人民日报给国产开源定了调:100 亿次下载、连续 29 周全球第一,但真正的考题在账单上
- 2026-11-22 23:44:18
11 月 21 日,人民日报刊发了一篇不短的文章:《国产大模型引领全球开源生态》。它没有追着某一家公司的发布会跑,而是把三组数字放在了一张表上——累计下载 100 亿次、连续 29 周全球第一、日均词元调用突破 500 万亿。
报道里最不像"产业观察"的细节,反而是最值得注意的:国内网购平台已上线词元充值中心,"双 11"直播间里,词元也成了抢手货。
这句话把一件很抽象的事落到了购物车里。词元(Token)是大模型处理信息的最小单位,可以理解为 AI 世界的"字数"。过去它只存在于开发者的后台账单和 API 控制台里;现在,它被摆上了电商货架,像话费一样按量充值、按月订阅。
据证券时报、央视财经报道,天猫 9 月 3 日上线 Token 充值中心,接入阿里云、智谱、Kimi、MiniMax、DeepSeek 等厂商;今年"双 11"首次把 Token 设为独立品类,开售首日该品类成交额环比增长 450%。11 月 2 日的一场直播间里,千问办公个人会员月卡半小时售出近 10 万份,按套餐额度折算对应约 2 万亿词元。
注意,那是"套餐额度",不是实际消耗量。 这两个数不是一回事,媒体转述时也常被混着用。
人民日报这篇文章的价值,在于给出了可对账的官方口径。
下载量衡量的是"被获取"的广度,调用量衡量的是"被使用"的强度,词元交易衡量的是"被计价"的程度。三条线同时领先,才叫生态。
第三组数字尤其要标清时点。人民日报正文写的是"已突破 500 万亿",没有注明统计月份;国家数据局的数据是今年 3 月突破 140 万亿,中国信通院等机构联合发布的报告显示 2026 年 6 月国内词元日均消耗量约 500 万亿、是 2025 年 12 月的近 4 倍,而 2024 年初这个数字还只有约 1000 亿。不同时点的数字不能混着引用,否则会读错增长曲线。
还有一处必须拆开看:国内日均 500 万亿词元,与 OpenRouter 上 119.1 万亿词元的周调用量,不在同一个统计范围里。前者是国内全量口径,后者只是一个海外模型聚合平台的口径,受平台开发者结构、模型价格、接口稳定性影响。腾讯新闻的分析也说得很清楚:平台调用量不能简单等同于全球 AI 市场总份额。
连续 29 周第一是硬事实,但它证明的是"在可比口径下的持续吸引力",不是"拿下全球九成市场"。

二、下载的归下载,赚钱的归赚钱
报道里有一句话,被很多转载忽略了:"开源不等同于放弃商业回报,依托云端推理、智能体平台、模型微调等,企业依然能够形成可持续的收益模式。"
这句话点破了开源生意的真实结构。模型权重可以免费下载,但运行、评估、维护都要花钱。中国电子报援引亚洲数字经济学院陈柏珲的判断说得更直接:如果这些能力集中在少数云平台,那么即便模型开源,利润仍可能留在算力提供方手里。
第一个不等号:下载量 ≠ 日常调用量。 累计值是累加数,重复下载、微调衍生、二次分发都算在里面。它衡量生态厚度,不等于今天有多少请求打到了服务器上。
第二个不等号:调用量 ≠ 收入。 定价低、调用频次高的模型,在词元统计上天然占优。OpenRouter 是高度市场化的聚合平台,谁便宜谁走量,这是常识。
第三个不等号:开放权重 ≠ 随便商用。 以报道点名的 Kimi K3.1 Pro 为例,它 11 月初在 Hugging Face 开放完整权重,总参数 2.8 万亿、单 token 激活约 1040 亿、上下文 100 万 token,量化后权重包约 1.56TB——单卡 141GB 显存估算,光加载就要至少 12 张加速卡,个人开发者基本不可能在家跑。它用的是厂商自定义许可,不是 Apache 2.0:连续 12 个月 MaaS 收入超 2000 万美元的转售业务需单独签约,月活破 1 亿或月收入超 2000 万美元的产品需标注模型名。
所以更准确的说法是:开源把底座交到了别人手里,但收费口从"卖模型"挪到了"卖推理、卖微调、卖平台"。 门槛降低的是使用端,不是商业化端。
三、从"被下载"到"被当作底座"
真正让这篇报道有分量的,是它列的不是参数表,而是场景。
工业场景:京东方以国产开源大模型为底座,自研蓝鲸显示大模型,覆盖研发设计、生产制造、质量管理。报道描述的产线闭环是:系统实时捕捉一处微观缺陷,生成修复方案,联动设备完成修复。这是企业口径的效果描述,不是第三方审计结果。
开发场景:个人开发者吴瑞孟接到淘宝店主"用二次元图片给车贴膜"的需求,在无代码平台"秒哒"上花 25 分钟做出 demo,这个创意最终以 8000 元成交。一个人、一句话、25 分钟——这是开源模型下沉到个体手里的样子。
海外场景:新加坡发布的"海狮 V4"以阿里千问开源模型为基座,覆盖 119 种语言、在 36 万亿词元上预训练,面向东南亚复杂的语言环境。据 Hugging Face 2026 年报告,中国研发的开源模型在该平台下载量占比约 41%,居全球第一;基于千问的衍生模型超过 15 万个。
算力场景:美团 11 月发布 LongCat-2.5,企业称推动国产算力上的大模型从"跑得动"走向"跑得快、跑得省"。这提示了下一阶段的竞争点:调用规模越大,用户对响应速度和成本越敏感——开源模型的对手不只是别的模型,还有整套软硬协同的效率。
报道还点出 Kimi K3 的混合线性注意力机制、DeepSeek 对 MoE 架构的创新。这些不是炫技,它们直接决定了"超长文本算得更省、超大模型训得更稳",也就是每分钱能干多少活。

四、我的判断:尺子换了,四道坎还在
以下是我的观点,不是事实陈述。
第一,竞争的评价尺子正在从榜单分数换成单位成本。 100 亿次下载证明的是"被需要",29 周第一证明的是"被持续选择"。但下一阶段的考题是:谁能把每一词元的成本压下去、把场景扎得更深。跑分仍然重要,它决定入场资格;成本决定谁能留在场上。
第二,"开源领先"和"利润领先"之间,还隔着一整个基础设施层。 模型免费了,但推理集群、微调工具、观测与合规体系都不免费。如果这些环节被少数平台把持,开源带来的生态影响力未必转化成国内厂商的利润。这是最需要警惕的一种"赢了生态、输了账本"。
第三,四道坎一道都没少。 中国电子报把开源"进入深水区"的难题归为三类:同质化(大家都在 Transformer 上,通用能力差距收窄、领先位置轮转)、变现(投入大、短期难直接盈利)、安全(开源智能体走红后,漏洞库与应急机构已就高危风险发出提示)。我再加一道:软硬协同——国产模型与国产算力的适配深度,决定成本曲线能压到多低。
第四,对从业者的机会不在"再训一个大模型",在"把开源底座用起来"。 垂直行业微调、私有化部署、推理优化、许可合规评估、词元成本核算——这些岗位的需求,会随着调用量一起涨。报道里那个 25 分钟赚 8000 块的开发者,其实已经把答案写出来了:稀缺的不是模型,是知道拿模型去解决谁的什么问题。
五、结尾:留几个值得想的问题
• 当下载量和调用量都不再是瓶颈,国产开源下一阶段的胜负手,会落在单位成本、软硬协同,还是许可与治理规则? • 词元进了直播间之后,企业采购 AI 的方式会像采购水电一样标准化吗?跨厂商的计量口径不统一,这道坎谁来解决? • 如果开源模型的能力继续逼近闭源前沿,"开放权重"会从追赶工具变成标准制定工具——那我们准备好把实践变成国际规则了吗?
来源:人民日报 2026-11-21《国产大模型引领全球开源生态(大数据观察·智能经济新形态)》,经新华网、中国经济网、南方企业新闻网全文交叉;词元口径、模型参数、许可条款另经中国信通院、国家数据局、证券时报、央视财经、21 世纪经济报道、腾讯新闻、科普中国转 Hugging Face 报告等多源核对。100 亿次为累计下载口径,含重复下载与衍生使用;OpenRouter 119.1 万亿为单一第三方聚合平台周调用口径,非全球份额或收入;500 万亿为国内口径,对应信通院 2026 年 6 月统计;套餐额度折算≠实际消耗;Kimi K3.1 Pro 为厂商自定义许可而非 Apache 2.0,硬件门槛为媒体估算。京东方、美团、吴瑞孟等案例为企业或个人口径,非第三方审计。"每分钱干多少活""四道坎"等判断均为观点,与事实分离。本文为事实转述加原创分析,短句引用并注明出处,不构成任何投资建议。配图为 AI 生成示意图,非真实数据或新闻现场。