رقابت میان چین و آمریکا در حوزه هوش مصنوعی وارد مرحله تازه‌ای شده است. کلمن دلانگ، مدیر عامل پلتفرم Hugging Face، اعلام کرده است که چین اکنون در توسعه مدل‌های Open-weight یا مدل‌هایی که وزن‌های آنها در اختیار توسعه‌دهندگان قرار می‌گیرد، از آمریکا پیش افتاده و این روند می‌تواند به برتری چین در کل صنعت هوش مصنوعی منجر شود. دلانگ در گفت‌وگو با شبکه CNBC تأکید کرد شرکت‌های چینی با تکیه بر همکاری گسترده میان شرکت‌ها، دانشگاه‌ها و جامعه متن‌باز، با سرعت بیشتری در حال توسعه مدل‌های هوش مصنوعی هستند؛ در حالی که بسیاری از شرکت‌های آمریکایی همچنان به‌صورت جزیره‌ای و با تکیه بر مدل‌های اختصاصی فعالیت می‌کنند. به گفته او، این تفاوت رویکرد باعث شده چین در بخش مدل‌های باز، موقعیت برتری به دست آورد. به گفته مدیرعامل Hugging Face، اگر روند فعلی ادامه یابد، چین ممکن است تا پایان سال ۲۰۲۶ یا در سال ۲۰۲۷ نه‌تنها در مدل‌های با وزن‌های باز ، بلکه در توسعه پیشرفته‌ترین مدل‌های هوش مصنوعی نیز از آمریکا پیشی بگیرد. او معتقد است توسعه باز، سرعت نوآوری را افزایش می‌دهد و امکان مشارکت هزاران پژوهشگر و برنامه‌نویس را فراهم می‌کند. اظهارات دلانگ در شرایطی مطرح می‌شود که شرکت‌های چینی طی ماه‌های اخیر مدل‌های متعددی از جمله Qwen، Kimi و GLM را با مجوزهای باز یا دسترسی گسترده منتشر کرده‌اند. این مدل‌ها در بسیاری از ارزیابی‌های فنی عملکردی نزدیک به رقبای آمریکایی داشته‌اند و با هزینه کمتر، توجه توسعه‌دهندگان و شرکت‌های مختلف را جلب کرده‌اند. مدیرعامل Hugging Face همچنین به حادثه امنیتی اخیر این شرکت اشاره کرد و گفت در جریان مقابله با یک حمله سایبری، استفاده از یک مدل وزن باز چینی به تیم امنیتی کمک کرده است. او این موضوع را نمونه‌ای از مزایای شفافیت و دسترس‌پذیری مدل‌های باز دانست؛ زیرا امکان بررسی و تحلیل عملکرد آنها برای پژوهشگران و متخصصان امنیتی فراهم است. با این حال، هم‌زمان با رشد سریع مدل‌های باز چینی، بحث‌های سیاسی و امنیتی در آمریکا نیز شدت گرفته است. برخی قانون‌گذاران خواهان اعمال محدودیت‌های بیشتر بر استفاده از مدل‌های هوش مصنوعی توسعه‌یافته در چین هستند، اما بسیاری از شرکت‌های فناوری و استارتاپ‌های آمریکایی هشدار داده‌اند که محدود کردن مدل‌های باز می‌تواند توان رقابتی آمریکا را در برابر چین کاهش دهد. کارشناسان معتقدند رقابت آینده هوش مصنوعی تنها به توان پردازشی یا سرمایه‌گذاری‌های کلان وابسته نخواهد بود، بلکه عواملی مانند همکاری میان توسعه‌دهندگان، سرعت انتشار مدل‌ها، دسترسی آزاد به فناوری و شکل‌گیری اکوسیستم‌های نوآوری نیز نقش تعیین‌کننده‌ای در این رقابت خواهند داشت.