在差距与封锁之间：一个本土 AI 创业者的实践、判断与政策建议

写作背景：2026 年 5 月 19 日，淮安市市长视察我们所在的园区。我以"看山人工智能科技有限公司"创始人和 OPC 模式实践者的身份做了一次汇报。这篇文章是汇报之外、我想认真写给地方政府、园区运营方和同行 AI 创业者的一份长文。

决策摘要

如果您只有一分钟读这篇文章，请记住三句话：

1. 中美模型差距正在从"榜单"转移到"生产可用性"上。2026 年 4 月，国产开源 Kimi K2.6（SWE-bench 80.2%）、DeepSeek V4 Pro（83.7%）已经接近闭源前沿，但 Claude Opus 4.7（87.6%）单版本就跳了 6.8 个百分点，"前沿进化速度"仍然快于"国产追赶速度"。
2. 地区限制不是临时风险，是结构性常量。Anthropic 已于 2025 年 9 月封禁 50% 以上中国控股的实体（含海外子公司），H200 出口转为逐案审查但配套 25% 关税加 25% 营收分成。"接 API + 出海"这条传统路径正在被两头压死。
3. 本土 AI 创业者的现实出路只有一条：应用层深耕 + Agent 抽象层 + 本土合规 + 政府生态协同，把"差距"和"封锁"作为常量而非临时风险来设计商业模式。

对地方政府和园区的核心建议是：把算力券改成"按场景验收发券"、主动开放非敏感试点场景清单、降低 AI 服务商入库门槛、用低价低风险试点合同替代高额项目立项。完整建议见第六节。

一、引子：来自一线创业者的两个真实感受

我在淮安做 AI 创业。我们公司叫"看山人工智能科技有限公司"，是一家"超级个体"模式的小公司——一个人加一组 AI Agent，跑了三款已上线的产品：OPC-Feed（AI 经营助手与项目协作平台）、BullyStop（基于 AI 视频分析的异常行为预警）、LifeFrame（AI 驱动的家庭记忆相册）。

这些产品都不是基座模型，是应用层。但正因为是应用层，我每天都在和"中美模型差距"以及"地区限制"打交道，而且是非常具体的、带温度的打交道，不是新闻标题上的那种打交道。

我想从两个真实感受开篇。

第一个感受，是关于差距的。

我在用 OPC-Feed 自己写代码、自己运营公司。日常需要让 Agent 帮我写完一个 Pull Request、做一次端到端测试、跑一次合同审查、生成一份对外汇报材料。这些任务里，我会同时用 Claude Opus 4.7、GPT-5.5、DeepSeek V4 Pro、Kimi K2.6 这几个模型轮换。我感受到的差距，不在榜单上，在工程上。

榜单上，国产模型其实已经追得很近：Kimi K2.6 的 SWE-bench Verified 拿到了 80.2%，已经压过 GPT-5.2；DeepSeek V4 Pro 83.7%；GLM-5.1 在 SWE-bench Pro 上甚至拿了全球第一的 58.4%。但当我真的把它们放进一个需要连续调用 10 几个工具、跑两个小时不掉链子的 Agent 工作流里时，我能明显感觉到 Claude Opus 4.7 在"工具调用稳定性、长上下文一致性、复杂任务规划"上的领先——它能稳稳地跑完，而国产模型会在中间某一步莫名地放弃任务、或者出现一次格式错误就连锁失败。

这不是黑国产模型，恰恰相反，国产模型这两年的进步是惊人的。但**"前沿模型每 6 个月一次的工程化跃迁"，比"开源追赶速度"更快**。Claude 从 4.6 到 4.7 一个版本，SWE-bench Verified 提升了 6.8 个百分点，这相当于把过去半年的国产开源追赶量一次性吃掉了。

第二个感受，是关于一个创业者三明治式的焦虑。

上面，是 OpenAI、Anthropic、字节、腾讯、阿里、DeepSeek 这些巨头压顶，他们能调动几万张 H100、上千个研究员。下面，是无数同质化套壳团队，"用 GPT 套个皮"成了 2024-2025 年最常见的创业形态。中间，是合规备案、ICP 备案、数据出境、未成年人保护这些一道一道的成本。我作为本土小公司，钱不多、人不多、时间不多。

更要命的是：传统出路里那两条最容易想到的——"接美国 API 做产品"和"做完出海赚美元"——正在同时被关上。Anthropic 2025 年 9 月 4 日的封禁公告，等于直接告诉所有中国背景公司：你不被允许使用 Claude，哪怕你的公司注册在新加坡也不行。ByteDance 旗下的 Trae IDE 当时就被迫下架了 Claude。OpenAI 这边对中国 IP 的封锁已经是事实状态。出海方向，欧盟 AI Act、关税、地缘审查也在层层加码。

这两个感受叠加起来，就是这篇文章的问题意识：当模型差距是结构性的、当封锁是政策性的、当出海路径在收缩——本土 AI 创业者还能往哪儿走？地方政府和园区又能做点什么？

下面我尝试用我自己这三款产品的实践，回答这两个问题。

二、现状研判：差距与封锁的双重叠加

2.1 中美模型差距的五个维度

我不打算复读榜单。我用每天用模型的视角，把差距拆成五个维度。

第一，基座推理与工具调用能力。这是最常被讨论的维度。截至 2026 年 4 月：

榜单上看，国产已经接近闭源前沿，差距大概在 3-8 个 AA Index 之间。但接近不等于追上。

第二，生产可用性。这是最被低估的维度。前沿模型背后是一整套企业级运维：99.9%+ SLA、清晰的弃用与迁移路线、跨区域容灾、稳定的定价、稳定的提示工程行为。Anthropic 一个版本的更新会给你详尽的变更说明，给你三个月的弃用过渡。国产模型更新更频繁、波动也更大——同一个 prompt 在不同周次可能给出不同质量的输出，自动评测无法完全覆盖这种漂移。这是"实际可用性差距"远大于"榜单差距"的根本原因。

第三，闭源生态。Claude Code、Codex CLI、Anthropic MCP、OpenAI Apps SDK、Cursor、Devin——这些东西不是模型本身，是围绕模型生长出来的"工作现场基础设施"。中国厂商在这条生态上明显落后：我们有飞书、钉钉、企业微信这些"协同工具"，但缺乏"以 Agent 为中心、以工具调用为基本动作"的下一代生产力工具链。

第四，训练算力与数据。这一维度直接被出口管制塑形。2026 年 1 月 14 日，美国商务部 BIS 把 H200 和 AMD MI325X 转为"逐案审查"，看似松绑，实际配套了 25% 关税、25% 营收分成给美方政府、以及"年度对华出口不超过美国本土销售 50%"的上限——粗略估算约 90 万颗 H200 等效芯片。这是一个表面松、实质紧的安排：你能买到，但买得贵、买得少、买得有政治附加条件。B200 与下一代芯片仍然全面禁运。

第五，开发者心智份额。这是最难量化、但最致命的维度。绝大多数全球 AI 开发者的"母语"是 Claude 和 GPT 的 API。MCP 协议是 Anthropic 提出的，全球生态在它周围生长。开发者最先学的工具调用范式是 OpenAI 的 function calling。这意味着：即便国产模型某天追上了能力，"心智份额"层面的追赶仍然要再花数年。

我的结论是：榜单差距正在缩小，生产可用性差距、生态差距与心智份额差距正在被拉开。这是两条相反方向的曲线。如果只盯着前者，会得出"国产已经追上"的乐观结论；如果只看后者，会得出"差距越来越大"的悲观结论。两者都是真的。

2.2 地区限制与管控政策的双向收紧

差距之外，是政策。这条线在过去 18 个月里收紧得比模型进步还快。

美方侧，2025 年 9 月 4 日，Anthropic 正式发布《更新对不支持地区销售的限制》公告，明确禁止"任何由中国（及俄罗斯、伊朗、朝鲜）实体直接或间接控股超过 50% 的公司"使用 Claude 服务——这条规则的关键词是"控股穿透"，意味着海外子公司、新加坡注册的公司、开曼的 SPV 都不能绕过。ByteDance 的新加坡 Trae IDE 就在政策生效后被迫下架了 Claude。Anthropic 自己估算这会让他们少赚"低位三位数百万美元"。

OpenAI 这边，对中国 IP 的封锁已经是默认事实。叠加 2025 年下半年开始执行的更严格 KYC，绕过的成本越来越高。

芯片侧，BIS 2026 年 1 月的规则把 H200 和 MI325X 从"推定拒绝"改成"逐案审查"，看似是松绑，但代价是：

• 出口商必须证明出口不会减少美国客户能拿到的产能。
• 中国买家必须建立合规体系并接受美国境内的第三方独立测试。
• 配套 25% 关税与 25% 营收分成。
• 年度配额上限为美国本土销售的 50%。
• 中国境内再出口和向境外再出口仍然推定拒绝。

简单说：通道留了一条缝，但每一颗芯片都是带政治标签的。

中方侧，2023 年 8 月 15 日生效的《生成式人工智能服务管理暂行办法》是基本盘。截至 2025 年 3 月，国家累计通过 505 个大模型备案——其中大模型服务备案 345 个、大模型登记备案 159 个。地域上，北京 151 款、上海 140 款、广东 53 款。2025 年 3 月 7 日发布的《人工智能生成合成内容标识办法》，自 2025 年 9 月 1 日起施行，强制要求显式与隐式双重标识。

这意味着，本土公司提供任何具有"舆论属性或社会动员能力"的生成式 AI 服务，要么自己做大模型备案（成本高），要么调用已备案模型并做"登记备案"。对一个小公司来说，"用国产已备案模型 + 做服务登记"是默认路径，不是可选项。

2.3 双重叠加之下，两条传统路径都在被压缩

把这两条曲线叠加起来，结论很冷峻：

• 路径 A：接美国 API 做产品 —— 已经被 Anthropic 9 月 4 日封禁、OpenAI IP 封锁、合规备案三面夹击。
• 路径 B：训自己的基座追赶 —— 算力受出口管制限制、数据受合规要求约束、人才与资金成本远高于巨头。
• 路径 C：做完出海赚美元 —— 欧盟 AI Act、关税、地缘审查在层层加码，TikTok 的命运给所有出海 AI 公司提了一个醒。

剩下能走的，只有"应用层 + 本土合规 + Agent 抽象层 + 政府生态协同"这一条。这不是悲观，这是约束条件下的最优解。下面我用看山自己的三款产品作为案例，说明这条路在产品形态上长什么样。

三、案例剖析：看山 AI 实验室如何在夹缝中走

3.1 总览：一个超级个体 + 三款产品 + 一个 Agent 中枢

看山人工智能科技有限公司是淮安本地的一家 AI 创业公司，注册主体已经完成腾讯云实名认证，lifeframe.cn 域名已经备案，国内站建设中。我们目前有三款产品：

• OPC-Feed：AI 经营助手与项目协作平台。它既是产品，也是我自己运营公司的"Agent 工作现场"。截至本文撰写日，平台上沉淀了 6 个产品线、353 条以上的时间线事件。
• BullyStop：基于 AI 视频分析的校园/园区/养老机构异常行为预警系统。边缘部署、视频不出域、人工复核兜底。
• LifeFrame：AI 驱动的家庭记忆相册，面向养老、社区、文旅场景。

这三款产品看起来在不同方向，但实际上共享同一个底座：OPC-Feed 是 Agent 中枢，BullyStop 和 LifeFrame 是垂直场景的"应用层"。所有的对外业务都被我抽象成了"事件"，所有的内部协同都是"Agent 工作现场"。我会在每一节里说明，这个结构是怎么在"差距"和"封锁"的双重压力下自然长出来的。

3.2 BullyStop：本土合规优先的"边缘 AI"

BullyStop 的核心功能是：在校园、园区、养老机构的监控视频里，实时识别肢体冲突、聚集围堵、跌倒、异常聚集等行为，并通过企业微信等渠道分级告警。

这个产品的关键约束是隐私合规：未成年人数据、人脸、视频流，每一项都是合规高敏区。所以从设计第一天起，BullyStop 就走"边缘部署"路线——视频流不出域、模型在本地推理、只有结构化告警事件上行。

在这种约束下，"用国产模型"不是次优选择，是合规必选。Claude 和 GPT 的视觉理解能力当然更强，但它们都是云端 API，把未成年人监控画面发到境外服务器既不合规也不能要求客户接受。我们的视觉 Agent 用国产开源视觉模型在本地推理，对个别难例再用通用模型做二次核查（脱敏后），结果和误报率经过试点周期的迭代已经达到可用水平。

更重要的是，这个产品天然适合作为"非敏感先行试点"切入政府场景：先在民办学校、园区、养老机构跑通，不直接挑战公立校园这种高敏感场景；先做园区安全辅助，不直接做公安刑侦；先以"协助管理员发现问题"定位，不替代决策。

BullyStop 给我的一个判断是：合规不是负担，是国产模型在中国本土的护城河。当一个产品的物理边界要求"数据不出域"，海外大厂的优势就被自动废掉了一半。

3.3 OPC-Feed：用 MCP 把模型供应商"抽象成可替换层"

如果说 BullyStop 是"用合规约束反过来定义模型选型"，OPC-Feed 是另一种思路：用工程抽象，让底层模型变成可替换组件。

OPC-Feed 是一个 AI 经营助手和项目协作平台。它的核心抽象有两个：

• 事件（Event）：所有项目进展、决策记录、对话沉淀、待办、审批，都被抽象成一条"事件"，带类型、项目、可见性、审批状态、父子关系。
• Agent 工作现场（AgentWorksite）：每一个 Agent 不是飘在空中的对话框，而是"被绑定到一个具体的工作现场"——一个项目、一组工具、一组通信入口、一组权限。

这两个抽象意味着：底层用哪个模型，对上层业务几乎没有感知。今天用 Claude，明天 Claude 被封了切到 Kimi K2.6，后天 Kimi 服务波动切到 DeepSeek V4 Pro——上层的事件还是事件、工作现场还是工作现场。

技术上，这一切都靠 MCP（Model Context Protocol）协议把工具、模型、上下文解耦。我在 OPC-Feed 里实现了一整套：通信入口创建与 Agent 绑定路由、审批策略与时间线审批组件、Figma Code Connect 与 17 个 UI 组件的 .figma.tsx 映射、Agent Memory 事件绑定。这些不是为了炫技，是为了让模型从"业务核心"退回到"可替换组件"的位置。

我越来越相信：真正的护城河不在模型本身，而在 Agent 工作流的"工作现场"沉淀。模型每六个月会被超过一次，但一个组织在协作平台里积累的事件、决策、工作流模板、审批策略，是越用越厚的复利资产。

这也是我对所有同行的一个建议：与其纠结"我该用哪个模型"，不如建立一个抽象层，让"哪个模型"成为运维参数而不是产品决策。

3.4 LifeFrame：把"本土用户、本土支付、本土生态"做厚

LifeFrame 是面向家庭记忆、养老陪伴、社区文化、文旅内容的 AI 相册。它和前两款产品的不同在于：它的核心资产是"本土用户的数据厚度"，不是模型能力。

过去两周我做了几件事，看似琐碎，但合在一起就是一个本土 AI 应用的"基建模板"：

• 5 月 14 日，注册 lifeframe.cn 域名，腾讯云实名认证完成"看山人工智能科技有限公司"作为购买主体。
• 5 月 17-18 日，完成支付宝 PC 端电脑网站支付的接入（含 PaymentOrder/PaymentAgreement 模型、checkout API、notify 验签、订单 fulfillment）。处理了一次"安卓 H5 双付未自动开通"的真实生产事故，靠 trade.query 做了补单。
• 5 月 18 日，结账页移除未开放的微信支付选项、清理 UI，专注支付宝单通道；上传配额用尽场景的 Banner / Toast / API 错误统一处理。
• 5 月 18 日，开发了 MCP 照片分享嵌入能力（get_photo_share_embed / create_photo_share_link），让 Agent 在写作中可以直接插入可外链图片。

这些动作的共同主题是：把"本土用户的数据厚度 + 本土支付 + 本土合规备案"做厚。这条护城河不是模型决定的，是"你有没有真正进入本土用户日常生活"决定的。

当国产模型的能力对家庭相册场景的需求来说已经够用（图像理解、自然语言对话、记忆回放，主流国产模型都能胜任），剩下的差异就来自：用户数据量、产品打磨深度、本地支付与备案是否齐备。这些都是"看山级别"的小公司能够慢慢做厚的事。

3.5 共同模式：四层堆栈

把三款产品抽象一下，看山的实践沉淀出一个我称之为"中国本土 AI 应用四层堆栈"的模式：

1. 应用层：垂直、深、贴合本土场景（养老/教育/园区治理/中小企业经营）。
2. Agent 抽象层：用 MCP/事件/工作现场把模型变成可替换组件，避免对单一模型的供应链依赖。
3. 本土合规层：备案、ICP、数据不出域、未成年人保护、内容标识——把合规做成产品的物理边界。
4. 政府生态协同层：试点采购、场景清单、算力券、入库认证——把政策红利做成稳定的现金流支点而不是一次性补贴。

这四层堆栈是我对"应用层 + 本土合规 + 政府生态协同"出路的具体化解释。

四、三类看似可行实则死路

在讲三条出路之前，必须先标记三条死路。我看到太多同行掉进这三个坑：

死路 1：训自己的基座，试图追赶 OpenAI/Anthropic。

绝大多数团队既没有算力、也没有数据、也没有人才。在 H200 受管制、B200 全面禁运的情况下，仅算力一项就足以把追赶变成不可能。这条路只属于国家队和巨头。任何一个小团队说"我们要训自己的基座模型"，几乎都是在烧投资人和创始人的现金流。

死路 2：纯套壳出海。

2023-2024 年大量中国团队走"国内做不了那就出海"的路线，把 GPT/Claude API 套个壳卖到东南亚、欧美、中东。Anthropic 2025 年 9 月 4 日的"穿透控股"规则一刀切断了这条路；OpenAI 的 KYC 收紧、欧盟 AI Act、关税、TikTok 式的地缘审查正在依次降临。"绕一圈出海"已经从战术变成赌博。

死路 3：政府"补贴依赖"。

我见过太多公司，把 PPT 做得比产品还好看，专门去申请补贴。短期能拿到钱，长期会变成 PPT 工厂，业务被申报节奏绑架。补贴是结果不是目标。一旦把补贴当目标，团队的工程文化、产品文化会被快速腐蚀，最后产品没人用、补贴也拿不到了。

这三条死路的共同特征是：它们都把"差距"和"封锁"当成临时风险来对赌，而不是当成结构性常量来设计商业模式。结构性常量是不可对赌的。

五、三条现实可行的出路

那么出路在哪里？

出路 1：应用层深耕——做模型的"最后一公里"

模型本身越来越像电力。差异不在发电厂，在终端产品。中国本土 AI 创业者最现实的位置，是在垂直场景里做电器：养老相册、校园安防、园区治理、中小企业经营助手、地方文旅内容生产、社区文化工具。

这条路的关键，是愿意做"脏活累活"：实地跑客户、做客服、改交互、磨产品。看山的 LifeFrame 之所以能跑通，不是因为它的模型多牛，而是因为我做了支付通道、做了 ICP 备案、修了一次又一次生产事故、和真实用户来回打磨配额提示。

出路 2：Agent 抽象层——让模型成为运维参数

任何把"是否能用 Claude"当作核心商业风险的产品，都是有问题的产品。正确的做法是建立一层抽象，把模型从"业务核心"退到"可替换组件"。

具体怎么做？看山的 OPC-Feed 给了一个示范：

• 用 MCP 协议解耦工具与模型；
• 用"事件"抽象一切业务动作；
• 用"Agent 工作现场"把上下文、工具、权限打包成一个稳定单元；
• 在 Agent 调用的入口层做模型路由，按任务类型、成本、稳定性选择不同的模型。

这意味着：今天用 Claude，明天 Claude 被封我切到 Kimi 或 DeepSeek，业务无感。这一层抽象是中国 AI 创业者面对"封锁常量"的工程化解法。

出路 3：本土合规 + 政府生态协同——把政策红利做成现金流

合规和政府不是负担，是中国本土特有的护城河——只要做对方式。看山的实践是：

• 以"先试点、不直接要补贴"作为政府沟通的第一原则。我们对市长、对园区、对工信窗口都用一句话开头："愿意参与人工智能 + 场景建设，愿意先做低成本试点，形成可复制案例"。
• 以"场景清单 + 服务商入库 + 算力券模型券"作为现金流的稳态来源，而不是一次性大项目。
• 以"非敏感场景优先"作为试点入口：园区内部、民办学校、养老机构、文旅点位、社区文化中心——而不是直接挑战公立校园、公安、医疗这些高敏感区。

这条路慢，但每一步都会沉淀真实使用证据，对申报科技型中小企业、高企培育、专精特新都是反复可用的资产。

把这三条出路连起来看，它们不是"或"的关系，是"和"的关系。一个本土 AI 创业团队应该同时做这三件事：应用层垂直深耕、Agent 抽象层工程化、政府生态协同。少了任何一条，路就走不通。

六、给政府、园区、行业协会的政策建议

写到这里，我必须切换视角——从一个创业者的视角，切到一个对政策制定者的建议者视角。

下面是我给地方政府、园区运营方、行业协会的七条建议，按"低成本可立即推动 → 中期机制建设 → 长期制度安排"分层排列。每一条都配一句可立即操作的具体动作。

建议 1：算力券 / 模型券，从"按企业一次性发放"改成"按场景验收发券"

现在大多数地方的算力券，是企业一次性领取、自行使用，结果常常变成"发券领走、产品没动"。

建议改为：政府公布一份场景清单（养老、园区治理、社区文化、文旅、公文辅助、中小企业经营等），企业在场景中做完一个试点并通过验收，按使用量补贴对应算力费用。让券和场景绑定，让验收和补贴挂钩。这样既能避免补贴空转，又能积累可量化案例。

可立即操作的动作：每季度发布一份不超过 20 条的"AI 场景需求清单"，配套一套轻量验收指标（响应时间、节省人力、用户满意度、误报率等）。

建议 2：场景清单常态化——政府主动开放"非敏感先行试点"清单

很多 AI 创业团队的痛点不是没场景，而是"不知道哪些场景政府允许接、哪些场景不能碰"。

建议：政府部门主动盘点本辖区内"低敏感、低风险、有真实需求"的场景，形成一份公开清单：园区办公辅助、机关公文初稿生成、12345 工单分类、园区/民办学校/养老机构安防辅助、文旅景点内容生成等。

可立即操作的动作：园区管委会、街道办、文旅局各报 3-5 个"愿意接入 AI 试点的非敏感场景"，汇总成市级清单公开。

建议 3：服务商入库认证，为中小 AI 团队开"轻量化入库通道"

现在 AI 服务商入库的材料要求是按传统软件服务商设计的——大量历史合同、财务报表、人员社保。对一个"超级个体"模式的 AI 公司来说，这套门槛是过高的。

建议：开设"AI 服务商轻量化入库通道"，用"产品 Demo + 试点案例 + 软著 + 实名主体"替代传统的财务合同要求。专注于"产品真实可演示、试点真实跑过、合规材料齐全"，而不是企业规模。

可立即操作的动作：在现有服务商库里加一条"AI 创新服务商"专门通道，材料清单减半。

建议 4：合规辅导一站式——把典型合规问题做成"模板化指引"

未成年人保护、视频数据不出域、生成式 AI 内容标识、ICP 备案、算法备案，对一个小团队来说每一项都要查文件、问律师、试错。

建议：地方网信办、数据局、工信局联合，把最常见的几类 AI 应用（视觉分析类、对话生成类、内容生成类、数据驱动决策类）的合规要求做成"模板化指引"，配套"问题清单 + 标准答案 + 推荐律所或服务商"。让创业团队照着填即可，不用每家都从零开始。

可立即操作的动作：先做"视觉分析类"和"对话生成类"两份指引，半年内发布。

建议 5：试点采购机制——用"低价低风险试点合同"替代"高额项目立项"

现在地方政府采购 AI 应用，常常需要走百万级以上项目立项流程，对中小 AI 团队来说门槛太高、周期太长。

建议：园区、事业单位、机关单位设立"AI 创新试点采购"专项，单笔合同 3-10 万元、周期 3-6 个月、绑定具体验收指标。让 AI 创业团队可以快速进入、快速验证、快速迭代。验收通过的，再走标准采购流程扩大规模。

可立即操作的动作：园区先拿出 50-100 万年度预算做"AI 试点采购包"，每包 3-10 万元，公开征集 5-10 家本地 AI 团队入选。

建议 6：数据港 / 高质量数据集——本地非敏感数据的合规开放

AI 创业团队冷启动最大的成本之一是"没有训练或微调用的数据"。地方政府手里有大量非敏感的本地数据：园区企业目录、政策文件、公开统计数据、文旅资源数据、地方志、本地新闻语料。

建议：建立一个"本地非敏感数据集开放平台"，把这些数据按合规要求脱敏后开放给入库 AI 服务商使用，降低冷启动成本。

可立即操作的动作：先把"本地政策文件 + 公开统计 + 园区企业目录"三类做出来，作为最小可行版本。

建议 7：园区 AI 工具箱——本土 AI 应用的统一展示与采购入口

园区是 AI 应用最天然的"高密度场景集合"：园区内的企业服务、安防、政务对接、文化活动，本身就是 AI 应用的天然客户。

建议：在园区运营层做一个"AI 工具箱"——把本地或合作的 AI 服务商产品做成统一目录，园区内企业可一键申请试用、按使用量结算。既给本土 AI 团队稳定渠道，也给园区企业降低 AI 采购的信息成本。

可立即操作的动作：园区在自己的服务平台上开"AI 工具箱"栏目，首批入驻 5-10 款本地或合作 AI 产品。

这七条建议的共同思路是：政府不需要"用补贴养 AI 公司"，政府要做的是"开放场景、降低合规成本、建立轻量化采购通道"。前者是输血，后者是造血。

七、风险与不确定性

这条路也不是没有风险。我必须把不确定性摆出来。

风险 1：模型差距继续扩大。如果 Claude 5、GPT-6 在 2026 下半年又跳一个台阶（特别是在 Agent 长任务、多模态推理、世界模型上），国产追赶可能会再次陷入"差距重新拉大"的状态。Agent 抽象层能缓冲一部分，但缓冲不了全部。

风险 2：API 封锁全面化。如果美方进一步把开源模型权重也纳入出口管制（这种讨论已经在 2025 年的政策圈出现过），那么"用海外开源模型 + 本地微调"这条退路也会被封掉。我们必须做好"完全依赖国产模型"的最坏准备。

风险 3：政府试点流于形式。如果"AI + 场景"变成"为了申报而申报"，地方政府陷入对 KPI 数字的追逐，那么这条路就会被异化成新一轮 PPT 工厂。对此，唯一的解药是把"试点"做实——以真实用户、真实使用数据、真实节省人力为唯一验收口径。

风险 4：创业者自身现金流与节奏。"应用层深耕 + Agent 抽象 + 本土合规 + 政府生态协同"是慢功夫。它不像套壳出海那样能在三个月内冲量，更像是 3-5 年的长跑。这要求创业者本身有"准备做 5 年小公司"的心态，而不是"3 个月做完一个 demo 等收购"的预期。

八、结语：在差距中长出新形态

写到结尾，我想说一句可能有些反直觉的话：

中国 AI 创业的最优解，从来不是"追上 OpenAI"，也不是"复制 OpenAI"，而是长出一个不同的形态。

这个形态会是：

• 更应用、更垂直、更贴近本土生活；
• 更工程化、更善于用 Agent 抽象层吸收底层模型的不确定性；
• 更懂合规、更愿意把合规做成产品的物理边界而不是事后补丁；
• 更愿意和政府、园区、本地协会形成长期协同，而不是把它们当成补贴提款机。

这个形态不性感、不上头条、不会让你一夜成为独角兽。但它是在差距和封锁双重约束下唯一稳定的均衡点。

我自己每天都在这条路上慢慢走。看山人工智能科技有限公司今天还很小、还在淮安、还只是一个超级个体加一组 Agent。但我相信，当我们把每一个具体的本土场景做深、把每一层抽象做厚、把每一份政策红利做实，五年之后回头看，这条路会比今天看起来宽得多。

如果这篇文章对一个同行 AI 创业者、对一个地方政府的工作同志、对一个园区运营方有用，欢迎随时联系我。看山的所有项目进展、决策记录、政策跟踪、AI 工作流模板，都在 OPC-Feed 平台上公开沉淀，欢迎来翻看。

本文写作于 2026 年 5 月 19 日深夜，淮安。

作者：徐超，看山人工智能科技有限公司创始人，OPC 模式实践者。

附录 A：看山 AI 三款产品 × 淮安市 AI 行动方案映射

附录 B：2026 年 4 月主要模型一览（公开数据）

闭源前沿：

• GPT-5.5（OpenAI，AA Intelligence Index 60，4/23 发布）
• Claude Opus 4.7（Anthropic，AA 57，SWE-bench Verified 87.6%，4/16）
• Gemini 3.1 Pro（Google，AA 56，SWE-bench Verified 80.6%）

国产开源：

• Kimi K2.6（Moonshot，AA 54，SWE-bench Verified 80.2%，4/20）
• DeepSeek V4 Pro（DeepSeek，AA 52，SWE-bench Verified 83.7%，4/24，$0.30/$1.00 per MTok）
• MiniMax M2.7（开源，自我进化）
• GLM-5.1（Z.AI，国产硬件运行，SWE-bench Pro 58.4% 全球第一）
• Qwen 3.6-35B-A3B（阿里，可在消费级笔记本运行，Apache 2.0）

附录 C：2025-2026 关键政策时间线

• 2023.8.15 中方《生成式人工智能服务管理暂行办法》施行。
• 2025.3 中方累计通过 505 个大模型备案。
• 2025.3.7 中方发布《人工智能生成合成内容标识办法》，9.1 起施行。
• 2025.9.4 Anthropic 正式封禁 50% 中国控股实体（含海外子公司），ByteDance Trae 新加坡下架 Claude。
• 2025.12.8 美国总统宣布允许 H200 售予中国"经批准客户"，配套 25% 营收分成给美政府。
• 2026.1.13-15 美国 BIS 发布 H200 和 MI325X 逐案审查最终规则，年配额上限为美国本土销售 50%，25% 关税。
• 2026.1.14 H200 等 AI 芯片对华 25% 进口关税生效。

附录 D：一页速查——政策建议清单

1. 算力券 / 模型券：按场景验收发券，与场景清单挂钩。
2. 场景清单：每季度发布不超过 20 条的"AI 场景需求清单"。
3. AI 服务商轻量化入库：开"AI 创新服务商"通道，材料减半。
4. 合规辅导一站式：先做视觉分析类与对话生成类两份模板化指引。
5. AI 创新试点采购：单笔 3-10 万元、3-6 个月、绑定验收指标。
6. 本地非敏感数据集开放平台：政策文件 + 公开统计 + 园区企业目录起步。
7. 园区 AI 工具箱：首批入驻 5-10 款本地或合作 AI 产品。