技术深度解析
对Cursor和Airbnb的调查揭示了一个根本性的技术现实：现代AI系统建立在全球贡献的层级之上，难以用简单的国别分类来界定。由Anysphere开发的Cursor，其核心代码生成能力依赖于对大型语言模型（LLM）的精调版本。该公司已公开承认通过API使用OpenAI的GPT-4和Anthropic的Claude，同时也针对离线或低延迟任务优化开源模型。关键的技术细节在于，许多性能最强的开源模型——包括Llama系列——采用了由中国研究团队改进并推广的架构创新，如分组查询注意力（GQA）和混合专家模型（MoE）。例如，DeepSeek在2024年论文中详述的MoE架构，以显著更少的活跃参数实现了GPT-4级别的性能，该技术现已被多个西方开源项目采纳。
| 模型 | 参数 | MMLU分数 | HumanEval Pass@1 | 架构创新 |
|---|---|---|---|---|
| GPT-4o | ~200B（估计） | 88.7 | 90.2 | 密集Transformer |
| DeepSeek-V2 | 236B（21B活跃） | 78.5 | 79.8 | 多头潜在注意力MoE |
| Llama 3 70B | 70B | 82.0 | 81.7 | GQA，分组查询注意力 |
| Qwen2.5-72B | 72B | 85.3 | 85.0 | MoE变体，长上下文（128K） |
| CodeLlama 34B | 34B | 53.7（代码） | 74.0 | 代码专用训练 |
数据要点： 表格显示，DeepSeek-V2和Qwen2.5-72B等中国开发的模型在代码基准测试（HumanEval）上达到了具有竞争力甚至更优的性能，同时采用了参数高效的架构。Cursor的优化管道很可能吸收了这些模型中的技术——例如注意力机制改进——这些技术现已嵌入更广泛的开源生态系统中。调查面临的挑战在于，这些架构创新是公开发表的，西方开发者无法“忘记”它们。
在基础设施方面，调查还针对数据管道。许多AI公司，包括Cursor的竞争对手如GitHub Copilot，依赖云服务进行训练和推理。担忧在于，中国开发的AI模型可能托管在中国云基础设施（阿里云、腾讯云、华为云）上，或使用中国开发的数据处理框架，如带有中国修改的Apache Hadoop衍生系统。技术现实是，现代AI训练管道高度模块化：一家公司可能使用英伟达GPU（美国硬件）、PyTorch（Meta的框架，但有中国贡献者），以及通过Apache Spark处理的数据（开源，但代码库中有大量中国贡献）。因此，“中国AI”这一标签在技术上具有模糊性。
对于Airbnb，技术审查延伸至推荐算法和动态定价模型。Airbnb的机器学习基础设施构建在Apache Airflow等平台及内部ML管道之上，可能整合了用于自然语言处理（针对房源描述）或计算机视觉（针对房产图片分析）的开源库。如果这些库中的任何一个包含源自中国研究的代码或模型权重——例如广泛使用的中国开发的目标检测框架MMDetection或自然语言处理工具包Transformers（有大量中国贡献者）——该公司可能面临合规问题。
值得关注的相关开源GitHub仓库是`deepseek-ai/DeepSeek-Coder`，该仓库已累计超过12,000颗星，提供了一个最先进的代码生成模型，许多开发者将其用作云服务的本地替代方案。另一个是`QwenLM/Qwen2.5-Coder`，拥有超过8,000颗星，提供1.5B到32B参数的模型，针对代码任务进行了优化。这些仓库表明，中国AI研究不仅是理论性的，而且正在被全球开发者社区积极使用，包括Cursor的用户群体。
技术要点： 调查针对的是一个本质上是全球化和模块化的AI供应链。技术现实是，“中国AI”无法在不破坏整个开源生态系统的情况下被精准移除。任何合规制度要么需要彻底禁止使用任何源自中国的模型或代码——这在实践中不可执行且会扼杀创新——要么需要建立一套行业尚未开发的模型溯源追踪新系统。
关键参与者与案例研究
此次调查将三类不同的参与者置于显微镜下：开发者（Anysphere）、平台（Airbnb），以及更广泛的中国AI研究实验室及其西方合作者生态系统。
Anysphere（Cursor）： 成立于2022年，Anysphere迅速成为开发者工具市场的宠儿。Cursor构建为