TV-volymen stiger. En man ropar om nationell säkerhet; en annan rycker på axlarna och talar om nytta. Jag ser hur argumentet blir offentligt och snabbt, med pengar, chips och rykte på spel.
På CNBC anklagade Jim Cramer kinesisk AI för att drivas av PLA — och på Axios kallade Jensen Huang Kimi K3 för ”utmärkt”
Jag har följt det här området tillräckligt länge för att veta hur dessa ögonblick beter sig: de börjar som rubriker och slutar med att styra kapital. Du känner det i tonen – Cramers säkerhet kontra Huangs avfärdande – och den spänningen berättar vart berättelsen kommer att ta vägen härnäst.
Cramers ståndpunkt är högljudd: rör inte kinesiska modeller, de utgör en nationell säkerhetsrisk. Huangs svar är tyst men praktiskt: om en modell är bra och öppen, använd den. Jag håller med delar av båda. Du vill ha säkra system; du vill också ha effektiva. Argumentet är mindre filosofiskt än kommersiellt: billiga, högpresterande modeller förändrar var företag spenderar på chips och molntjänster.
Är kinesiska AI-modeller säkra?
Kort svar: det beror på, och öppen källkod gör det lättare att bedöma. Moonshot AI:s Kimi K3 och laboratorier som DeepSeek har väckt farhågor på grund av investerarlänkar och oro för militär-civil fusion – CSET och kongressmedlemmar har pekat på dessa kopplingar. Men direkta bevis på hemlig kontroll är tunna. Öppen källkodsmodeller kan inspekteras på plattformar som GitHub och Hugging Face, och företag kan köra dem i låsta driftsmiljöer på AWS, Azure eller Google Cloud så att de inte exponerar data.
Om du bryr dig om granskningsbarhet, gör öppna vikter och modellkort verifieringen snabbare. Om du fruktar dataexfiltrering, gör strikta driftskontroller, privata moln och kryptering den risken hanterbar. Granskningsbarheten är en styrka; det är lättare att hitta en bakdörr i en öppen modell än i en egenutvecklad svart låda.
I en Axios-intervju sa Jensen Huang att öppen källkodsmodeller bör användas när de är utmärkta — och han hävdade att de gynnar chips och datacenter
Huangs syn är transaktionell: billigare, effektiva modeller ökar den totala beräkningskraften. Man skulle kunna tro att det är kontraintuitivt – varför skulle billigare AI innebära fler chips? Eftersom lägre inträdeskostnad utökar användningen. Gratis eller billiga modeller driver experiment och produktionskörningar, som förbrukar GPU-timmar och datacenterutrymme.
Han sa till Axios: ”Gratis AI bör vara bra för chips. Gratis AI bör vara bra för datacenter.” Det är en marknadslogik: varje nytt användningsfall är bränsle för servrar. Cramer ser den logiken och hör bara hot – om företag sparar pengar genom att licensiera Kimi, kan amerikanska etablerade företag förlora intäkter. Huang invänder: billigare modeller konkurrerar inte ut amerikanska laboratorier; de breddar istället efterfrågan.
Tänk på marknaden som en livlig basar: lägre priser lockar fler köpare, och fler köpare behöver fler stånd och vagnar. Om du är ståndägaren som också säljer vagnar, kan det fortfarande vara bra för dig.
Bör amerikanska företag använda kinesiska AI-modeller?
Fråga dig själv vad du värderar högst – kontroll eller kostnad – och bygg sedan skyddsräcken. Om din produkt kräver strikt härkomst och du har känslig data, föredra granskade leverantörer och interna revisioner. Om du experimenterar eller bygger brett användbara funktioner, kan öppna modeller påskynda utvecklingen.
Operationellt kan du mildra risken genom att köra modeller i privata VPC:er, tillämpa differentiell integritet och instrumentera varje anrop för avvikelse och dataexfiltrering. Plattformar som Hugging Face tillhandahåller modellkort och licensdetaljer; molnleverantörer och MLOps-verktyg låter dig lägga till säkerhet och observerbarhet ovanpå vilken modell du än väljer.
På handelsgolv och i styrelserum upprepas paniken över ”utländska konkurrenter” — DeepSeek skakade marknaderna en gång, Kimi rörde om dem igen
Jag har sett investerare fly från billig disruption förut. Instinkten är omedelbar: skydda den etablerade, begränsa nykomlingen. Det är därför du ser uppmaningar att förbjuda dessa modeller från amerikanska företag – skydd som policy.
Cramers språk – att kalla dessa företag i praktiken drivna av PLA – höjer volymen till en politisk ton. Det är övertygande för vissa, alarmistiskt för andra. Regulatorer balanserar redan exportkontroller, CFIUS-granskningar och upphandlingsregler. Delningen är lika mycket kulturell som teknisk: ena sidan värdesätter öppen tillgång och snabbhet; den andra värdesätter försörjningskedjekontroll och geopolitisk säkerhet.
Kommer billiga utländska modeller att hållas borta från amerikanska plattformar? Vissa kommer, andra inte. Du kommer att se företag som värdesätter kostnad och snabbhet anta öppna erbjudanden; du kommer att se försvarsentreprenörer och vissa reglerade sektorer binda sig till granskade leverantörer.
Kommer kinesisk AI att ersätta amerikanska AI-företag?
Huang säger ”noll möjlighet” att Kina kommer att köra ut amerikanska företag. Jag säger så här: ett fullständigt utbyte är osannolikt på kort sikt eftersom marknaden är fragmenterad – forskningslaboratorier, molnleverantörer, företagsleverantörer och reglerade köpare vill alla olika saker. Kinesiska modeller ökar konkurrensen, vilket kan pressa marginalerna, men de utökar också den totala efterfrågan på beräkningskraft och tjänster där amerikanska företag utmärker sig.
Det finns också en spegelbild här: amerikanska laboratorier har uppvaktats av Pentagon, och vissa amerikanska företag har partnerskap med försvarsenheter. Gränsen mellan kommersiell AI och nationell säkerhet är suddig på båda sidor om Stilla havet. Om du oroar dig för en enskild försörjningskedja eller ett land, kom ihåg att flera aktörer redan handlar tjänster med militärer och regeringar.
Jag är inte neutral – du bör vara skeptisk till rädsla som säljs som visshet och skeptisk till optimism som säljs som oundviklighet. Se vem som gynnas av förbud och vem som gynnas av öppen tillgång. Utvärdera modeller utifrån granskningsbarhet, driftskontroller och driftskostnad.
Marknaderna kommer att fatta beslutet om inte lagstiftarna tvingar fram ett. Kommer du att låta pris, prestanda eller politik avgöra vilka modeller som driver din nästa produkt?
Stöd vårt arbete ❤️
Om du gillade den här artikeln, överväg att lämna dricks för att hjälpa oss fortsätta publicera bra innehåll.
