美国AI行业正经历一场隐秘的供应链重构。多家估值百亿美元的独角兽公司，在推出自研模型时，悄悄将中国开源模型作为基座。从法律AI公司Harvey到编程工具Cursor、Devin，再到英国初创公司Cosine，它们不约而同地选择了Kimi系列模型作为底层架构。这并非简单的“换皮”，而是商业逻辑与成本效益的深度博弈。
事件概览：从法律到编程，中国模型渗透美国AI产品
2026年8月，法律AI公司Harvey发布了专为法律领域设计的模型Tenet，基座是Kimi K3。Harvey是一家估值110亿美元、服务超过1300家机构和10万名律师的独角兽，由OpenAI投资。Tenet在Harvey的法律智能体基准LAB上，成功完成的测试任务接近底座模型的两倍。Harvey并非个案。此前，全球最热门的AI编程工具Cursor在推出Composer 2时，起初并未公布模型来源，后被证实是在Kimi K2.5基础上训练而来。随后，Composer 2.5沿用同一路线。自称“全球第一位AI程序员”的Devin，在发布SWE-1.7时也公开承认使用Kimi K2.7。英国公司Cosine则利用Kimi K2.6训练出专攻老旧代码维护的Lumen Outpost。
核心信息：为什么美国公司选择中国开源模型
这些公司选择中国模型，背后是成本与效率的理性计算。过去，AI创业公司面临两条路：要么花费巨资从头训练模型，要么接入Claude、GPT等闭源API，按使用次数付费。后一种方式启动快，但产品规模越大，支付给模型公司的费用越高，利润空间被持续压缩。中国开源模型的爆发提供了第三条路：直接获取一套已经训练好的开放权重模型，再用自己的行业数据和业务经验进行后训练。
对于Harvey这类法律AI公司，通用模型可以回答法律知识，却难以完成真实的法律任务。律师需要模型从一份合伙人要求的模糊指令出发，在大量真假线索混杂的文件中连续检索、阅读、发现风险、给出引用，最终形成可交付的合同修订或备忘录。这些判断细节无法通过提示词或外部工作流完整传递，只能通过训练。而以Kimi为代表的中国开源模型，提供了强大的基座能力，让Harvey等公司能够专注于行业微调，快速打造出适合特定场景的专用模型。
同样深耕法律领域的汤森路透，也发布了首个自研模型Thomson-1，同样使用中国开源模型。其CTO Joel Hron将这种选择比作租房与买房：调用外部API是在交租，而拥有自己的模型，才能让公司的行业数据和知识产权不断沉淀成资产。连OpenAI前CTO Mira Murati创办的Thinking Machines，虽然从头训练了自己的基础模型Inkling，但一方面参考了DeepSeek的V3做模型架构，另一方面也使用Kimi K2.5生成的合成数据启动监督微调。
影响与观察：中国模型从“替代品”走向“工业品”
中国开源模型在海外开发者圈子的影响力正在从“测试”走向“核心生产”。Cursor、Devin、Harvey、Cosine等公司并非简单地为Kimi换名，它们投入了数据、算力和行业经验，将通用模型变成了真正可用的产品。但关键在于，它们不再执着于证明“这个模型完全是我从头训练的”。在商业世界里，血统没有成本重要。能用更少的钱做出更适合客户需求的模型，才是核心。
这种趋势也带来了有趣的现象：美国的AI产品，由中国模型预制。许多用户可能并不知道底层模型来自中国，但这恰好说明中国模型正在获得另一种更“长期主义”的价值——成为其他AI产品的原料、底座和上游工业品。这比单纯争夺C端用户更能体现技术底层的价值。同时，这也给美国AI创业公司提供了对冲闭源API依赖风险的手段，让它们有了更灵活的定价和定制能力。
结语
中国开源模型正在全球AI供应链中扮演越来越重要的角色。从法律审核到代码生成，从老旧代码维护到合成数据生产，它们以“底座”的形式嵌入美国AI产品的核心。这不仅是技术能力的证明，更是商业逻辑的胜利。未来，随着更多中国模型在开放权重、性能优化和行业适配上的进步，这一趋势或将进一步深化，重塑全球AI产业的竞争格局。
信息来源：爱范儿，查看原始信息。本文由 AI ONLINE 基于公开资料整理，信息可能随时间变化，请以官方发布为准。