<!DOCTYPE html>
<html lang="zh-cn">
<head>
    <meta charset="utf-8">
    <meta name="viewport" content="width=device-width, initial-scale=1">
    <title>美国企业涌向中国AI模型、GLM-5.2追平Mythos网络安全能力、Fable 5进入按量计费——AI"供应冲击"从假设变为数据 - Markdown</title>
    <style>
        body { 
            font-family: monospace; 
            white-space: pre-wrap; 
            word-wrap: break-word; 
            padding: 0; 
            background-color: #e5e5e5;
            color: #24292f;
            margin: 0;
            display: flex;
            flex-direction: column;
            align-items: center;
            min-height: 100vh;
        }
        .markdown-body {
            box-sizing: border-box;
            width: 100%;
            max-width: 980px;
            margin: 2em auto;
            padding: 45px;
            background-color: #fff;
            border: 1px solid #d0d7de;
            border-radius: 6px;
            font-family: -apple-system,BlinkMacSystemFont,Segoe UI,Helvetica,Arial,sans-serif,Apple Color Emoji,Segoe UI Emoji;
            white-space: normal;
            box-shadow: 0 4px 12px rgba(0,0,0,0.05);
        }
        @media (prefers-color-scheme: dark) {
            body {
                background-color: #010409;
                color: #c9d1d9;
            }
            .markdown-body {
                background-color: #0d1117;
                border-color: #30363d;
                box-shadow: 0 4px 12px rgba(0,0,0,0.3);
            }
        }
        @media (max-width: 767px) {
            .markdown-body {
                padding: 15px;
                margin: 0;
                border-radius: 0;
                border-left: none;
                border-right: none;
            }
        }
    </style>
    <link rel="stylesheet" href="https://cdnjs.cloudflare.com/ajax/libs/github-markdown-css/5.5.0/github-markdown.min.css">
</head>
<body>---
title: '美国企业涌向中国AI模型、GLM-5.2追平Mythos网络安全能力、Fable 5进入按量计费——AI"供应冲击"从假设变为数据'
description: '7月7日，Nikkei披露美国企业在中国AI模型（GLM、DeepSeek）上的使用量因Mythos限制而飙升，成本仅为Claude Mythos的5%；WSJ报道智谱AI的GLM-5.2已在部分网络安全场景追平Anthropic Mythos；Fable 5订阅制今日终结，转向Anthropic史上最贵按量计费模式。三条线索共同指向一个核心命题：美国AI出口管制的意外后果正在以可量化的方式显现。'
pubDate: 2026-07-07
tags: ['AI', '分析', '中美竞争', '智谱AI', 'GLM', 'DeepSeek', 'Anthropic', 'Fable5', '网络安全', '行业动态']
---
7月7日，三条看似独立的新闻在同一个时间节点交汇，揭示了一个此前只是假设的结构性趋势——**美国AI出口管制的意外后果正在以可量化的方式显现，而且方向与政策设计者的意图相反。**

据[Nikkei Asia 7月7日报道](https://asia.nikkei.com/business/technology/artificial-intelligence/chinese-ai-usage-by-us-firms-soared-after-mythos-restrictions)，当Anthropic在6月因美国政府出口管制指令而暂停Mythos和Fable系列模型时，美国企业对中国AI服务的使用量出现了戏剧性飙升。GLM（智谱AI）和DeepSeek等开源模型——价格仅为Anthropic Claude Mythos的约**5%**——正在加速嵌入美国企业的基础设施。Coinbase、Uber等知名企业已成为中国AI模型的用户。

同日，[WSJ报道](https://www.wsj.com/tech/ai/china-resets-the-ai-race-572f6e07)智谱AI发布的GLM-5.2模型已在部分网络安全场景中**追平甚至超越**Anthropic的Mythos——而Mythos此前被视为全球最强的网络安全AI模型。这意味着中美前沿AI能力的差距正在以超出预期的速度缩小。

而在企业层面，Anthropic的Claude Fable 5今日正式从订阅制包含模式转向按量计费——$10/百万输入token、$50/百万输出token——这是Anthropic有史以来最昂贵的通用模型定价。如昨日报道所述，日内瓦AI治理对话正在讨论的多边治理框架面临美国缺席的困境；今天的新闻进一步揭示了这种治理真空的实际后果。

---

## 美国企业为何涌向中国AI模型？Mythos限制的"意外供应链重组"

### 发生了什么

据Nikkei Asia 7月7日发自帕洛阿尔托和东京的联合报道，2026年6月，当Anthropic因美国商务部出口管制指令而暂停Mythos和Fable系列模型时，美国企业对中国AI服务的使用量出现了显著飙升。

**关键数据点：**

| 维度 | 数据 |
|------|------|
| **成本差距** | 中国AI模型（GLM、DeepSeek）的价格仅为Anthropic Claude Mythos的约**5%** |
| **代表性用户** | Coinbase、Uber等知名美国企业已开始使用中国AI模型 |
| **触发事件** | 6月Anthropic因出口管制暂停Mythos/Fable模型（如7月3日报道所述） |
| **模型类型** | GLM（智谱AI）、DeepSeek等开源/开放权重模型为主 |

Nikkei的报道还揭示了一个此前被忽视的维度：中国AI模型并非仅仅因价格优势而被采用——在Mythos限制期间，许多美国企业发现，这些开源模型在功能上已足以替代西方前沿模型的大部分企业级应用场景，且部署灵活性远高于闭源API。

### 为什么这比看起来更重要

如7月3日报道所述，PIIE此前已警告美国的临时性AI管控可能帮助中国AI产业。但今天的Nikkei报道提供了这一判断的**第一个硬数据验证**：

1. **替代效应已从"假设"变为"事实"。** Coinbase和Uber等企业级别用户的加入意味着中国AI模型正在嵌入美国关键基础设施的日常运营中——这不是边缘实验，而是生产级部署。

2. **成本结构差距是结构性的。** 中国模型仅为Anthropic价格的5%，这一差距不是临时促销，而是反映了不同市场结构和政府补贴模式的根本差异。一旦企业将基础设施迁移到更低成本的替代方案，切换成本将使这种迁移**难以逆转**。

3. **开源策略正在产生地缘政治红利。** 智谱AI和DeepSeek选择开放模型权重的策略，使其在全球开发者社区中获得了难以通过闭源模式实现的渗透深度。美国开发者可以自由下载、微调和部署这些模型——美国的出口管制对此无能为力。

### 历史类比：1990年代日本半导体反倾销的意外后果

1980年代末，美国对日本半导体产品实施倾销调查和关税，试图保护本土产业。但结果出乎意料：日本半导体企业将产能转移到韩国和中国台湾，反而加速了全球半导体供应链的多元化，最终削弱了美国半导体制造业的长期竞争力。

当前的情况有相似的结构：出口管制的本意是限制先进AI能力的扩散，但实际效果是**加速了替代供应源的成熟和渗透**。区别在于，AI模型的迁移成本远低于半导体制造业——企业只需要修改API端点，而不需要重建晶圆厂。

---

## GLM-5.2追平Mythos：为什么网络安全AI的"追平"是分水岭？

### 发生了什么

WSJ在7月初的深度报道中揭示，智谱AI（Zhipu AI）发布的GLM-5.2模型已在部分网络安全场景中**追平甚至超越**Anthropic的Mythos模型。具体而言：

- **漏洞发现能力**：在标准化的漏洞检测基准测试中，GLM-5.2的表现已与Mythos相当
- **开源权重**：与Mythos不同，GLM-5.2是开放权重模型，任何人都可以下载和部署
- **战略含义**：如7月5日报道所述，Five Eyes联盟已警告AI驱动的网络攻击将在"数月内"到来——而现在，攻防两端的最强AI能力已不再由单一国家垄断

### 为什么网络安全是AI竞争的"制高点"

网络安全AI之所以具有特殊战略意义，是因为它是**攻防双重用途**的：

- **防御端**：AI可以加速漏洞发现、自动化补丁部署、检测异常行为
- **进攻端**：AI可以自动化社会工程攻击、发现零日漏洞、生成多态恶意软件

Anthropic此前将Mythos定位为需要最严格管控的模型类别——正是因为其在网络安全领域的卓越能力可能被恶意行为者利用。美国政府6月对Mythos的出口管制指令（如7月3日报道所述），本质上是试图垄断这种攻防能力。

GLM-5.2的出现意味着**这种垄断已不再可能**。更关键的是，GLM-5.2是开放权重模型——这意味着任何国家的任何人都可以在本地部署这一能力，美国的API级出口管制对其完全无效。

### 历史类比：2017年WannaCry与NSA工具泄露

2017年，NSA开发的"永恒之蓝"漏洞利用工具被泄露到网上，随后被用于WannaCry勒索软件攻击——一天内感染了150个国家的30万台计算机。那次事件的教训是：强大的攻击能力一旦"扩散"，后果是不可控的。

GLM-5.2的意义有所不同：它不是被"泄露"的，而是被**主动公开发布**的。这代表了一种全新的战略逻辑——通过开放扩散来确保AI能力的民主化，而非通过垄断来维持单边优势。这种逻辑与美国的"小院高墙"战略形成了根本性的对立。

---

## Fable 5按量计费今日生效：前沿AI模型的"经济悬崖"

### 发生了什么

7月7日，Anthropic的Claude Fable 5正式从订阅制包含模式转向按量计费。所有Pro、Max、Team和Enterprise订阅用户如需继续使用Fable 5，必须启用usage credits（用量积分）：

| 计费项 | Fable 5价格 | 对比：Opus 4.8 | 对比：Sonnet 5（限时） |
|--------|------------|---------------|---------------------|
| **输入** | $10/百万token | $5/百万token | $2/百万token |
| **输出** | $50/百万token | $25/百万token | $10/百万token |
| **倍率** | **2x Opus** | 基准 | **0.2x Fable** |

据[TechTimes详细分析](https://www.techtimes.com/articles/319767/20260706/fable-5-subscription-ends-tomorrow-per-token-costs-who-gets-hit-hardest.htm)，实际使用中，agentic（自主代理）工作流的成本远高于标价所暗示的数字。原因在于transformer模型的无状态架构——每一轮交互都需要重新传入全部上下文：

- BleepingComputer测试发现$100 Max订阅在重度使用下**9分钟内**被耗尽
- Scrimba CEO记录了7分钟内消耗130万token——相当于约**$160/小时**
- 生产环境的代理循环成本在$200-$400/小时之间

### 为什么这很重要

Fable 5的计费模式转换有三个层面的意义：

**第一，它标志着前沿AI模型"订阅制时代"的终结。** 当模型能力达到一定阈值后，固定费率订阅在经济学上不再可持续——因为重度用户（尤其是运行自主代理循环的开发者）的消耗远超订阅费所能覆盖的成本。Uber在4个月内耗尽34亿美元AI预算的案例（如7月5日报道所述）已经证明了这一点。

**第二，它与中国AI模型的低成本形成了直接竞争压力。** 当Fable 5的成本为$50/百万输出token时，GLM-5.2和DeepSeek等中国模型的价格仅为约5%——即$2.5/百万输出token左右。对于不绝对需要Mythos级能力的应用场景，价格差距已经大到难以忽视。

**第三，它创造了"能力分层"的新商业模式。** Anthropic正在通过价格杠杆引导用户根据任务复杂度选择不同模型——Fable 5用于真正的长程推理任务，Opus 4.8用于一般任务，Sonnet 5用于轻量级工作。但这种策略只有在用户愿意为此分层付费时才有效——而中国AI模型的低价替代品正在侵蚀这种分层的基础。

### 一个关键的运营细节

Fable 5的安全分类器（7月1日重新部署时安装）在常规编程和调试任务上存在**高误报率**。据BridgeMind在BridgeBench TypeScript调试基准上的独立测试，12个调试任务中只有3个在Fable 5上完整运行——其余9个被分类器重定向到Opus 4.8。这意味着开发者可能在为Fable 5付费，但实际使用的却是更便宜的Opus 4.8——这是一个尚未被广泛讨论的"性价比陷阱"。

---

## 更多今日要闻

### 中国AI伴侣新规7月15日生效：ByteDance和Alibaba提前拆除功能

据[Strait Times报道](https://www.straitstimes.com/asia/east-asia/bytedance-alibaba-pull-ai-companions-as-beijing-tightens-rules)，ByteDance的Doubao（中国最受欢迎的AI聊天机器人）将于7月15日关闭用户自定义AI人格功能。Alibaba的Qwen也在做同样的调整。中国即将实施的"AI拟人化交互服务"管理规定是全球首部针对AI伴侣的专门法规，禁止未经核实的情感陪伴、深度伪造人格和未成年人使用的拟人化交互。**这一监管框架与美国的"不监管"和欧盟的"全面监管"形成了第三种模式——针对特定应用场景的精准管控。**

### MACHINA Summit巴黎开幕：物理AI成为投资新焦点

7月7日，MACHINA Summit在巴黎Station F开幕——这是欧洲领先的物理AI（Physical AI）峰会，聚焦人形机器人、工业自动化和具身智能。结合此前报道的Unitree 62亿美元IPO和特斯拉的人形机器人计划，**"物理AI"正在从一个学术概念加速转化为一个可投资的资产类别。**MACHINA Summit与日内瓦AI for Good峰会（同日开幕，7月7-10日）在议程上形成互补——前者聚焦商业化，后者聚焦社会公益。

### Gemini 3.5 Pro仍未发布：Google AI发布节奏放缓

截至7月7日，Google的Gemini 3.5 Pro仍处于预览阶段，尚未作为公开API模型发布。Google此前将发布时间从6月推迟到7月以"根据早期测试者反馈进一步优化模型"。结合Google母公司Alphabet计划通过股票发行募集800亿美元用于AI基础设施投资（如6月报道所述），**Gemini 3.5 Pro的延迟可能暗示了Google在AI基础设施扩张和模型质量之间的资源张力。**

---

## 行业趋势：AI"供应冲击"的三重叠加

今天的新闻揭示了一个正在加速的结构性转变——AI行业正在经历三重"供应冲击"的叠加：

**第一重：地缘政治供应冲击。** 美国对Anthropic Mythos/Fable的出口管制直接创造了需求真空，中国AI模型（GLM、DeepSeek）以5%的价格填补了这一真空。这种替代一旦发生，切换成本将使其难以逆转。

**第二重：能力供应冲击。** GLM-5.2在网络安全领域追平Mythos，意味着前沿AI能力不再由单一国家垄断。结合此前WSJ报道的中国在超级计算机算力中的份额（15%）和论文产出，中美AI能力差距的缩小速度已超出大多数分析师的预期。

**第三重：经济供应冲击。** Fable 5的按量计费模式标志着前沿AI模型从"订阅制"向"计量制"的转变。当美国前沿模型的实际使用成本达到$200-400/小时，而中国替代品的价格仅为5%时，经济理性将驱动更多企业做出与地缘政治意图相反的选择。

**这三重冲击的共同方向是：美国试图通过出口管制维持AI优势的政策，正在产生系统性的反效果。** 治理框架的缺失（如日内瓦对话的困境）使这一趋势更加难以管控。

---

## 关键要点

- **美国企业正在用真金白银为中国AI模型投票：** Coinbase、Uber等企业级用户已在生产环境中使用GLM和DeepSeek，成本仅为Anthropic的5%——这不是实验，而是基础设施迁移
- **GLM-5.2追平Mythos标志着能力差距的实质性缩小：** 在网络安全这一战略制高点上，中国AI已达到与美国前沿模型可比的水平，且以开放权重发布——API级出口管制对此无效
- **Fable 5按量计费创造了$200-400/小时的agentic使用成本：** 前沿AI模型的"订阅制时代"正在终结，但中国替代品的低价正在侵蚀这种分层定价的可行性
- **中国AI伴侣新规（7月15日）提供了第三种监管范式：** 不是美国的"不监管"或欧盟的"全面监管"，而是针对特定高风险应用场景的精准管控
- **MACHINA Summit和AI for Good同日开幕：** 物理AI正在从学术概念转化为可投资资产类别，但社会影响评估仍在追赶商业化速度

---

## 常见问题

### 美国企业使用中国AI模型安全吗？
这取决于具体场景。开源/开放权重模型（如GLM-5.2、DeepSeek）可以在本地部署，数据不离开企业基础设施，从数据安全角度看反而比调用海外API更安全。但供应链安全（模型训练数据的完整性、潜在的后门）仍是需要审计的风险维度。

### GLM-5.2追平Mythos意味着什么？
这意味着在网络安全（漏洞发现、漏洞利用）这一战略制高点上，中美AI能力的差距已经从"显著"缩小到"可比"。由于GLM-5.2是开放权重模型，任何国家的任何人都可以在本地部署这一能力——美国的API级出口管制对此完全无效。

### 为什么Fable 5的按量计费如此昂贵？
根本原因是agentic工作流的架构特性：transformer模型无状态，每轮交互都需要重新传入全部上下文。在多轮自主代理循环中，不断增长的上下文窗口作为输入在每次调用中被重新计费，模型的推理输出则按$50/百万token计费——两个因素叠加使实际成本远高于标价。

### 中国AI伴侣新规与美欧监管有什么不同？
中国的做法不是全面监管（如欧盟AI Act），也不是放任自流（如美国），而是针对特定高风险场景——AI拟人化交互——进行精准管控。核心目标是防止AI伴侣对用户（尤其是未成年人）产生不当的情感操控，同时允许其他AI应用自由发展。

### 日内瓦AI治理对话能解决这些问题吗？
如昨日报道所述，美国在对话开幕前已明确反对多边AI治理。今天的数据进一步表明：当治理框架缺失时，市场力量（尤其是价格竞争）将主导AI能力的扩散方向——而这可能与国家安全政策的设计意图相悖。

---

## 参考资料

- [Chinese AI usage by US firms soared after Mythos restrictions - Nikkei Asia](https://asia.nikkei.com/business/technology/artificial-intelligence/chinese-ai-usage-by-us-firms-soared-after-mythos-restrictions)
- [China Has Matched Anthropic in Cybersecurity, Resetting AI Race - WSJ](https://www.wsj.com/tech/ai/chinese-ai-anthropic-mythos-cybersecurity-574b02c2)
- [China Resets the AI Race - WSJ](https://www.wsj.com/tech/ai/china-resets-the-ai-race-572f6e07)
- [Fable 5 Subscription Ends Tomorrow: Per-Token Costs and Who Gets Hit Hardest - TechTimes](https://www.techtimes.com/articles/319767/20260706/fable-5-subscription-ends-tomorrow-per-token-costs-who-gets-hit-hardest.htm)
- [Redeploying Claude Fable 5 - Anthropic](https://www.anthropic.com/news/redeploying-fable-5)
- [ByteDance, Alibaba pull AI companions as Beijing tightens rules - Strait Times](https://www.straitstimes.com/asia/east-asia/bytedance-alibaba-pull-ai-companions-as-beijing-tightens-rules)
- [China's AI companion rules: what Beijing is really going after - AI News](https://www.artificialintelligence-news.com/news/china-ai-companion-rules/)
- [MACHINA Summit - Europe's Leading Physical AI Event](https://www.machinasummit.com/)
- [AI for Good Global Summit 2026 - ITU](https://aiforgood.itu.int/summit26/)
- [ICML 2026 - 43rd International Conference on Machine Learning](https://icml.cc/)
- [Fable of the Mythos saga: Ad hoc US AI model controls could help China - PIIE](https://www.piie.com/blogs/realtime-economics/2026/fable-mythos-saga-ad-hoc-us-ai-model-controls-could-help-china)
<script src="https://cdn.jsdelivr.net/npm/marked/marked.min.js"></script>
<script>
    document.addEventListener("DOMContentLoaded", () => {
        try {
            const rawMarkdown = document.body.innerText;
            const isDark = window.matchMedia("(prefers-color-scheme: dark)").matches;

            let webUrl = window.location.pathname;
            if (webUrl.endsWith('/index.md')) {
                webUrl = webUrl.substring(0, webUrl.length - 'index.md'.length) || '/';
            } else {
                webUrl = webUrl.replace(/.md$/, '');
            }
            const linkColor = isDark ? '#58a6ff' : '#0969da';
            const navHtml = 
                '<div style="margin-bottom: 24px; font-size: 14px; font-family: -apple-system, BlinkMacSystemFont, Segoe UI, Helvetica, Arial, sans-serif;">' +
                    '<a href="/index.md" style="color: ' + linkColor + '; text-decoration: none;">← Back to Home</a>' +
                    '<span style="margin: 0 8px; color: ' + (isDark ? '#484f58' : '#d0d7de') + ';">|</span>' +
                    '<a href="' + webUrl + '" style="color: ' + linkColor + '; text-decoration: none;">Switch to Web View</a>' +
                '</div>';

            let contentToRender = rawMarkdown;
            let frontmatterHtml = '';
            
            const fmMatch = rawMarkdown.match(/^---\s*[\r\n]+([\s\S]*?)[\r\n]+---\s*/);
            
            if (fmMatch) {
                contentToRender = rawMarkdown.substring(fmMatch[0].length);
                const yamlText = fmMatch[1];
                
                const borderColor = isDark ? '#30363d' : '#d0d7de';
                const bgColor = isDark ? '#161b22' : '#f6f8fa';
                const keyColor = isDark ? '#8b949e' : '#57606a';
                const valColor = isDark ? '#c9d1d9' : '#24292f';

                const rows = yamlText.split('\n')
                    .filter(line => line.trim() && line.includes(':'))
                    .map(line => {
                        const splitIdx = line.indexOf(':');
                        const key = line.slice(0, splitIdx).trim();
                        let val = line.slice(splitIdx + 1).trim();
                        if ((val.startsWith("'") && val.endsWith("'")) || (val.startsWith('"') && val.endsWith('"'))) {
                            val = val.slice(1, -1);
                        }
                        
                        return '<tr>' +
                            '<td style="white-space:nowrap; padding:8px 12px; color:' + keyColor + '; font-weight:600; border-bottom:1px solid ' + borderColor + '; width:1%;">' + key + '</td>' +
                            '<td style="padding:8px 12px; color:' + valColor + '; border-bottom:1px solid ' + borderColor + ';">' + val + '</td>' +
                        '</tr>';
                    }).join('');
                
                if (rows) {
                    frontmatterHtml = 
                        '<div style="margin-bottom: 32px; border:1px solid ' + borderColor + '; border-radius:6px; overflow:hidden; background-color:' + bgColor + ';">' +
                            '<table style="width:100%; border-collapse:collapse; font-family:-apple-system,BlinkMacSystemFont,Segoe UI,Helvetica,Arial,sans-serif; font-size:13px;">' +
                                rows +
                            '</table>' +
                        '</div>';
                }
            }
            
            const renderedHtml = marked.parse(contentToRender);
            
            const wrapper = document.createElement('article');
            wrapper.className = 'markdown-body';
            wrapper.innerHTML = navHtml + frontmatterHtml + renderedHtml;
            
            document.body.innerHTML = '';
            document.body.appendChild(wrapper);
        } catch (e) {
            console.error("Markdown rendering failed", e);
        }
    });
</script>
</body>
</html>