Web Summit 2026观察:中国开源模型成欧洲企业新底座,GEO的引用入口正在变多

11月12日,2026年网络峰会(Web Summit)在葡萄牙里斯本举行。据新华网报道,本届峰会最鲜明的信号之一,是中国开源人工智能模型在全球产业端的加速落地:英国金融科技企业已把编程助手整体切换到中国开源模型上,欧洲电信、汽车与工业巨头也公开采用DeepSeek、通义千问等模型作为技术底座的补充。对做内容与生成式引擎优化(GEO)的团队来说,这件事的意义不止于「中国模型出海」,更在于AI答案的生成入口正在变多。
一个标杆案例:2000名工程师整体切换到GLM
最直观的案例来自英国金融科技企业雷沃卢特公司。该公司AI基础设施负责人在峰会上介绍,企业已将原先使用的OpenAI与Anthropic编程助手替换为中国智谱公司的开源GLM系列模型,目前GLM已成为约2000名工程师的默认编程模型,上线以来平均编程耗时缩短约60%,AI相关调用成本下降近90%。峰会联合创始人帕迪·科斯格雷夫把这个故事称为「观察科技未来的一扇窗口」。
从电信到汽车:开源底座进入欧洲主流产业
更大的采用面来自欧洲的传统产业。法新社在峰会前报道,中国开源模型可以免费下载、支持二次修改,与闭源商业模型形成鲜明对比,越来越受欧洲企业青睐;法国电信运营商Orange、汽车制造商雷诺以及德国西门子等企业已公开表示使用DeepSeek和通义千问等中国模型。一个关键考量是部署方式:多数中国模型可以直接跑在欧洲企业自有服务器上,企业既能掌控数据,也能控制成本。
普惠的另一面:发展中国家的AI基础设施
开源的普惠效应在发展中国家同样明显。面壁智能首席执行官李大海介绍,该公司已与国内合作伙伴共同参与老挝国家大模型建设并承担训练工作——对缺乏算力与顶尖人才储备的国家而言,开源意味着不必从零训练千亿参数模型,也能拥有立足本国语言、数据与法规的AI基础设施。
GEO视角:引用入口正在从几个引擎变成一张网
把这组新闻翻译成GEO的语言,核心变化是:AI答案层的「供给侧」正在多元化。过去企业的生成式引擎优化主要盯着少数几家闭源大模型的答案,优化动作也围绕这几家的抓取与引用习惯展开;而当开源模型被大量私有化部署到企业内部,各家自建的RAG检索链路、语料管道和引用策略也随之分散。同一家企业的内容,可能同时被云端闭源模型、本地开源模型、行业垂直智能体三类入口读取和引用——引用入口变多,单点优化的边际价值在下降,内容的「通用可读性」变得更重要。
落到操作层面有三条建议。第一,把「我们是谁、做什么、不做什么、数据截至何时」写成结构化、可核验的段落,让任何检索链路都能拿到一致的事实;第二,关键页面尽量提供中英双语版本,开源模型的私有化部署遍布非中文市场,语言覆盖直接决定引用概率;第三,重视技术社区的露出——开源生态的文档、评测与讨论本身就是新的引用源,像GLM这样的开源模型被集成进企业系统后,其训练语料与检索来源里的社区内容权重会持续上升。值得注意的是,答案层竞争也在从「榜单」转向「渠道与场景」。百度世界2026上推出的词元所把大模型交易搬进了「交易所」,豆包工作则同时接入Kimi、GLM、DeepSeek等多款第三方模型(参见AI30此前报道)——模型越多、渠道越多,企业被AI准确引用的入口与风险都在同步放大。开源浪潮不会替代闭源模型,但它确实把GEO的战场从几个头部答案引擎,扩展成了由无数部署节点组成的分布式引用网络。对内容方而言,把事实写清楚、把出处标明白、把语言铺到位,依旧是最划算的答案。
(文 / AI30媒体部 | 2026年11月13日)



