断供声明
2026 年 8 月 29 日，OpenAI 在官网发布声明：11 月 12 日起切断对 Cursor 的模型供应。Cursor 由 Anysphere 开发，是一款 AI 编程工具。两个月前它被 SpaceX 以 600 亿美元的全股票交易收编，而 SpaceX 同时是 xAI（即 SpaceXAI，Grok 模型的母公司）的实际控制者。OpenAI 给出的理由指向信任：马斯克旗下公司过往屡次违反合同，今年早些时候马斯克在法庭上承认，xAI 曾通过 OpenAI 的输出蒸馏训练 Grok。OpenAI 因此不再信任 SpaceX 体系下的 Cursor 会在其服务条款内使用模型。
Cursor 的成绩单摆在那里：2026 年 3 月达到 20 亿美元年化经常性收入，占 AI 编程市场约四分之一份额，《财富》500 强中约 120 家企业将其作为首选开发工具。断供之后，它将失去对自身流量约 5% 请求至关重要的 GPT-5.6 系列模型接入权。
舆论的噪声与产业的信号
舆论迅速被旧日恩怨牵走：马斯克与奥特曼的纠葛由来已久，2024 年马斯克起诉，2026 年 5 月联邦陪审团裁定他因超过诉讼时效而败诉，他表示将提起上诉。一场横跨司法、商业与社交媒体的恩怨成了媒体最热衷的叙事。但把镜头从两位主角身上移开，俯瞰整个 AI 产业的垂直结构，这并非一桩孤立的商业纠纷，而是一次对 “模型即底座” 这一架构范式的公开压力测试。断供的真正主角是所有将自身商业命运寄托于他人模型 API 的应用层企业，以及隐藏在它们身后的国家产业安全。
模型即底座
过去三年，全球 AI 产业演化出一套三层栈式结构：最底层是少数几家掌握万卡集群与核心算法的 “模型供应商”，中间层是垂直整合的工具与应用，最上层是接入这些工具的企业用户与个人开发者。这套架构的优点显而易见，应用层无需投入数十亿美元训练基础模型，便可借助通用智能迅速切入场景。Cursor 正是这套范式下的受益者：从 VS Code 衍生而来的代码编辑器，凭借底层同时调用 OpenAI、Anthropic、Google 以及 SpaceXAI 四家模型的能力，在不到两年时间里从零增长到 20 亿美元 ARR。但 “多模型集成” 的便利，也构成它今天被一纸通知掐住命脉的根由。Cursor 联合创始人迈克尔·特鲁埃尔在 X 平台上回应冷静：“OpenAI 模型只占我们用户流量的 5%"。但熟悉软件工程的人都清楚，关键模型缺位对开发者信心的打击远超流量统计意义上的 5%。当一种工具的可用性取决于上游供应商的容忍度，它的 “产品” 属性便在让位于 “通道” 属性。
从日本 DRAM 到中兴华为
把视角抬高一层，“应用层依赖模型层” 的脆弱性与历史上多个产业的 “卡脖子” 时刻结构相似。1980 年代，日本半导体产业凭借 DRAM 技术优势一度占据全球过半份额，却在美国的反倾销诉讼与技术封锁下，于十年间失去主导地位。日本企业表面上输给了美国的关税与司法手段，但日本 DRAM 产业过度依赖与美国设备厂商、设计工具的协同，未能在 EDA、光刻机等 “根技术” 上构筑自主生态。2018 至 2019 年间，中兴通讯因美国商务部的一纸禁令几近停摆，其后华为被列入实体清单，整个中国通信产业被迫在两年内重新审视过去三十年 “全球化最优分工” 的假设。这两个案例的教训一致：当一个产业的命脉被压缩到少数几家可被政策意志左右的供应方手中，“市场效率” 会让位于 “系统脆弱性”。今天的 AI 编程工具，乃至所有垂直 AI 应用，与彼时的日本 DRAM、中兴的通信设备在结构上如出一辙。OpenAI 的断供决定把这种脆弱性摆到了全球企业 CIO 的案头。
各国政策的底座之争
这种结构性脆弱性也解释了为何在过去十八个月里，全球主要经济体不约而同地把 AI 政策重心从 “应用繁荣” 转向 “底座自主”。欧盟通过《AI 法案》强调对基础模型的透明度与训练数据来源审计，美国在《芯片与科学法案》框架下持续强化本土算力供应链，中国走得更为系统。工业和信息化部、中央网信办、国家发展改革委等八部门于 2025 年 12 月联合印发的《“人工智能 + 制造” 专项行动实施意见》，将 “关键核心技术安全可靠供给” 列为首要目标，提出到 2027 年推动 3 至 5 个通用大模型在制造业深度应用，并建成 “全球领先的开源开放生态”。这份文件把 “底座自主” 与 “开源开放” 并列：既拒绝将命脉交给他人，也拒绝以闭源垄断的方式自我封闭，而是试图构筑一个由本土主导、全球可参与的协议层底座。这与西方部分公司用合同条款、私有 API 和闭源权重构筑 “数字护城河” 的路径形成对照。
国产自主生态
沿着这条政策逻辑向产业下沉，可以观察到中国正在构建一张层次更为丰富的 AI 基础设施网络。在模型层，阿里通义、百度文心、深度求索 DeepSeek、月之暗面 Kimi、智谱 AI 等国产通用大模型，在过去一年多时间里相继推出针对代码、数学、Agent 等垂直场景优化的子模型版本，逐步填补与 GPT-5.6、Claude 4.5 等海外旗舰之间的能力差距。在工具层，通义灵码、百度 Comate、字节 Trae、腾讯云 AI 代码助手等产品正在企业级市场快速渗透。根据 Stack Overflow 2025 年度开发者调查，全球 84% 的开发者已在使用 AI 编程工具，但仅 60% 持正面评价，替代窗口尚未关闭。这些国产工具从一开始便建立在国产模型与国产芯片的双重底座之上，这一点比当前市场份额更值得关注。在算力层，华为昇腾、寒武纪、海光信息等国产 AI 芯片厂商配合 “东数西算” 工程，以 “异构部署” 的方式承担起模型微调与推理的主力任务。根据工信部相关白皮书，到 2025 年底国产推理芯片在国内新增算力中心中的占比已超过六成，2026 年的关键变量是训练侧的国产化突破。即便在最极端的国际断供情景下，中国开发者仍能使用从硬件到模型、从开发环境到部署工具的完整国产技术栈进行编程。
比较优势理论的失灵
这种 “全栈自主” 在产业经济学意义上是否成立？反对意见往往援引比较优势理论，认为全球分工下专业化效率更高。比较优势理论成立的前提是交易成本足够低、对手方违约概率足够小、国家间法治信任足够稳固。当一家美国 AI 公司可以仅凭一份内部声明便切断对一家被其视为敌手的企业的服务时，比较优势的隐含前提便已瓦解，交易成本的尾部风险被放大到难以承受。OpenAI 对 Cursor 的断供是一次商业操作，也是关于 “协议层底座由谁来定义” 的公开表态。它在向全球市场宣告：模型层与应用层之间不存在稳定的契约通道，依赖闭源权重与私有 API 搭建的应用随时面临 “上游地震” 的冲击。
AI 时代的 TCP/IP 可能吗
是否存在一条更优的替代路径，既能让 AI 产业保持开放活力，又能避免单点失效造成系统性风险？回顾过去四十年互联网协议栈的演化经验，答案或许在 “分层开放、协议中立” 这一思路之中。互联网之所以能在不同国家、不同企业、不同运营商之间保持稳定运转，是因为 TCP/IP 协议是一种 “中立、开放、可互操作” 的公共底座，而非任何一家公司的私有财产。未来 AI 产业若想避免反复上演 “断供” 剧情，可行的方案不是进一步强化模型层的合同壁垒，而是建立一个由中立机构维护、覆盖模型互调、权重审计、能力计费、数据溯源的开放协议层，一种 AI 时代的 “TCP/IP”。在这一架构下，模型供应商之间通过标准协议进行能力互换，应用层通过统一的接口规范调用多家模型，单一供应商的策略性退出不再意味着整个应用的崩溃。中国《“人工智能 + 制造” 专项行动实施意见》中提出 “建设全球领先的开源开放生态” 与 “实施模数共振行动”，客观上已经在朝这一方向布局：通过推动企业首席数据官制度建设、提升数据管理能力成熟度、打造制造业高质量数据集，将 “以模引数” 与 “用数赋模” 相结合，让数据、模型、应用形成多层松耦合的循环。这条路径与西方闭源巨头的 “垂直整合 + 合同封锁” 路径相比，未必能在短期带来更高的资本回报，但抗风险韧性更厚。
冷峻现实：差距仍在
国产 AI 编程工具在企业市场的渗透率仍处于个位数阶段；国产 AI 训练芯片在万卡级集群上的 MFU（模型算力利用率）与国际领先水平仍有可观察的差距；高质量中文代码语料的积累与 GitHub Copilot、Cursor 所依赖的全球开源生态相比，仍显单薄。这些都不是靠一纸政策能在短期内抹平的差距。但差距的存在反向印证了 “底座之争” 的意义：这是一场关于长期产业韧性的战略投资。历史上每一个后来居上的产业玩家，几乎都不是在风口最盛时入场，而是在原有玩家陷入路径依赖、忽视底层投入时悄然布局。今天的中国 AI 产业正处在这样一个历史性窗口：一边是西方巨头忙于围绕闭源权重构筑数字护城河、彼此之间频繁陷入合同摩擦；另一边是国内政策、算力、模型、应用四层齐头并进，正在以更耐心的方式搭建从硅到代码的全栈自主生态。
安全感从何而来
站在 2026 年夏秋之交回望，OpenAI 对 Cursor 的断供把问题摆到台面上：当一个产业的 “地基” 被少数几家公司的私有意志所把持，在其上构建的繁荣都是租来的。产业安全感来自自身的协议、自身的算力、自身的数据、自身的代码，不来自别人的合同与善意。当潮水变化时，能让一个国家的开发者继续写下去的，是更深的根技术、更完整的产业链、更开放的协议层，而不是更长的服务条款。