AI革命不會在電視上播出——它將量化

借用吉爾·斯科特-赫倫1971年的抗議歌曲，如果說AI革命不會被量化，那可能就錯了。在中國，一場文化變革正在進行，量化確實在推動變化。

量化是壓縮AI模型權重至更低數值精度的過程，使模型更小、執行成本更低。它與開放權重模型的提供並行，開發者可以公開訪問模型的訓練引數，然後定製模型並在本地或選擇的雲上執行。RQR Intelligence指出，“中國AI生態系統的巨大優勢在於其對開放權重的堅定承諾。”

軟體工程師能夠使用Qwen、小米的MiMo或DeepSeek V4 Pro等模型，下載權重，經過量化過程，然後在本地機器或選擇的雲服務上執行和託管，從而獲得前沿智慧。Sonar的首席工程師Gautam Korlam表示：“中國前沿模型如Z.AI、Qwen、GLM和DeepSeek已成為當今軟體開發的實用工具。它們適用於測試生成、重構、倉庫分析、文件和初步除錯。但需要注意的是，它們仍需驗證。它們是有用的工程工具，但不是自主的高階工程師。”

Korlam進一步指出，中國前沿模型的最大優勢不僅僅是基準測試的提升，而是從不同角度的實力展示。“有了這些中國前沿模型，開發者可以檢查、微調、本地執行，並將其整合到僅透過API部署難以實現的工作流程中。這使團隊對成本和智慧有更多控制。”

對專有封閉權重AI前沿模型公司的革命，部分源於對美國GPU硬體出口管制的戰略回應。這些約束促使中國AI實驗室透過使用各種編碼方法進行創新。Index.dev指出，阿里巴巴雲的Qwen透過稀疏模型方法實現效率，在推理時僅啟用部分引數。“與傳統AI模型一次啟用所有引數不同，Qwen3-Max僅使用與給定任務相關的部分。這使得推理效率提高約30%，在不消耗大量計算能力的情況下實現高效能。”

Quesma的創始工程師Piotr Migdał表示：“事情變得有趣了，但這是雙刃劍。對公司和開發者來說是福音。同時，這意味著工具可以被任何一方——國家或私人——用於防禦或攻擊。”他認為Z.ai的GLM 5.2等模型的釋出表明AI競賽不再只是美國的事情。Migdał指出：“雖然競爭激烈，但可以期待更多中國模型領先。”

隨著中國前沿AI模型被廣泛基準測試、評論，並且很少因幻覺受到指責，下一個轉折點可能帶來新的標準化、透明度，甚至是商品化。OC&C戰略諮詢公司的合夥人James McGibney認為：“原始模型智慧已經開始商品化，更便宜的中國開放權重和量化模型將加速這一轉變。”其結果是企業可能逐案選擇模型。當商品化開花時，將推動前沿AI公司向上游移動，專注於軟體、工作流整合、治理和實施層，使AI在真實商業環境中可靠且有價值。

回到吉爾·斯科特-赫倫，他說革命不會在電視上播出，意思是真正的變化是內在的，不會被贊助或商業化，沒有人應該坐以待斃。如果他今天還在，並關注中國前沿模型的發展，他可能會同意AI模型革命很可能被量化。也許唯一的區別是，在軟體開發者的參與下，這場革命幾乎肯定會伴隨可樂進行得更好。