“这才是美国惧怕、打压中国AI的真正原因”_风闻

贾开

上海交通大学国际与公共事务学院

【导读】近日，Gpt5.0正式发布，但并没有宣布模型参数，OpenAI的闭源性质引发了关于如何促进AI技术公平的深入讨论。尽管开源面临许多争议与挑战，但它仍然被视为实现AI反垄断和民主化的重要路径。今天的人工智能行业就像处在《黑客帝国》的抉择之中：红色药丸代表着彻底开源，尽管能激发创新，却也意味着我们必须要接受不确定风险；而蓝色药丸则代表着少数公司掌控技术命脉，在确保安全的同时，却让大多数开发者位于生态链的末端。

本文指出，在人工智能领域，“开源”的内涵已远超传统软件开发的范畴。它不仅指任何人都能查看、修改源代码，更指代以“可获得”“可接触”“可应用”为特征的多重开放形式与机制。也正是缘于此种变化，当前围绕开源人工智能的价值与风险才出现了更多的争议。

作者认为，**只有真正的开源开放，软件代码才能获得持续创新动力。**在技术范式可能变迁（如突破规模定律）的背景下，开源的战略价值可能远超当前预期。开源在促进科学共享、提升透明度、防止技术垄断等方面具有积极价值，但也需正视技术滥用风险与大型科技公司控制不确定性等问题。未来，我们需要全面看待人工智能开源在当下复杂环境中的多面性。

本文原载《文化纵横》2025年第4期，****仅代表作者观点，供读者思考。

人工智能应该开源吗？

尽管大众并不那么熟悉,而且总被视为技术社群的内部产物，**“开源软件”事实上构成了绝大多数数字技术的基础，并支撑了人类社会数字化转型的历史进程****。**哈佛大学2024年的报告估计，开源软件带给全社会的价值高达8.8万亿美元，几乎是世界第三大经济体日本GDP的两倍还多。同时，更重要的是，开放源代码供他人自由使用、学习、修正、再分享（“四大自由”）的开源理念，已经不再被视为“反常”的例外现象，而成为数字从业者的一般共识乃至精神信仰。只有开源开放，软件代码才能获得持续创新动力，这一技术生态演化规律也得到了普遍认可。

但就是在这样的历史共识基础上，近年来人工智能开源却招致了诸多质疑，并影响了利益相关方的开源决策。例如OpenAI在2023年发布GPT-4时就选择从开源转向闭源，不再公开模型权重、参数规模及相关训练过程信息。伴随着人工智能技术演化进程的深入，特别是在2025年初DeepSeek开源模型取得优异性能的激励下，人工智能开源再次获得了新的支持与关注，以至于OpenAI在2025年4月又宣布将重新拥抱开源。需要看到，OpenAI开源策略的变化只是人工智能开源争议的一个缩影，其背后反映出技术演化进程中生产力、生产关系正在动态调整的不确定性。这也凸显出人工智能开源争议在当前时代的重要性——其已经超越了简单的技术治理范畴，而成为事关人工智能技术革命未来演化方向的关键议题。

****▍****开源人工智能理念的争议：“公开洗地”还是“实质开放”？

开源软件的普遍应用使得“开源”这种行为被赋予了道德规范层面的价值，并内化为数字从业者认为“应该”做的“对”的事情。但开源人工智能与开源软件在以下两方面的差异，使得前者面临着一些质疑与批评。

一方面，人工智能开源的内涵远比开源软件的代码开放更为复杂，其具体表现为三个维度的开放：支撑模型训练的计算框架工具（例如TensorFlow），作为训练结果的模型网络权重（例如不同大小的Llama模型），模型训练所需数据、算力以及训练过程中积累的知识经验等相关资源。对于人工智能厂商而言，开源主要集中于工具和权重模型的开放，而往往限制资源的开放，这虽然满足了可及性要求（可获得、可使用），却难以支撑技术复现与社群成员的能力学习。**另一方面，开源人工智能许可协议中往往添加了不同强度的限制性条款，这又具体表现在开源许可对象、适用地域、使用行为、可延伸性等多个方面。**例如，Llama 4模型将许可对象限于非商业主体及月活跃用户不超过7亿的商业实体，并强调开源模型的许可不得转让、存在终止可能，并要求被许可方在使用开源模型时遵守相应法律规范。相比之下，开源软件的传统精神是强调“四大自由”，其将开源者权利仅局限于署名权，而避免对使用者、使用方式施加任何限制性约束，从而给予开放创新以最大的包容性空间。

正是由于上述两点差异，**人工智能厂商的开源行为被批评者质疑是“公开洗地”（openwashing）而非“实质开放”****，即为了宣传企业声誉或逃避法律责任而采取的投机性行为，并没有真正践行开源精神。**为了纠正并抵制厂商的“公开洗地”，开源软件社群试图给出“开源人工智能”的精确定义以促进新共识的形成。例如“开放源代码促进会”在2024年10月即提出了首个定义，沿袭开源软件的“四大自由”精神，并对开源人工智能在数据、代码、权重等维度的开放方式和程度提出了明确要求。但这一定义同样引起了业界争议，以数据开源要求为例，考虑到大模型的训练数据往往涉及诸多版权或所有权争议，而各国司法实践尚未对此做出定论，因此要求人工智能开源方公开数据来源特征、获取方式、处理过程等信息以支撑技术重现并不现实。

需要指出的是，**“开源人工智能”的定义之争并不仅仅反映理念分歧，其还具有事实上的法益价值。**例如欧盟《人工智能法案》在提出诸多法律责任要求的同时也为“开源人工智能”提供了豁免保护，这便使得如何定义“开源人工智能”的内涵及边界至关重要，而法律本身并未对此给出明确回答，这就使得概念定义之争将直接影响司法实践并决定利益结果，由此凸显出理念争议的重要性。

****▍****开源人工智能价值的争议：开源能促进发展吗？

**开源人工智能的理念和定义之争，其背后反映了“开源”作为一种生产与再生产模式对人工智能技术生态演化有何价值的疑问。**对于软件生产与再生产而言，因开放源代码而带来的“四大自由”至关重要，其既能够通过“眼睛多了、臭虫（Bug）就好找”的机制，有助于软件漏洞的发现与修补；也能够通过开放创新、分布式创新机制促进技术普惠，利用软件“零边际成本”特征、挖掘需求端信息从而兼顾规模经济和范围经济。但人工智能时代提出的新问题在于，开源是否仍然能够依托这两种机制来推动人工智能技术创新？如果不能，开源对于人工智能发展的价值又在何处？

**事实上，针对人工智能开源的一个核心质疑就在于，开源人工智能被认为在性能上比不过闭源人工智能。**尤其在前沿模型领域，在“规模定律”为主的技术范式下，只有厂商而非技术社群才能支撑数据、算力、网络等海量资源的持续投入。OpenAI联合创始人、首席科学家伊利亚·苏茨克韦尔（Ilya Sutskever）进一步提出，这些投入将成为企业的核心竞争力和商业秘密，并因此没有理由向社会开放，而这也正是GPT-4由开源转向闭源的重要原因。

但2025年初DeepSeek V3和R1开源模型可被视为对此质疑的有效回应，其证明了在有限资源约束条件下同样能实现高性能的大语言模型。在此背景下，OpenAI首席执行官山姆·阿特曼（Sam Altman）甚至承认在开源、闭源问题上，“OpenAI站在了历史的错误一方”。

**不过DeepSeek的成功并不代表开源促进人工智能发展的内在机制与开源软件完全类似，二者的差异仍然存在。**与开源软件类似，开源人工智能的确有助于暴露技术风险、漏洞、短板，并因此反哺开源模型，提升其性能。**但是，开源模型本身的高门槛却限制了开放创新、分布式创新的范围和效果：**一方面，与单个程序员就能理解开源软件代码并做出改进相比，即使模型权重开放，后续开发者仍然需要数据、算力、工程经验等相关资源的支撑才能实验开源模型，并按照自己的需求开发衍生模型；另一方面，基础模型性能提升的最大动力似乎仍然来源于“规模定律”，衍生模型创新目前并不能直接反馈于基础模型的迭代进步。

但即便如此，开源能促进人工智能发展的趋势和共识也正日益明显。事实上，尽管开源不能直接促进基础模型的性能增长，但这一理论的前提是“规模定律”作为主流范式的持续存在，而当前开源已经打开了人工智能多重技术路线探索空间，未来并不能排除技术范式变迁的可能性。更为重要的是，无论范式是否变迁，我们目前已经看到了开源所带来的人工智能普惠化对生产力赋能的实际效果，而这将可能创造“后福特主义”的新产业格局。哥伦比亚大学教授查尔斯·赛伯指出，发展效率存在不同定****义，对于生产者而言，效率意味着以最低的浪费来使用资源和技术能力；对于消费者而言，效率则意味着对其需求的最大化满足，而开源无疑会促进后者。这也体现在了相关数据中。IBM在2024年底的一项全球调研中显示，未使用开源人工智能的企业中只有41%表示在AI领域的投资回报已经显现，而使用开源人工智能的企业则是51%。

例如，现在一架空客A380客机有400多万个零部件，由全球1500多家公司供应，其中很多公司是专注于研发和生产特定零部件。随着人口锐减，大型客机的需求最终将大幅下降，产能难以为继，更不用说研发新型号。而许多专注于特定零部件的公司可能被迫关闭，几代工程师积累的经验、知识和技能可能失传。又如，等到人口变得很少，有人不幸患上某种罕见病，也只能听天由命。小得多的人口基数中，同样病的患者屈指可数。制药公司没有动力为数量太少的患者群体研发药物。甚至以前的治疗方案，也会因医生经验太少而难以使用。

****▍****开源人工智能风险的争议：开源会使人工智能失控吗？

**与开源人工智能价值争议紧密相关的，是开源是否会放大人工智能风险，甚至导致人工智能失控。**图灵奖得主约瑟夫·本吉（Yoshua Bengio）的观点具有代表性，其反对人工智能开源的理由主要有三点：人工智能开源方不能确保其模型是安全的、开源人工智能领域存在安全研究投入远小于性能研究的结构性偏差、人工智能的强大能力（类似于核武器）很可能被误用而开源则为此提供了工具或渠道。但同为图灵奖得主的杨立昆（Yann LeCun）却提出了针锋相对的三点反对意见：首先，凭空想象AI的安全风险是无意义的，重要的是如何设计安全的人工智能系统，而开源至少是重要路径之一；其次，没有充分数据或理由证明当前人工智能安全研究是缺失的，而能普及应用的开源将促进更多资源投入其中；再次，将人工智能类比于核武器是愚蠢的，其不会比汽车、计算机更像武器，在没有充分发展人工智能之前讨论限制其安全风险是不理智的。

**不同人的观点差异只是开源人工智能风险争议的浅层表现，相关分歧还直接表现为人工智能安全治理政策实践的事实差异。**拜登政府2023年10月发布《安全、稳定、可信人工智能的开发与应用行政令》，其中第4.6条要求对能够广泛获取的、具有“双重用途”（dual use）的大模型展开监管政策研讨和评估，但并没有针对闭源人工智能提出相应类似要求，这被认为“非对称”地加重了开源人工智能的合规负担，其潜在假设认为开源人工智能会导致特殊的安全风险。但另一方面，美国国家电信和信息化局开展的评估工作却证明并非如此。该局将闭源模型、其他现有的非人工智能技术（如互联网搜索引擎）、已经开源的人工智能模型作为基准，来评估新开源一个人工智能模型是否会带来新的“增量风险”。该局基于广泛调研后认为，现有研究和证据无法证明人工智能开源存在“增量风险”，并因此给出了开源模型暂不需要额外管制的政策建议。从美国政策走势来看，特朗普政府上台后废除了拜登政府行政令而选择了“增量风险”的治理思路，这也代表了该届政府期内对待开源人工智能安全风险的开放态度。

2025年初，伴随着以DeepSeek为代表的开源人工智能的新发展，人工智能正在进入普及应用新阶段，而这也使得安全风险范畴从算法歧视、算法“黑箱”、虚假内容等传统技术安全议题，进一步向就业结构变迁、社会信任侵蚀、社会保障冲击等具有更深远影响的“技术-社会”系统安全议题拓展。在此背景下，围绕开源人工智能安全风险的争议并不会因为特朗普政府一时的政策选择而终止，未来我们仍将看到持续且更为复杂的相关讨论。

****▍****开源人工智能的“地缘政治”：促进合作，还是深化竞争？

围绕开源人工智能的争论不能脱离当前地缘政治的时代格局，而开源人工智能争议本身也作为地缘政治的重要子议题受到了越来越多的关注。但这一现象在开源软件的历史上是较为少见的，因为**开源一直都被视为打破技术封锁、促进国际合作的重要机制，而非强化大国竞争的工具。例如，二战中被应用于军事领域的加密技术，在战后被美国纳入了限制出口的管制清单，但伴随互联网时代的到来，将加密技术应用于通信和商务领域的民用需求不断增加，由此驱动加密技术开始以开源形式传播、使用、开发，并因此在事实上打破了政府对于软件代码的控制能力，使得美国不得不放松管制并于1999年最终放弃。该案例揭示了大国技术竞争过程中，开源软件在推动知识扩散、促进国际合作方面的积极作用。**但对开源人工智能来说，这一积极作用却呈现出相当的复杂性。

**一方面，开源人工智能同样有助于打破政府对技术流动的管制。**DeepSeek在资源约束下实现的相对高性能结果，便在很大程度上削弱了美国限制算力芯片出口的政策效果。尽管这并不代表高性能计算芯片的重要性降低了，但至少意味着以开源为基础的多重技术路线探索仍然是有效的。**但另一方面，开源人工智能却并没有像开源加密软件那样终结政府管制、促成全球合作，其反而可能激发更复杂的大国竞争格局。**以特朗普政府为例，其并没有改变针对性的技术竞争政策导向，而是以限制他国开源人工智能生态扩散为目标，废除了拜登政府时期的限制出口政策，转而更加积极地推动本国人工智能技术和产业的全球扩散。在此背景下，我们未来可能在国际社会中看到更多而非更少的大国竞争、企业竞争、生态竞争。

合作、竞争这两种机制究竟哪种会主导未来人工智能技术与产业演化进程，我们尚不得而知，但开源人工智能与地缘政治相互影响的复杂格局，仍然构成了当前的重要争议焦点。

****▍****开源与人工智能的未来演化

从前述分析来看，围绕开源人工智能的上述四点争议，并不仅仅只是技术社群差异观点的简单表现，而是涉及人工智能技术演化及其社会影响，以及未来发展走势的关键问题。**这些争议缘起于人工智能与传统软件的技术特征差异，却与人工智能监管政策、创新生态、大国竞争等时代问题紧密关联，并在根本上反映了人工智能技术演化进程中，公共利益与私人利益如何平衡、国家与市场关系如何重构、国际权力结构如何变迁等主要矛盾。**在此意义上，开源人工智能争议将如何持续演化，到底会最终形成共识还是出现更大分歧，都值得利益相关方的普遍关注。