Manus創始人“被傳”限制離境，給中國AI創業者們提了個醒。

這兩天，一條關于 Manus 的新聞很值得玩味。

3 月 26 日，財聯社轉引澎湃新聞消息稱，在外交部例行記者會上，針對英國《金融時報》有關"中國已禁止人工智能公司 Manus 的兩名高管離境"的報道，外交部發言人林劍回應說，對有關情況不了解，建議向中方主管部門詢問。

再往前一天，路透社已援引《金融時報》的說法報道，中國方面正在審查 Meta 對 Manus 的收購交易，兩名聯合創始人被限制離境，背景是有關部門正在審查這筆大約 20 億美元的交易是否違反投資規則。更早前，路透社 1 月的報道還提到，中國官方審查這筆交易時，關注的重點之一，是 Manus 在出售前將部分人員和技術遷往新加坡，是否觸及相關規則問題。

如果只把這件事當成一條普通的科技并購新聞來看，意思其實并不算太大。無非就是一家美國科技巨頭，收購了一家帶有中國背景、后來又遷到新加坡的 AI 公司，然后在交易推進過程中，引發了中國監管層面的關注。

可如果把這件事放在今天的全球 AI 競爭背景下看，它釋放出來的信號就很不一樣了。它至少說明了一點：AI 這件事，已經不再只是實驗室里的模型參數、論文路線和產品迭代，而是越來越深地卷入到資本跨境、技術轉移、產業安全、人才流動和國家利益這些現實問題里。

技術可以流動，模型可以被調用，但創業者、控制權、數據、算力和監管，顯然都不是漂浮在真空里的。

這也正是我最近一直在想的一個問題：AI 到底有沒有國界？

如果只站在技術理想主義的角度，這個問題好像并不復雜。算法會傳播，代碼會擴散，開源社區天然就是全球協作的，模型能力也確實可以通過 API 被世界各地的開發者調用。從這個角度看，AI 當然帶著很強的"無國界"色彩。

但現實世界的問題在于，技術一旦進入產業化階段，進入資本市場，進入國家競爭，就不可能繼續停留在一個純粹知識共享的層面。科學可以講無國界，產業不行；論文可以開源，控制權不行；模型可以全球調用，但算力、數據和業務落地，始終都要回到具體的土地、電網、機房、公司結構和法律體系上。

而有意思的地方就在這里。

就在 Manus 這樣的事件提醒我們"AI 有邊界"的同時，另一邊的現實又恰恰在說明，AI 的確在以前所未有的方式跨越邊界。

路透社 3 月的兩篇報道提到，在 HuggingFace、OpenRouter 這樣的全球平臺上，中國開源模型的使用量和存在感正在快速上升。美國國會下屬咨詢機構在報告中提醒說，中國在開源 AI 上形成的領先，正在構成一種"自我強化的競爭優勢"。

同一時期，路透 Breakingviews 直接寫到，OpenRouter 當前最受歡迎的前 10 個模型里，有 7 個來自中國。報道里還提到，像西門子這樣的公司，也公開采用來自中國的模型，因為它們在價格和定制性上更有吸引力。

這兩個現象放在一起看，就很有意思了。

一邊，資本和控制權的轉移越來越敏感，國家開始關心人才有沒有外流、技術有沒有轉移、交易有沒有繞開監管；另一邊，模型本身卻在全球平臺上被更大規模地調用，開發者用腳投票，企業按照成本和性能做選擇。

也就是說，今天討論 AI 有沒有國界，已經不能只從一個很單薄的技術視角來談。它在不同層級上，呈現出來的是完全不同的邊界狀態：知識層面是弱邊界，調用層面是可穿透邊界，資本和監管層面卻是強邊界。

真正的問題不是一句簡單的"有"或者"沒有"，而是 AI 在什么層面上沒有國界，在什么層面上又會迅速回到國界之內。

要把這個問題想明白，還是得把視角再拉高一點。因為 AI 發展到今天，已經不只是一個科技行業的問題，它越來越像一個宏觀經濟問題。

過去二十多年，全球分工大體上是清楚的。美國掌握金融體系、規則制定權和高端創新，中國掌握制造、工程體系和基礎設施供給，其他地區分別承擔資源、市場或者低成本勞動力的角色。但 AI 的出現，第一次把"認知能力"本身變成了可以規模化交易的商品。

過去一個企業要擴大產能，核心約束之一是人。你要更多客服，就得再招一批客服；你要更多程序員輔助能力，就得多雇工程師；你要更多初級法務支持，就得堆更多人。現在不一樣了，越來越多原本依附在人工身上的認知勞動，正在被模型、API 和 token 標準化、計量化、商品化。

換句話說，全球分工開始從"誰來生產貨物"，慢慢轉向"誰來供應智能"。

一旦你把 AI 理解成一種新的全球供給品，很多問題就會突然變得清楚。

決定勝負的，不再只是某一家實驗室能不能在 benchmark 上領先幾個點，而是誰能長期穩定地把一個"足夠強、足夠穩、足夠便宜"的模型，輸送給全球開發者和企業用戶。這里拼的不是一場發布會，也不是一篇論文，而是一個國家和產業體系能不能持續支撐這種供給。

AI 產業從表面上看是技術競賽，往下看越來越像供給側競爭。真正決定長期格局的，不只是技術上限，還有供給曲線。誰能把智能服務做成一種高可用、低成本、可持續擴張的供給，誰就更有可能在下一輪全球競爭里占住位置。

而這種供給側競爭，最終一定會落到一個很多人不太愿意談、但又非常關鍵的變量上：電力。

AI 歸根結底是吃電的。訓練模型要電，推理服務要電，機房散熱要電，數據中心運轉還是要電。

國際能源署在《Energy and AI》報告里講得很直接：到 2030 年，美國和中國將是數據中心電力消費增長最顯著的兩個地區，兩者合計占全球增量的近 80%。按 IEA 的基準情景，美國到 2030 年的數據中心用電將比 2024 年增加約 240 TWh，中國則增加約 175 TWh。這背后其實很重要，它說明 AI 當然是數字產業，但它的底層同時也是一個能源產業。算力不是一個飄在空中的抽象詞，它最終要落到發電能力、電網組織、機房建設、設備制造和持續運維上。

從這個角度再回頭看，中國在 AI 上的優勢，可能比很多人理解得更接地氣。

Ember 的《Global Electricity Review 2025》顯示，2024 年中國電力需求達到 10,066 TWh，約占全球總量的 32.6%，差不多就是全球三分之一。這個體量本身，并不自動等于中國在 AI 上一定更強，但它意味著中國在發電規模、電網調度、工業供給和基礎設施延展能力上，確實擁有非常大的底盤優勢。

AI 時代很多人盯著的是芯片、算法、參數和幻覺率，但真正決定"量大管飽"的，往往是后面這一整套更重、更慢、也更難復制的東西。

所以我一直覺得，最近行業里那句"token 某種意義上是在讓中國的能源出海"，聽起來極具傳播力，但它并不只是修辭。模型調用背后是推理成本，推理成本背后是算力，算力背后是電力、服務器、機房和工程系統。

今天海外開發者調用中國模型，表面上是在買一個 API，實質上是在消耗一套由中國能源能力、制造能力、數據中心建設能力和工程效率支撐出來的智能供給。

過去幾十年，中國最擅長的事情，是把勞動力、供應鏈和制造能力嵌入全球貿易體系；而在 AI 時代，中國很可能正在嘗試把自己的電力、基礎設施和工程體系，重新編碼成 token、模型服務和推理能力，再賣向全球。

過去大家總覺得，中國在全球產業鏈里的優勢更多體現在"看得見摸得著"的實物供給，比如工廠、設備、物流、基建和制造品。但今天 AI 這個產業，正在把一種原本很難運輸、很難計價、很難標準化的能力，也就是算力和認知能力，變成像水、電、云服務一樣可以被遠程調用的供給品。

一旦這個邏輯跑通，中國在全球 AI 競爭中的位置，可能就不只是一個"追趕者"，而是一個"供給者"。而供給者的意義，往往比追趕者更大，因為它影響的不是一兩個指標，而是整個市場的成本預期和使用習慣。

這背后還有一個經常被忽視、但同樣關鍵的變量，就是人才結構。

很多人一談中美 AI 競爭，喜歡籠統地說美國有頂級人才，中國也有人口優勢，這種說法其實沒有太大分析價值。更準確一點講，美國在原創基礎研究、頂尖算法突破、前沿實驗室生態和高端芯片設計上，仍然有非常強的優勢；但中國真正有競爭力的地方，在于大規模工程師群體、制造體系配合能力，以及把一個技術迅速壓縮成本、快速部署、快速適配場景的能力。

路透社援引美國咨詢機構報告時提到，中國正在把 AI 深度嵌入制造業、物流和機器人等真實場景，這種"真實世界部署—數據回流—模型迭代"的閉環，正在形成新的強化機制。也就是說，中國 AI 的優勢未必首先體現在"誰發明了最前沿的一切"，而可能更多體現在"誰能把前沿能力更快地工程化、場景化、規模化"。

這恰恰也是中國在很多產業里反復證明過的一種能力。無論是移動互聯網、電商物流、移動支付，還是后來的新能源車、光伏、電池和高端制造，真正把格局做出來的，往往不是某一次實驗室里的靈光一現，而是把技術變成工程，把工程變成成本優勢，把成本優勢再變成生態優勢的過程。

AI 現在也越來越像這樣。對全球絕大多數企業用戶來說，他們并不總是需要全世界最貴、最強、最前沿的模型，他們更需要的是一個可用、穩定、價格合理、能接入自己業務流程的模型。

當中國模型在"夠用、便宜、穩定"這幾個維度上形成組合優勢之后，它的影響力未必會先體現在最頂層的媒體敘事里，但會先體現在開發者后臺、企業采購單和真實調用量上。

而一旦這種使用習慣形成，事情就會發生更深一層的變化。產業競爭里，價格從來不只是價格，它還是市場教育工具，也是生態塑造工具。

今天很多海外開發者調用中國模型，不一定是因為他們認定中國模型在所有維度上都最強，而是因為它們在成本、開放度和穩定性上，形成了非常現實的吸引力。

一旦大量中小開發者、創業公司和垂直場景企業，在早期就建立起對中國模型和 token 的依賴，接下來改變的就不只是幾家模型公司之間的份額，而是整個全球 AI 市場的成本預期和使用路徑。

當用戶被"量大管飽"的供給訓練過之后，再讓他們回到高門檻、高單價的體系，阻力會越來越大。這種路徑依賴，可能才是中國 AI 未來最值得重視的一部分。

但話說回來，也不能太樂觀。因為模型層和應用層，根本不是一回事。

模型可以跨境調用，開源權重可以全球下載，token 可以跨境計費，但應用不一樣。應用一旦真正進入本地市場，馬上就要碰到數據合規、內容治理、消費者保護、行業監管、責任認定，甚至國家安全審查。

模型的國際化程度，通常遠高于應用的國際化程度。一個團隊可以讓全球開發者都來調用自己的模型，但這并不意味著它可以毫無障礙地把整個業務鏈條在全球復制。這里面隔著公司架構、知識產權安排、跨境數據流、支付結算、稅務設計和本地合規要求。

很多人誤以為"模型能出去，就等于業務也能出去"，這樣的理解往往會踩坑。

回到最初那個問題，我的答案其實不是簡單的"有"或者"沒有"。更準確一點說，AI 是一種"分層有國界"的產業。

它在知識層和算法層，邊界相對較弱；

在模型調用層，邊界可以被商業化服務部分穿透；

但到了算力基礎設施、資本并購、數據治理和應用落地層面，它的國界就會迅速清晰與剛硬。

我的理解是，中國在未來幾年未必會在AI每一個最前沿指標上都壓過美國，但中國非常有可能在全球 AI 供給體系里，逐漸占住最重要的一塊位置。

這個位置不一定是"定義一切標準"的最高點，但很可能是"承接全球大規模使用需求"的底座。美國繼續掌握高端研究、高端芯片和頂層規則的一部分主導權，中國則依靠電力、基礎設施、工程組織和成本結構，成為全球 AI 大規模推理服務和模型供給的重要基礎。

真走到那一步，未來的競爭就不再只是"誰的模型最聰明"，而會變成"誰更能長期、穩定、低成本地服務全世界"。這不是一個純技術判斷，而是一個宏觀經濟、產業能力和國家組織能力的判斷。

對今天那些準備做 AI 出海、Web3 出海的人來說，一個危險的誤區是把"模型已經全球化"誤解成"業務自然全球化"。

AI 當然會跨越國界，但 AI 產業不會懸浮在國界之上。Meta 和 Manus 的新聞，只是把這件事鵝風險提前擺到了桌面上。

如果你們團隊正在做 AI 出海、模型服務，或者是 AI 與 Web3 結合的業務，涉及模型調用、跨境數據和全球市場時，建議早起把公司結構、合規路徑和知識產權安排理清，這會比后面出問題再補救要便宜得多。

曼昆律師在這類 Web3 出海、AI 出海和跨境結構設計上有比較豐富的經驗，如果有需求，大家可以添加微信多交流。

*本文為上海曼昆律師事務所的原創文章，僅代表本文作者個人觀點，不構成對特定事項的法律咨詢和法律意見。