這一週，中國 AI 生態系停止對自給自足的搖擺。DeepSeek 確認其即將推出的 V4 模型將專屬運行於華為矽晶片，不採用 NVIDIA，無 fallback。Zhipu AI 以 MIT 授權推出 GLM-5.1，這是一款在長時間執行編碼基準上超越 Claude Opus 4.6 與 GPT-5.4 的開放權重模型。而阿里巴巴被揭露是 HappyHorse-1.0 的匿名創作者，這是一款在上架當天即登上每個主要排行榜冠軍的視訊生成模型。對追蹤全球 AI 版圖的企業團隊，這是一期值得仔細閱讀的中國 AI 週報。

DeepSeek V4：在國產矽晶片上的兆參數

頭條故事是策略性的，而非技術性的。DeepSeek V4，約 1 兆參數的 Mixture-of-Experts 模型，據報具備 100 萬 token 上下文視窗，將於 4 月底推出並專屬運行於華為 Ascend 950PR 晶片。DeepSeek 與華為及寒武紀直接合作，為 Ascend 架構重寫其程式碼庫。NVIDIA 與 AMD 被明確排除。

該模型透過 MoE 路由每 token 啟動 320-370 億參數，且 V4-Lite 變體的早期 API 壓力測試已在進行。華為聲稱推理速度比前代硬體快 1.8 倍。

這不是實驗。阿里巴巴、字節跳動與騰訊已下單數十萬顆 Ascend 950PR 晶片供生產 AI 工作負載，據 The Information。一款在完全國產硬體上大規模運作的前沿級模型，正是中國 AI 生態系自美國首批出口管制實施以來所追求的。若 V4 交付具競爭力的基準，全球 AI 硬體堆疊分岔的論點將更難以駁回。

企業啟示： 若你的組織依賴 NVIDIA 的主導地位作供應鏈規劃或競爭護城河假設，這是一個值得關注的數據點。「中國在晶片上落後 2-3 年」的敘事正被主動測試。

Zhipu AI 推出 GLM-5.1：開源、長時間執行、代理式

Zhipu AI 以 MIT 授權發布 GLM-5.1，這是一個 7540 億參數模型，專為長時間執行的代理編碼任務設計。主要聲明很積進：8 小時自主執行、跨數百次迭代的策略重新思考，以及每對話多達 6000+ 次工具呼叫。

在 SWE-Bench Pro 上，Zhipu 報告 GLM-5.1 優於 Claude Opus 4.6 與 GPT-5.4。該模型具備 128K 上下文視窗與「交錯思考」，一種模型可在執行中放棄並重啟策略的逐步推理方法。它現已可用於 Hugging Face、ModelScope 與 Zhipu 的 API。

Zhipu 亦於 4 月 1 日推出 GLM-5V-Turbo，一款原生多模態視覺編碼模型，可從圖片與視訊產生程式碼。而在值得注意的商業訊號上，該公司將 API 價格調漲 10%，這是今年第二次調漲，但仍低於西方競爭對手定價。

企業啟示： 一款 MIT 授權、7540 億參數且編碼基準具競爭力的模型，是開放權重版圖的重要補充。評估專有編碼代理替代方案的團隊應將 GLM-5.1 列入候選名單，但需獨立驗證 SWE-Bench Pro 的聲明（見下文基準部分）。

阿里巴巴的 HappyHorse：匿名 #1 視訊模型

4 月 7 日，一款名為 HappyHorse-1.0 的模型出現在 Artificial Analysis Video Arena，並立即在 text-to-video 與 image-to-video 兩類奪冠，以 116 分領先先前頂尖模型。無團隊署名。兩天後，The Information 報導 阿里巴巴是幕後推手。

技術方法很獨特：一個150 億參數的統一單流 transformer（非擴散），可在單次前向傳遞中產生原生 1080p 視訊與同步音訊，對話、環境音與擬音效果。它支援七種語言並具音素級唇形同步，據報在單張 H100 上約 38 秒產生 1080p 輸出。

尚未發布權重、API 或可重現的 demo。阿里巴巴已表示開源發布「即將到來」。匿名發布模式，先前見於 Pony Alpha 與 GLM-5，正成為中國 AI 的反覆策略：先證明基準，再揭品牌。

企業啟示： 若 HappyHorse 權重以開源發布，可顯著降低企業視訊生成成本。音視訊聯合架構對打造多語言內容管線的團隊尤為相關。

Kimi K2.5 驅動 Cursor 的 Composer 2

Moonshot AI 的 Kimi K2.5 現為 Cursor 的 Composer 2 代理引擎的基礎模型，隨 Cursor 3 於 4 月 2 日推出。Composer 2 在 CursorBench 上得 61.3 分，較前代提升 39%，並在約 90% 更低的每 token 成本下，於這些任務上超越 Claude Opus 4.6。Cursor 共同創辦人 Aman Sanger 在最初發布資料中遺漏後，承認了 Kimi 基礎。

這是重大的商業驗證。Kimi K2.5 不只在基準上具競爭力，它是全球最廣泛使用的 AI 編碼工具之一的生產模型。

基準可信度問題

本週最發人深省的發現來自 SWE-Rebench，這是 SWE-bench 的去汙染版本，使用任何模型在訓練中未見過的全新 GitHub 任務。在原始 SWE-bench 上貼出競爭分數的中國模型，在乾淨版本上出現戲劇性下滑，而西方模型維持其效能。

意涵：部分中國模型基準可能反映訓練資料重疊，而非真正的軟體工程能力。在 Pencil Puzzle Benchmark，一項新穎推理測試上，差距更明顯：DeepSeek 得 2%、Qwen 3.5 得 0.7%、Kimi K2 得 6%，相較 GPT-5.2 的 56% 與 Claude Opus 4.6 的 36.7%。

這不否定中國 AI 的真實進展。但它意味企業團隊在評估生產用模型時，應更重視去汙染基準，無論來源。

產業與政策

中國於 4 月 3 日發布 AI 數位人草案法規。網信辦新規要求顯著的「數位人」識別標記、禁止用於規避生物特徵驗證、要求對肖像與聲音資料的明確同意，並限制針對未成年人的 AI 陪伴內容。公開諮詢至 5 月 6 日，情感互動服務的臨時措施於 7 月 15 日生效。

另外，圍繞 Hugging Face 貢獻 的更廣泛趨勢浮現。中國現今在平台上的公開模型上傳超越美國，生態系達 1100 萬使用者與 200 萬+ 公開模型。中國實驗室的開放權重管線無減緩跡象。

下一步看什麼

  • DeepSeek V4 發布（4 月底）。 首款專屬運行於國產中國矽晶片的前沿級模型。對 GPT-5.4 與 Claude Opus 4.6 的基準效能，尤其於 SWE-Rebench 等去汙染測試上，將決定華為押注在技術上（而非僅策略上）是否成功。
  • HappyHorse 開源發布。 阿里巴巴承諾在 GitHub 與 Hugging Face 上提供權重。若兌現，可能重塑開源視訊生成版圖並對專有替代方案施壓。
  • 數位人法規定案。 5 月 6 日的諮詢截止日將形塑中國企業如何部署 AI 虛擬人、陪伴與虛擬網紅，這是中國全球領先的市場。具跨境 AI 部署的企業應追蹤最終條文。

這就是本週的中國 AI 週報。主線很清楚：中國 AI 生態系不只在打造競爭模型，它正在打造獨立運作它們的基礎架構。這種獨立性是否延伸至基準可信度仍是開放問題。下週見最新動態。