兼济以自强。

「 01 」

2026世界人工智能大会（WAIC）即将在上海开幕。

借此机会，谭主和国家部委、科研机构以及互联网大厂的内部人士聊了聊，说到了开头的这句话。

与之形成呼应的，是美国AI圈兴起的一个现象：

许多AI行业相关从业者来到中国实地走访，行程结束后回去，打开电脑，写下长文，说道：“I just returned from China”（我刚从中国回来）……

他们详细记录自己在北京、上海和杭州等城市的调研见闻，复盘当地AI实验室、科创企业的真实运作状态。

而贯穿全文的，是强烈的认知冲击：他们用多年时间形成的行业认知，正在被中国AI颠覆。

过去，他们习惯用几个简单变量评判一个国家AI的发展道路：开源还是闭源，政府推动还是市场驱动，算力充足还是资源受限。

但在中国，AI发展不是单一维度的技术升级，而是覆盖算力调度、数据流通、技术迭代、人才联动、场景落地、治理规则等全方位布局。

这种不同的发展模式，推动海外观察者转换视角，同时也指向了一个更为根本的问题：

中国AI正在形成一种怎样的发展逻辑？

聊的过程中，谭主的判断逐渐清晰：

系统性的共建共享正在成为中国AI最显著的特征。

“开源”是中国AI最具辨识度的标签。技术层面，模型需要更多用户使用才能持续进化；商业层面，开源则可以培育市场。

合作边界向“全要素共享”延伸。谭主与内部人士交流时感受到，在他们的认知中，算力、算法、数据仍是人工智能发展的核心要素，但不局限于此，各类应用场景、工艺诀窍、行业治理经验等都被纳入合作视野，成为可以共享的一部分。

合作形态升级为“AI生态构建”。它的特点是各行各业与AI相互赋能，在AI融入行业需求、行业应用带动AI进化的过程中，构建互融互促的良好生态。

这就解释了为什么海外观察者会感到“原有框架不够用”。

因为他们面对的，已经不是技术输出和能力供给的传统科技合作模式，而是一种能力共建、全要素共享、生态共生的全新发展路径。

「 02 」

而中国这样的发展路径，是基于自身内在禀赋特点，自然生长出来的。

谭主根据近期的所见所闻，总结了以下三个关键点。

比起打造技术高地，中国更看重的是提供务实有效的技术底座

想要真正看懂中国AI的发展逻辑，首先要跳出“只有AI企业做模型”的固有认知。

提到大模型，很多人的第一反应往往是OpenAI、Anthropic这样的人工智能企业。

但在中国，不只人工智能企业入场，消费电子企业、通信运营商、办公软件和物流企业等，都在投入资源研发模型。

比如，一家科技零售公司于2026年6月发布万亿参数模型，在五万卡国产算力集群上完成全流程训练与推理。

这背后，是中国就不走“从模型到应用”的路子，而是“从应用到模型”，从产品搭建的第一天起就把它锚定在真实的业务需求上。

某互联网大厂的工程师告诉谭主，他们的一条业务线上，就有多个智能体研发团队同时做一个方向。

如何顺畅对接企业内部工作流平台？

如何沉淀专属业务知识、打造可复用的技能模块？

如何将行业专家经验转化为可调用的知识库内容？

这些落地性极强的细节问题，是他们每天面对的真实问题。

所以，中国AI团队往往有着极致的“工程师思维”。

很多团队做的不是最终产品，而更接近云计算、电网这样的基础设施。通过这种布局形成的AI技术底座，未来可以嵌入更多行业和业务流程中，支撑全产业迭代升级。

构建生态，本身就是一种发展技术的方式

自研自用、适配产业，只是中国AI发展的第一步。下一步，是形成开放共享的AI技术生态。

一个细节是，中国AI团队在发布开源模型之后，往往还会公布与之配套的微调工具、推理框架、开发文档等。

可以看到，中国团队交出的不只是技术成果。他们在降低开发者门槛，让技术变得真正可用、好用。

这有着清晰的时间刻度。

谭主拿到了最近三年世界人工智能大会期间，国家发展改革委发布的《中国智·惠世界》案例集，发现一个明显趋势：

2024年的案例多为单个模型、单项技术的输出；2025年开始，许多案例不再只是交付一个AI产品，而是提供一套覆盖场景适配、工具链与迭代能力的完整方案。

今年的案例，这样的特征将更加突出。与大会相关的内部人士告诉谭主，今年我们尤其看重高水平的AI开放合作。

从输出产品，到输出方案，再到输出能力，这就是通过开放合作在构建AI生态。

比如，一款国产大模型已经催生超过17万个衍生模型。乌干达研究团队在开发一款覆盖31种语言的大模型时，就选择了它作为底座。

某云计算公司的技术负责人曾表示，开发者的反馈和开源社区的生态支持，是其大模型技术进步的重要助力。

这是一个正向循环：开放吸引全球参与者，其场景反馈又反哺底层模型和技术体系。

此时，生态构建已不再是技术领先的“副产品”，而恰恰是形成领先优势的路径本身。

至此，“全要素共享”的逻辑便清晰起来：把模型当底座，所以愿意帮别人建底座；秉持问题导向的“工程师思维”，所以追求最大覆盖与最快迭代；要建生态，就必须提供全链条、低门槛的能力包。

不是什么都共享，而是有序、可控开放

一个有意思的细节是，在与多位业内人士交流时，他们说到最后，总是会补充一句：中国AI的共建共享，不是无底线、无边界的全面放开。

各个要素什么时候共享、共享多少，都需要设计，它依托一套贯穿产业发展全过程的制度规范。

首先是技术有边界。《中国禁止出口限制出口技术目录》始终保留人工智能相关技术的出口管理要求。

其次是数据有规则。《促进和规范数据跨境流动规定》完善了数据跨境流动的制度框架，对重要数据和达到规定规模的个人信息流动作出规范。

简言之，中国AI的开放，是安全底线之上的有序开放、可控开放、高质量开放——所有国际合作，都在制度化、规范化的框架内推进。

随着模型、算力、人才、生态的协同日趋成熟，AI国际合作正逐步进入制度和规则层面。今年以来，中国在多边场合呼吁推进人工智能全球治理，倡议成立世界人工智能合作组织，这就是让规则设计、治理经验成为共享的一部分。

而当中国开始谈“治理共享”时，“全要素共享”的最后一块拼图，就算到位了。

写完这些，再回头看海外AI从业者中国之行的困惑。

他们所熟知的AI发展逻辑，基于一种旧的科技秩序：

核心技术掌握在少数人手中，其他参与者只能获得产品、服务，却很难真正积累自己的技术能力。进入人工智能时代后，模型闭源、接口收费、算力受限、生态锁死，当技术集中度越高，全球AI产业的依附关系就会越稳固。

而中国想探索的，是另一种秩序——集全人类、各国合力，实现开源的、全要素的AI生态构建。

这是因为，人工智能是一项截然不同的技术，势必会引发安全、伦理等一系列问题，唯有全球共同参与、共同努力，才能走出一条安全、有效的发展道路。

在2026世界人工智能大会上，中国人工智能国际合作“全要素共享”的开放逻辑，将呈现出更清晰、更具体的行动框架。大会也或许会进一步回答全球AI秩序会向何处演进。

谭主将持续关注。