、长链路 Agent 等高难度任务上仍有护城河，且自建部署的隐性成本（GPU 采购、运维人力、迭代风险）常被低估。同一组数据，两种解读。

文章描述的「模型拼盘」——顶级模型做规划，开源模型做执行——正在成为新常态。当下能看到的关键变量是:企业内部 AI 成本管控从「预算无上限」转向「代币经济学」，出现像 Cursor 这样的模型编排层中间件，以及 Anthropic 和 OpenAI 被迫提供更便宜的简化版模型。但拐点不在模型本身，而在两个还未发生的信号:一是中国开源模型能否在复杂推理和 Agent 编排上追上闭源旗舰（目前落后 4 个月），二是美国政府是否会出台行政命令禁止联邦机构使用开源 AI 工具。如果两者同时发生，企业「混合使用」的自由度将大幅收窄，市场格局可能重新两极分化。

白宫正在酝酿限制开源 AI 模型，尤其是来自中国的系统。这背后是一个巨大的悖论:开源权重一旦发布，就像撒出去的水，行政命令难以阻止企业下载和使用。但美国已用实际行动——6 月 12 日商务部以国家安全为由勒令 Anthropic 关停其最强模型 Fable 5 和 Mythos 5——展示了「能力越强，管控越严」的逻辑。真正值得追问的不是「会不会封」，而是「封了之后发生什么」:美国企业被迫用最贵的阉割模型，中国模型加速渗透欧洲和东南亚市场，全球 AI 生态系统走向分裂。这是一个没有完全解法的地缘技术困境。