Aleph Alpha开源Kolibri模型，欧洲AI自主性引质疑

作者声明：该图片由AI生成

“全球主权AI背后的中国开源底座。

10月3日，德国国庆日。德国AI公司Aleph Alpha选在这天发布开源大模型 Kolibri，对外讲了一个欧洲人最想听的故事，从基础设施到供应链完全自主，欧洲端到端研发，数字主权的关键一步。欧盟官员和欧洲科技圈寄予厚望。

然后有人翻开了那份189页的技术白皮书。第3.1.1节写得非常坦白，这个欧洲自主模型的训练数据池里，2200万条样本中，31.7%的重写数据和32.1%的自主生产数据由中国开源模型深度加工。分工也很具体，智谱GLM负责重写指令数据集和生成德语对话，阿里的Qwen3.8-27B负责给科学题出标准答案。

这只是一个最新的注脚。过去一年多，从东京到利雅得，从首尔到圣保罗，一批顶着“自研”“主权”“100%本土”招牌的AI模型接连被社区扒出中国开源底座。中国一开源，别国就“自研”，这句玩笑话背后，是一笔值得认真算的账。

打脸三部曲：三种姿势，三种心态

先把三起标志性事件摆出来，因为它们恰好代表了“魔改”的三种典型姿势。

第一种是务实型，代表是德国的Kolibri。严格说它不是换皮，技术白皮书显示其基座权重为随机初始化，完整预训练在德国和芬兰本土完成，用的是采购的768张英伟达B200芯片。

问题出在后训练环节。高质量合成数据的自建成本太高，德国团队选择了一条工程上最合理的路，请能力更强的中国开源模型当“教师”，由智谱GLM和通义千问辅助生成、重写和提纯指令样本，再打上自主研发的标签。口号讲的是技术独立，底层逻辑是性价比。这一幕的讽刺在于，发布日期选在国庆日，白皮书却诚实地记了账。

第二种是粗糙型，代表是日本的乐天。今年3月17日，乐天集团发布Rakuten AI 3.0，官方口径是“日本国内最大规模的高性能AI模型”，背后站着日本经产省与 NEDO联合推进的国民级AI计划GENIAC，创始人三木谷浩史亲自站台。

发布后几个小时，开发者就在配置文件里发现了问题，model_type字段赫然写着deepseek_v3。更尴尬的操作还在后面，据36氪等媒体报道，乐天最初上传时直接删掉了DeepSeek的MIT许可证文件，换成自己的Apache 2.0授权，等于把别人免费送的东西贴上自己的标签明码标价。被社区扒出后，乐天才匆匆补了一份声明，承认版权归属。

第三种是粗心型，代表是沙特。9月2日，沙特主权财富基金旗下的国家级AI公司HUMAIN发布旗舰模型M3，官方直接宣称“100% Saudi Model”。

眼尖的网友很快发现，这个模型428B总参数、23B激活参数的配置，与不久前中国MiniMax公司开源的M3一模一样。质疑声起，HUMAIN创始人亲自下场澄清，承认该模型基于MiniMax M3开发。而就在一年前，这家公司发布上一个模型时，还强调过“从零构建”。

三种姿势对应三种心态，德国人精打细算但懒得遮掩细节，日本人急了连许可证都忘了删，沙特人则把话说得太满。共同点是，它们都验证了同一件事，从零训练一个大模型，对绝大多数国家来说依然是一件奢侈品。

Aleph Alpha Kolibri发布相关报道页或技术报告页截图

全球盘点：主权AI的底座真相

孤立事件看热闹，系统性数据看门道。市场研究机构Counterpoint今年9月发布了2026上半年主权AI大模型指数，追踪了美国和中国之外55个以上国家的170多个主权模型，给出了迄今最完整的一张底座地图。

结论有两层。第一层，这些“主权模型”里，56%是在现成开源模型上微调出来的，真正从零训练的只占44%。

第二层更有意思。在微调派的底座构成里，Meta的Llama以38%居首，阿里 Qwen占20%，法国Mistral占19%。Qwen在中东欧、亚太和非洲尤其受欢迎。也就是说，每五个微调派的“主权模型”里，就有一个踩在中国底座上。

Counterpoint《H1 2026 Sovereign AI LLM Index》相关报道页截图

具体到国家，样本已经足够丰富。新加坡国家AI计划的SEA-LION项目最早用Llama做底座，去年11月干脆换掉，改用阿里Qwen3-32B发布了Qwen-SEA-LION-v4，往底座里注入超1000亿token的东南亚语言数据后训练，模型登顶东南亚语言能力榜SEA-HELM的开源第一。

马来西亚的步子迈得更直接。2025年5月，该国通讯部启动号称东南亚首个主权AI基础设施的项目，底座用了DeepSeek，那是DeepSeek第一次以国家级规模部署在海外。

印度提供了一个难得的对照组。据36氪报道，一家叫169PI的公司发布32B模型Alpie，被印度媒体称为“印度版DeepSeek”，社区一查，它就是DeepSeek-R1-Distill-Qwen-32B的直系产物，DeepSeek当老师、Qwen做底座的蒸馏模型。

另一家拿了印度国家AI使命约1100万美元算力补贴的Sarvam AI，剧情更曲折。官方声称从零训练，社区从配置里扒出多头潜注意力、GRPO强化学习等核心机制均来自DeepSeek，CEO随后承认团队“钦佩并学习DeepSeek”。

韩国的国家级大模型竞赛则贡献了最具喜剧性的一幕。据外媒调查，主权AI基础模型计划的五支决赛队伍里，至少三支用了中国开源模型，Naver队的视觉音频编码器与Qwen特征相似，SK电讯队的推理代码与DeepSeek雷同，Upstage队部分元件直接复制自智谱GLM，被发现时连版权标记都没删干净。

南美和工业界也有戏份。据外媒报道，里约热内卢市政IT公司发布的Rio-3.5-Open-397B基于Qwen 3.5。金融时报则报道，德国工业巨头西门子在部分应用中使用了DeepSeek和Qwen。

36氪出海《China's Model, Global Foundation》报道页截图（含乐天、沙特、韩国、印度等案例细节）

把这张地图摊开看，结论很朴素，全球超过一半的“主权”模型，底座是别人家的。

真正的问题不是谁又换皮了，而是为什么大家不约而同选了那几个底座。

为什么偏偏是中国模型

答案可以归结为三个硬逻辑，每个都经得起算账。

第一个是钱。闭源模型按调用量收费，条款、定价和路线图都捏在供应商手里。

而DeepSeek用MIT许可、Qwen用Apache 2.0，权重可以自由下载、修改、完全部署在自己的机房里，数据一滴都不外流。对预算有限又想拥有本地AI能力的国家来说，这是一道不需要犹豫的算术题。

第二个是语言。全球主流模型以英语为中心，而东南亚有超过1200种语言，大量非拉丁文字的小语种长期处于AI服务的荒漠。

中国模型在缅甸语、印尼语、马来语、泰语、越南语、泰米尔语等语种上的表现意外地好，这源于训练语料的覆盖策略，也让它们成为区域语言模型最现成的起点。新加坡SEA-LION选Qwen而弃Llama，直接原因就在这里。

第三个最微妙，是主权概念自身的悖论。欧洲不愿把数据交给美国云，2026年6月Anthropic短暂暂停部分面向欧洲的模型服务，证明了美国政策随时可能掐断访问（此事据Tech Times报道）。

但交给中国云同样犯难。中国安全法律对境内企业设定的配合义务，让欧盟机构对云端调用心存戒备。

开放权重加本地自托管，恰好成了第三条路。模型下载到欧洲自己的机房，物理隔离，谁的法律都够不着。咨询机构Arthur D. Little的慕尼黑合伙人Volker Pfirsching说得更直白，主权不应简单等同于供应商的国籍，一个在中国开发但跑在欧洲基础设施上、数据由企业自己掌控的开放权重模型，可能比美国专有API提供更强的运营主权。

还有一层现实是，欧洲自己拿不出替代品。法国Mistral是欧洲最强的开放权重选手，但离绝对前沿还有距离。

欧盟承诺的InvestAI超级工厂一再推迟，首批AI超算预计要到2028年中才能形成运营能力。基建没到位之前，欧洲企业和政府的选择其实只有两个，租美国的API，或者下载中国的权重。

SCMP/tech360《Europe Eyes Chinese AI for Sovereignty, Cost Benefits》报道页截图（含西门子使用DeepSeek/Qwen、Pfirsching主权观点）

欧洲的拧巴：一边用，一边防

这个语境下的欧洲，姿态堪称拧巴的教科书。

据Tech Times报道，欧盟网络安全局ENISA与欧盟委员会联合研究中心JRC正在气隙隔离的硬件上秘密测试中国的开放权重模型，计划在2026年底前建成一个联合测试平台，让能源、金融、医疗和公共机构在部署前先做安全评估。

欧委会把这套动作定性为“研究计划而非监管调查”。话说到这个份上，进退的空间都留好了。

防的一面是真防。意大利的数据保护机构曾在72小时内封禁DeepSeek的托管服务，意大利、捷克、荷兰、比利时、法国等至少五个成员国已经限制政府系统使用中国AI。

技术层面的反方证据也相当硬。美国国家标准与技术研究院下属的CAISI研究发现，中国开放权重模型的智能体劫持率和特定对齐倾向显著高于美国前沿模型，而且这些问题经过第三方微调后依然存在。开发COMPL-AI合规基准的 LatticeFlow AI也得出类似结论，DeepSeek和Qwen在隐私、有害内容等维度的合规差距大于美国同类模型。

但用的一面也是真用。第三方机构主权AI Registry给自托管的DeepSeek R1打出了“符合欧盟采购标准”的评级，评语堪称本篇题眼，同样的权重，零中国数据流。

工业端，西门子在用DeepSeek和Qwen（金融时报报道）。深圳的讯策科技与欧洲数字服务商Lutech签约，要把符合欧洲数据法规的AI算力服务带进欧洲。

制度层面则暴露出一个今天的监管框架尚无答案的问题。欧盟AI法案对自由开源许可的模型给予了大范围豁免，除非训练算力超过系统性风险门槛。这意味着一个下载后跑在华沙或里昂本地服务器上的中国模型，几乎不受该法案直接管辖。

研究者的说法一针见血，一个MIT许可的模型跑在德国政府的机房里，没有任何一个可以被约谈、罚款、要求更新的责任主体。监管的触手，第一次够不着技术的用法。

拧巴的根源不难理解。对欧洲来说，中国开源模型既是对主权的威胁，又是当下实现某种主权的工具。这个悖论短期内无解，只能一边测试一边部署，一边限制一边引进。

Tech Times《EU Security Agencies Secretly Test Chinese AI》报道页截图（含 ENISA/JRC气隙测试、成员国限制等细节）

底座时代：一组被低估的数字

“魔改”现象的另一面，是中国开源生态已经长成的体量。这组数字来自全球最大开源模型平台Hugging Face的官方报告，值得完整看一遍。

Hugging Face今年夏季报告指出，截至7月底，平台上基于Qwen的衍生模型已超过15万个，是第二名的1.8倍。2026年前七个月，Qwen衍生模型每天新增约180到210个。

新华社《经济参考报》的报道补充了阿里云的官方口径，千问系列自2023年开源至今已发布460多个模型，衍生模型总数超过30万，累计下载量突破30亿次。春季报告则给出另一个坐标，中国研发的开源模型下载量已占全球总量的41%，DeepSeek与千问连续多周包揽主流调用榜前两名。

新华社《经济参考报》《模型开源“开”出产业增长新空间》报道页截图（含Qwen衍生模型15万、日增180-210等数据）

这组数字的含金量还在被持续背书。据行业转引，联合国人工智能独立国际科学小组8月发布的评估报告，将Qwen和DeepSeek作为全球开源AI生态的唯一代表性案例单独列出。

英伟达的黄仁勋7月发表公开信，把开放权重比作1980年代的开源软件运动，认为它扩大了参与AI经济的途径。连一直推动封锁的硅谷，都在羡慕开放的生态。

反方的声音也存在。OpenAI战略未来主管Dean W. Ball曾批评开放权重本质上是“减速主义”，会拖累AI资本开支。但这个批评恰恰从侧面确认了一个事实，开放权重已经强大到足以拖累别家的资本开支逻辑。

用一个类比收束这一节，中国开源模型正在成为全球AI的水电站。每一款基于Qwen或DeepSeek的微调模型，都是在电网上新接的一台电器。电器越多，电网越不可拆。

意味着什么：主权是个光谱，不是开关

回到最初的问题，这波“被扒”潮到底意味着什么。给出三层判断，以下属于分析，不是结论。

第一层，关于主权的定义。Counterpoint研究总监Marc Einstein的表述是迄今为止最诚实的，主权AI关乎控制与战略自主，但控制是一个光谱，不是一个开关。

多数所谓主权模型是外国开源底座上的微调，真正的自主仍是例外。比这更进一步的分析框架来自行业观察，主权AI本来就是一个分层的能力集合，有的国家追求底层基座的完全自建，有的国家重心放在部署治理框架，有的国家先解决本土语言和数据的主权。评判一国是否拥有AI主权，标准不是有没有一个冠名自研的模型，而是能否掌握模型落地后的关键管控环节。

按这个标准，新加坡用Qwen底座做的SEA-LION，主权成色未必低于某些从零训练但无人使用的“完全自研”。

第二层，关于风险，不必回避。供应链依赖是真实存在的，底座模型的更新、安全补丁和下一代版本都握在中国实验室手里，这种依赖关系已经在欧洲和美国的企业层面被公开讨论。

权重内嵌的风险更棘手。CAISI的研究显示某些行为倾向经过微调依然保留，而开放权重模型一旦部署，没有任何机制能强制上游修复问题。

还有一个时间窗口问题。如果未来中国对先进模型的出口采取限制措施，眼下这个“下载即拥有”的窗口可能收紧。

第三层，关于走向，给出五个可验证的推断。

其一，被扒会常态化。主权叙事与工程现实的落差会持续曝光，白皮书会越来越诚实，发布会会越来越谨慎。

其二，混合策略将成为欧洲的主流选择。美国模型、欧洲模型、中国模型按场景组合部署，咨询机构的判断已经确认了这个趋势。

其三，欧洲面临两条路的抉择。要么加速补基建，等2028年的超算窗口；要么率先为开放权重立监管规则，欧盟正在讨论的分层释放标准和安全访问蓝图，可能成为全球第一份open-weight监管范本。

其四，对中国开源阵营，战略红利与隐忧并存。联合国层面的背书和15万个衍生模型是前所未有的生态资产，但生态越庞大，被地缘政治瞄准的概率越高。

其五，观察哨设四个。ENISA与JRC的测试结论是否公开、欧盟安全访问蓝图的落地条款、Counterpoint下一期指数中自研占比的变化、中国是否会出台模型出口管理措施。

结尾

回到德国那台国庆日发布的模型。自研的帽子，别人的底座，丢人吗？工程学的答案是，不丢人，用成熟的开源底座加自己的数据做本地化，是绝大多数国家眼下最理性的选择。但把口号当交付物，就丢人了。