中国开源大模型出海：智谱 GLM 写进了欧洲企业的代码生产线

在葡萄牙里斯本刚落幕的一场全球网络峰会上，一个细节被反复提起：一家英国金融科技公司，把原来用的美国闭源大模型编程助手，整体换成了中国智谱的开源 GLM 系列。这不只是「换了个工具」，而是中国开源 AI 第一次如此具体地，扎进海外企业的日常生产里。

一、峰会现场：中国开源模型成了「必逛路线」

2026 网络峰会于十一月上旬在里斯本举行，聚焦人工智能、机器人等议题，吸引了约七万名来自全球的企业高管、创业者、投资人和政策制定者。据主办方介绍，今年中国参会规模创下新高，中国展台被不少欧洲与会者列入「必逛路线」。

本届峰会最鲜明的信号之一，是中国开源人工智能模型在全球产业端的加速落地。多位与会专家向媒体表示，开源模型正在成为跨越国界与语言的技术「通用语」，让不同发展阶段的国家和地区得以在同一套技术底座上做创新。而来自中国的开源模型，正凭借成本可控、部署便捷、技术自主度高等优势，进入越来越多海外企业的生产系统。

二、最硬核的案例：Revolut 把编程助手换成 GLM

峰会联合创始人在开幕式上点名了一家英国金融科技企业 Revolut：这家公司已经把原先使用的美国某闭源实验室的编程助手，替换成了中国智谱的开源 GLM 系列模型。Revolut 的 AI 基础设施负责人介绍，目前 GLM 已成为公司约 2000 名工程师的默认编程模型。上线以来，平均编程耗时缩短了约 60%，AI 相关的调用成本下降了近 90%。

这两个数字之所以重要，是因为它们直接对应企业的「钱」和「效率」：开发周期砍掉一大半，算力账单降到原来的十分之一左右。对企业来说，模型好不好，不看宣传册，只看这条生产线上跑出来的结果。一家面向全球用户的金融科技公司愿意把核心研发环节交给中国开源模型，本身就是一种信任投票。

三、不是孤例：欧洲大企业也在用中国模型

法新社在峰会前的一篇报道中指出，中国开源模型可以免费下载、支持二次修改，与部分美国闭源模型形成鲜明对比，越来越受欧洲企业青睐。法国电信运营商 Orange、汽车制造商雷诺，以及德国西门子，都已公开表示在使用 DeepSeek 和通义千问等中国 AI 模型，作为美国、欧洲本土模型的补充。

这些企业的共同选择背后，是一个现实考量：多数中国模型可以直接部署在企业自有的服务器上。对银行、车企、工业集团来说，这意味着数据留在自己手里、成本也能压住——既能保持对数据的掌控，也有利于控制开支。

四、为什么是「开源」，又为什么是「中国」

开源和闭源的区别，普通用户可以这样理解：闭源模型像租用别人的厨房，你只能按菜单点菜，看不到配方，也不能改；开源模型则把「菜谱」公开，企业可以下载下来，按自己的口味和厨房条件改，部署在自己的服务器上。

中国模型在这轮出海里占优，有几个结构性原因。一是成本低，训练和调用的性价比突出；二是部署便捷，很多企业希望把模型放在本地、把数据留在内部，开源权重让这件事变得可行；三是技术自主度高，企业可以在开源基础上做二次开发，既保护数据和商业秘密，也减少对外部技术平台的依赖。

面壁智能的负责人举了一个更具普惠意义的例子：他们与国内伙伴共同参与老挝国家大模型建设，承担模型训练工作。对许多缺乏算力和顶尖人才储备的发展中国家而言，开源模型意味着不必从零训练千亿参数，也能拥有立足本国语言、数据与法规的 AI 基础设施。

五、冷静看：落地是长期的，不是一锤子买卖

也要看到，开源模型的全球化不是一路坦途。不同国家的语言、法规、数据合规要求差异很大，模型要真正「可用、好用、合规」，需要大量本地化工作和持续运维。欧洲企业对数据主权的敏感，决定了它们更倾向「能自己掌控」的方案，这给开源模型留了空间，也提出了更高的服务要求。

全球化智库的一位副主任总结得贴切：开源模型成本低、技术门槛低，企业可以在其基础上二次开发和自主部署，更好地保护数据和商业秘密，减少对外部平台的依赖。这或许正是中国开源大模型此轮出海最扎实的支点。