孙占卿:美国AI“开源”转向,背后是一场应对中国崛起的“双轨竞争”

本文共计8499字，建议阅读时间20分钟。

【导语】近日，智谱、月之暗面相继推出可与Anthropic等美国实验室模型相抗衡的新模型，开放模型与顶尖闭源模型之间的性能差距进一步收窄。

眼见中国AI崛起，延续多年的“开源”与“闭源”之争，也在硅谷和华盛顿进入白热化。据《纽约时报》报道，Anthropic、OpenAI等前沿模型公司近日继续强调高能力模型可能带来的安全与知识产权风险，并游说监管机构加强审查。美国财政部长斯科特·贝森特、白宫科技政策办公室主任迈克尔·克拉齐奥斯也相继对所谓中国AI“蒸馏”表达警惕。但在英伟达、微软等芯片、云计算和平台型企业看来，对开放权重模型施加限制可能削弱美国对开发者生态和全球市场的吸引力。7月24日，英伟达、微软、Meta等企业与机构联合发布《开放权重与美国AI领导力》公开信，呼吁政策制定者避免过早限制开放权重模型；三天后，英伟达又联合微软、IBM、Linux基金会等成立“开放安全AI联盟”。

有分析指出，两方行动实际均与美国近期的AI战略布局呼应。特朗普2.0以来，美国一面组织企业提供涵盖芯片、数据中心等的“全栈出口”方案，并以“硅和平”整合盟友的关键矿产、半导体和算力供应链，让盟友接入美国技术体系。另一方面则加快推动智能体标准、前沿模型安全评测。其背后真正的谋局，是建成一个以美国基础设施、技术标准和安全规则为底座的全球AI生态。

在IPP特约研究员孙占卿看来，近期美国“开放权重”呼声升高，是因为美国国家战略与企业利益正在逐渐汇合。中国厂商展现出的强大竞争力，实际上已促成美国加快布局AI开放生态。美国或将形成一种更具现实主义色彩的“双轨战略”：一方面，以闭源旗舰模型维持能力上限、商业收益和安全控制；另一方面，以开放权重模型争夺开发者、部署市场、行业标准与全球扩散能力。未来中美AI竞争的关键，也将不只是模型性能的高下，而是谁能让自己的模型、工具、基础设施和规则成为全球创新的默认底座。

本文作者

2026年7月注定会成为AI发展进程中的一个高峰时刻。7月17日至20日，世界人工智能大会暨人工智能全球治理高级别会议在上海举行。大会以“智能伙伴，共创未来”为主题，提出推动全球人工智能向善、普惠发展。与此同时，中国AI企业月之暗面发布开放权重旗舰大模型Kimi K3，并在发布后24小时内登顶Arena排行榜，再次将模型开放与闭源之争推向风口浪尖。

Epoch AI综合能力指数显示，截至2026年7月21日，Kimi K3与GLM-5.2的得分已接近150分，进入全球前沿模型区间。图源：《经济学人》

以OpenAI未来战略主管迪恩·鲍尔（Dean Ball）为代表的闭源支持者认为，开放模型“本质上是减速主义的”，因为开放将压缩领先厂商的利润空间，削弱其对尖端技术的投入能力，最终拖累AI发展。开放支持者则认为，开放能够降低模型使用成本，提高AI普及率，拓展AI生态，为初创企业创造更多机遇，最终为AI发展带来更多可能性。

作为开放权重的重要推动者，英伟达联合多家企业和机构共同发布《开放权重与美国AI领导力》公开信，将“开放”与美国AI领导力联系起来。其核心并不是要求所有人工智能技术全面开源，更不是以开放模型取代闭源模型，而是推动美国在保持前沿闭源能力优势的同时，补齐开放模型生态这一战略战线。

7月24日，英伟达、微软、Meta、IBM、Hugging Face、Palantir等企业和机构共同发布《开放权重与美国AI领导力》。微软目前公布的名单已经包括Google、OpenAI、Amazon、Intel、Cloudflare、GitHub等百余家企业和机构。

这场行动表明，美国对人工智能领导力的理解正在发生变化：真正的领导力不再只是训练出性能最强的模型，还包括使本国的模型、工具、标准和基础设施成为全球开发者与企业的默认选择。从这个意义上说，开放权重并非单纯的技术共享方式，而是一种技术扩散、产业组织和国际竞争手段。

一、美国为什么此时强调“开放”

这场行动最值得关注的，并不是美国科技企业突然接受了传统的开源理想，而是美国开始将“开放权重”纳入国家技术领导力的整体布局。

《开放权重与美国AI领导力》公开信发布三天后，英伟达又联合网络安全、云计算、企业软件企业及开源机构，共同发起“开放安全AI联盟”（The Open Secure AI Alliance）。公开信主要面向美国政策制定者，明确提出，衡量美国的AI领导力，不能只看其是否拥有最先进的模型，还要看其能否建立一个能够向各行各业扩散的开放生态。

联盟则聚焦AI安全与网络安全工具建设，将开放的范围从模型权重进一步延伸至智能体框架、安全工具、评测体系和网络防御等领域。

7月27日，英伟达联合微软、IBM、思科、Cloudflare、CrowdStrike、Hugging Face、Linux基金会、红帽、Palantir、Palo Alto Networks、SAP、ServiceNow等数十家企业和机构，成立“开放安全AI联盟”（Open Secure AI Alliance），共同建设一套面向AI智能体和网络安全的开放防御技术栈。

美国推动开放权重，目的在于将技术优势进一步转化为生态优势。上述两项行动紧密衔接，表明美国当前围绕大模型“开源”的布局至少包含两重意图：

一是通过开放权重，降低企业、初创机构、大学和公共部门采用AI的门槛，使模型能力更快进入制造、医疗、金融、农业和公共服务等领域；

二是通过开放模型争夺开发者、行业标准和全球市场，在维持美国高端闭源模型领先优势的同时，进一步扩大其对模型全球扩散进程的影响力。

（一）开放是英伟达战略路线的一环

英伟达推动开放模型并非临时起意。2025年12月，英伟达发布Nemotron 3系列，开放了模型权重等一系列材料。

2026年3月，英伟达成立Nemotron联盟，与有关机构共享数据、算力和研究能力，共同开发在DGX Cloud（云端AI超级计算与软件平台）上训练并公开发布的模型。英伟达还宣布，其系列模型将支持Linux基金会于2026年5月发布的OpenMDW-1.1模型许可框架。该许可赋予用户训练、修改、贡献、再分发和部署模型材料的权利。

英伟达之所以比部分闭源模型公司更积极地推动开放，与其在产业链中的位置密切相关。英伟达的核心收益主要来自GPU、网络、计算系统以及AI软件平台，扩大AI生态，相当于扩大其产品市场。英伟达2026财年总收入为2159亿美元，其中数据中心业务收入达到1937亿美元，约占总收入的九成。这一收入结构意味着，英伟达所需要的并不是让某一个模型长期维持稀缺性。

相反，无论开发者使用的是OpenAI、Meta、Qwen、DeepSeek还是Nemotron的模型，只要模型需要训练、微调、量化和推理，就会产生计算需求。模型越丰富、部署越广泛、推理调用越频繁，就越有利于英伟达扩大市场。

英伟达CEO黄仁勋展示公司的开放模型生态及全栈工具链：Clara、Earth-2、Nemotron、Cosmos等模型覆盖生物医药、地球系统、智能体、自动驾驶。按Hugging Face相关开放模型数量计算，英伟达位居首位。图源：英伟达

从平台经济的角度看，这是一种典型的“扩大互补品”战略。随着Google、OpenAI、Meta等AI大厂先后推进自研芯片战略，英伟达更需要扩大AI参与者群体。降低模型获取和使用门槛，不仅能够扩大芯片、网络、云资源、推理优化和企业部署服务的市场，还有助于提高英伟达技术标准的渗透率。

发布公开信并成立联盟，也意味着英伟达在尝试构建一套能够持续生产、分发、部署和治理开放模型的制度体系，进而将开放权重塑造为美国AI领导力、网络安全和产业政策的共同基础。

（二）中国厂商的强大竞争力促成了美国AI开放生态布局

美国强调开放权重，并不是因为产业界突然脱离了国家竞争框架，而是因为国家战略与企业利益正在逐渐汇合。中国大模型带来的竞争压力，则进一步压缩了美国布局AI开放生态的时间窗口。

美国政府早已认识到开放模型的地缘战略意义。2025年发布的《美国AI行动计划》提出，全球AI竞争不仅取决于谁拥有最先进的模型，还取决于谁拥有规模最大的AI生态、谁能够制定全球标准，以及谁能够从中获得经济和军事收益。该文件专门设置“鼓励开源和开放权重AI”一节，提出美国需要拥有建立在“美国价值观”之上的领先开放模型，因为这类模型可能成为全球商业和学术领域的通用标准，因而具有重要的地缘战略价值。

中国开放权重模型的快速发展，加快了美国的这一转变。Qwen3、DeepSeek-R1、GLM5.2等接近前沿水平的中国主流大模型纷纷采用开放许可，显著加快了模型扩散。

斯坦福大学有关中国开放模型生态的研究显示，2025年9月，Qwen在Hugging Face上的下载量已经超过Llama；2024年8月至2025年8月，中国开发者发布的模型约占该平台下载量的17.1%，美国开发者发布的模型约占15.8%；到2025年9月，中国模型的微调版和衍生版约占当月新发布相关模型的63%。尽管这些数据不能直接等同于商业市场份额，但足以反映中国模型在开发者生态中的扩散速度。

Hugging Face上新发布的微调模型和衍生模型，正越来越多地建立在中国开发的基础模型之上。

更重要的是，开放模型已经不再只是性能明显落后的低成本替代品。斯坦福大学《2026年人工智能指数报告》显示，截至2026年3月，领先闭源模型与领先开放模型之间的性能差距约为3.3%；

同期，领先美国模型与领先中国模型之间的差距约为2.7%，且在过去一年中长期维持在个位数范围。基准测试本身存在一定局限，但其战略含义十分清楚：当开放模型逐渐接近前沿水平时，竞争就不再只发生在实验室榜单上，而会进一步延伸至成本、部署、衍生开发和行业标准等领域。

2023年5月至2026年3月，Arena榜单中领先开放权重模型与领先闭源模型的评分差距总体显著收窄，但闭源模型仍保持领先。

显然，美国本轮行动具有明显的竞争补位性质：既要避免中国模型成为全球开放生态中的事实标准，也要防止美国在应对中国模型风险时，因过度限制而误伤本国开放生态。在这一路线上，美国国家战略与主要企业的商业利益形成了交汇：政府希望美国模型和技术标准得到全球采用，芯片、云计算和企业软件厂商希望扩大AI的总体部署规模，开放模型平台希望吸引更多开发者，而企业用户则希望摆脱对单一闭源API供应商的依赖。

二、AI“开源”与软件开源有根本差别

（一）当前的AI“开源”知识“开放权重”

按照严格的开源定义，当前几乎所有的AI模型都达不到“开源软件”的标准。

传统开源软件开放的是人类可读的源代码。开发者获得源代码、依赖关系和构建说明后，通常可以理解软件的执行逻辑，修改其中某一部分，并重新编译出一个功能相近的程序。而对AI模型来说，模型能力并不只来自架构代码，而是架构、训练数据、数据处理方式、训练代码、超参数、计算资源、训练过程和最终参数共同作用的结果。

开放源代码倡议组织（Open Source Initiative，OSI）的《开源AI定义1.0》要求，严格意义上的开源AI不仅应提供模型参数，还应提供训练和运行代码，以及足够详细的数据来源、处理和训练信息，使具备专业能力的人能够构建实质等价的系统。

因此，开放源代码倡议组织（Open Source Initiative，OSI）在其白皮书《Data Governance in Open Source AI：Enabling Responsible and Systemic Access》中指出，

关于模型开源的辩论忽略了一个事实，即一些以开放形式呈现的商业模型——最突出的是Llama——也不符合其他要求。例如，它们的许可证引入了限制，使其不符合开源许可标准，并且它们未能共享其他系统组件，如训练代码。

“This debate puts aside the fact that some commercial models – Llama, most prominently – that are presented as open also do not meet other requirements. For example, their licenses introduce limitations that make them non-compliant with open licensing standards, and they fail to share other system components, such as training code.” [1]

OSI因此明确区分了开放权重和完整开源AI：前者通常只公开训练完成后的参数，后者还要求开放或充分说明产生这些参数的过程。在“AI systems and openness”一节中，白皮书指出当前行业混用了“开源”一词，许多模型实际上只是“开放权重”。

如果说开放源代码促进的是对“生产逻辑”的理解与重建；开放权重提供的是对“训练成品”的使用与改装权限。开放模型权重以后，开发者可以把模型下载到本地，进行推理、微调、量化、蒸馏或行业适配，却未必能够重新训练出一个等价模型，也未必知道模型究竟使用了哪些数据、经历了怎样的数据筛选和安全处理。

（二）开放权重的可能影响

一是推动AI由少数实验室掌握的能力转化为通用产业能力。人工智能作为一种通用技术，其经济和社会价值并不会在模型训练完成后自动实现，而是依赖行业数据、业务流程、人才、算力和组织改革等一系列互补投入。开放权重的意义在于，将模型从只能远程调用的封闭服务，转变为可以嵌入不同组织和产业流程的通用组件。

企业不必从零开始训练大模型，也不必在所有任务中都购买最高等级的闭源服务，而可以根据成本、性能、数据敏感度和延迟要求，选择合适的模型进行部署。这不仅会扩大AI的应用范围，也可能推动基础模型逐渐标准化，使更多价值向行业数据、智能体、应用、服务和安全治理等环节转移。

二是增强用户对数据和成果的控制权。开放权重使政府、医院、金融机构和大型企业能够在自身基础设施上运行模型，避免将敏感数据持续发送给外部API供应商。同时，用户还可以保留微调成果、领域知识和部署记录，从而在模型供应商涨价、改变服务规则或退出市场时拥有替代方案。公开信和《AI行动计划》都将本地部署、避免供应商锁定和保护敏感数据列为开放模型的重要价值。

三是扩大安全审查的空间，但也使部分风险脱离原始开发者的控制。开放模型将更多控制权交给部署者，同时也把更多责任从原始开发者转移给部署者和应用运营者。封闭模型可以由开发者集中更新、撤销访问并修复问题，但外部研究者往往难以充分了解模型及其训练过程；开放权重则支持独立研究者开展评测、红队测试、漏洞分析和偏见检测，也使机构能够针对自身使用环境增加安全措施。

开放权重同时也带来明显风险，其中最突出的是模型一旦发布便难以收回。使用者可以移除安全护栏、进行恶意微调，或者将模型接入攻击工具。英伟达主导的公开信并未否认这些风险，但认为不能由此得出“闭源天然安全”的结论。闭源系统同样可能被滥用、遭到攻击，或者出现难以被外部发现的失效；过度依赖少数封闭系统，还可能造成单点故障。

四是开放模型可以成为国际技术扩散的重要载体。封闭模型主要通过API、云服务和商业合同向外扩散，开放模型则可以被下载、复制、翻译、微调，并嵌入本地产业。一个开放模型一旦成为开发者普遍使用的基础，围绕它形成的分词器、接口、评测方法、微调工具、推理框架和云优化方案，都可能逐渐成为事实标准。

因此，开放模型可以成为一种成本较低、扩散速度较快的“技术制度出口”。它所输出的不只是模型能力，还包括技术接口、开发习惯、许可规则和基础设施依赖。未来中美AI竞争的重要对象，可能不再只是“谁的模型在某项测试中领先”，而是“谁的模型能够成为第三国企业最容易获得、最容易改造，也最愿意长期使用的基础”。

三、美国开启AI“双轨”竞争，从掌握技术转向控制生态

美国本轮AI“开源”行动的深层意义，在于重新定义技术领导力。过去，技术领导力主要体现为“我拥有别人没有的先进技术”；开放权重所代表的新型领导力，则更多体现为“别人以我的技术为基础进行创新”。前者依靠稀缺与控制，后者依靠扩散与依赖；前者强调能力差距，后者强调生态覆盖。成熟的技术强国往往会同时运用这两种方式。

英伟达及其合作伙伴正试图在保持专有技术优势的同时，将模型层面的开放转化为更广泛的算力需求、开发者生态、行业标准和美国技术影响力。

（一）重新定义AI领导力，平衡前沿能力、全球扩散与制度治理

英伟达围绕开放生态展开的一系列基础设施布局，反映出美国对AI领导力的认识正在深化。从Nemotron模型、共同研发联盟和模型许可证，到公开信与开放安全AI联盟，英伟达正在将开放权重拓展为一套完整的生态体系。这一体系至少包括模型、数据、训练配方、算力协作、法律许可、推理工具、智能体框架、安全评测和企业部署等多个组成部分。

这表明，美国围绕AI领导力形成的竞争逻辑正在向三个层次扩展：第一个层次是发明领导力，即谁能够训练出最先进的模型；第二个层次是扩散领导力，即谁能够让模型进入更多企业、行业和国家；第三个层次是制度领导力，即谁能够制定模型许可、技术接口、评测、安全和责任规则。美国已经认识到，一项AI技术只有得到广泛采用、嵌入不同组织并进一步转化为行业标准，才能形成稳定的体系性权力。

（二）发布权重只是起点，强化扩散塑造标准才是开放战略的目标

美国正在AI领域采取双轨竞争策略。萨姆·奥特曼的表述更为直白：希望美国在“开源模型和专有模型两方面都获胜”。美国已经认识到，仅靠闭源旗舰模型不足以覆盖全球AI竞争的全部场景。闭源模型更适合维持能力上限、实现高价值商业化和开展集中式安全管理；开放权重模型则更适合争夺开发者、成本敏感型市场、科研机构、主权部署需求和全球南方国家市场。两条路线相互补充，共同构成一种“前沿控制与广泛扩散并行”的双轨结构。

美国科技产业内部对此仍然存在分歧。部分企业认为，开放权重有助于扩大创新空间，加强安全审查和网络防御；另一些企业则担心，高能力模型的权重一旦发布便难以撤回，也无法由原始开发者统一更新安全护栏。《开放权重与美国AI领导力》公开信本身也承认开放模型存在难以追踪、难以撤回等风险。因此，美国当前形成的共识尚停留在“不能缺席”开放模型竞争。

对中国而言，下一阶段的竞争将从模型性能进一步扩展至整个开放生态：模型能否稳定使用，许可规则是否清晰宽松，文档和工具是否完整，能否适配不同芯片与云平台，是否具备持续更新能力，能否形成全球开发者社区，以及能否提供可信的评测、安全保障和企业服务。

（三）开放并不取代闭源，而是形成产品组合分工

当前美国AI产业正在形成一种较为清晰的双轨结构。闭源旗舰模型主要承担四项功能：保持最高能力和技术秘密，通过API和订阅服务实现商业化，集中实施更新与安全控制，并维持供应商对用户入口和责任边界的管理。开放权重模型则主要承担另一组功能：扩大开发者生态，支持本地和边缘部署，促进科研与行业微调，争夺技术标准，并避免美国在全球开放模型市场中缺位。

去年12月，美国国务院宣布启动其旗舰人工智能（AI）供应链倡议“硅和平”（Pax Silica）。

这两条路线的关系是动态互补的，黄仁勋在X发言表示，开放与专有并不是二选一，而是“专有和开放”同时存在。今天的前沿闭源能力，可能在未来以小型化、蒸馏或专用模型的形式进入开放产品线；开放模型产生的技术、评测和社区反馈，也可能反过来改善闭源系统。

OpenAI的发展尤其能说明这一点。2015年的创立声明强调鼓励研究人员通过论文、博客和代码公开成果；此后其章程又明确预见，随着模型能力提高，安全与安保问题可能减少传统研究发布。到GPT-4时期，OpenAI以竞争环境和安全影响为理由，不再披露模型规模、硬件、训练计算量、数据集构建和具体训练方法。2025年，OpenAI又发布采用Apache 2.0许可的gpt-oss开放权重模型，但并未因此放弃闭源旗舰产品。

（四）同时支持开放和闭源，意在谋求产业生态核心控制能力

英伟达支持模型开放，并不意味着其整个技术体系都将开源。一方面，它公开模型、数据和训练配方，倡导开发者摆脱单一模型供应商控制；另一方面，其商业核心仍然是由企业控制的芯片、计算系统、CUDA平台和企业软件。这种组合恰恰构成了英伟达开放战略的基础。模型越开放，企业越容易自主部署；企业部署越多，对GPU、网络、推理优化、容器、企业支持和安全工具的需求越大。英伟达并不试图控制每一个模型，而是通过为不同模型提供共同基础设施而在模型扩散中获得收益。

往更深层看，通过这种战略谋求一种新的优势地位，或许这才是理解英伟达开放战略的关键。它不是把自己的核心商业资产全部公共化，而是通过开放兼容多种模型、连接不同云和企业数据中心的基础设施平台，反而获得更强的中立性和不可替代性，其本质是一种“开放互补品、强化核心平台”的产业组织方式。

四、避免二元思维，推动分层治理

显然，未来的AI治理不宜仅根据“开源”或“闭源”标签作出笼统判断。AI安全并不是权重是否保密这一单一变量的函数，而是模型能力、系统权限、部署场景和责任机制共同作用的结果。开放模型不必然安全，也不必然危险；闭源模型可以集中实施安全更新，但也可能带来系统不透明、供应商依赖和单点故障等问题。英伟达强调通过身份认证、权限管理、日志记录、模型评测和智能体框架保障系统安全，说明开放倡导者已经认识到，仅靠开放权重和外部审计不足以解决所有风险。

因此，AI治理应当采取分层模式。从目前情况看，合理的制度安排至少应区分四个层次。

一是模型能力，即模型是否具备高水平网络攻击、生物设计、自动化科研、智能体行动或关键基础设施操作能力。

二是开放内容，即公开的是API、模型权重、代码、数据说明、训练配方，还是完整的模型包。

三是部署场景，即模型仅用于离线研究或本地办公，还是被赋予网络访问、支付、代码执行和物理设备控制等权限。

四是责任链，即原始开发者、模型分发平台、微调者、部署者和应用运营者分别掌握哪些控制能力，又应承担何种评测、记录、报告和补救义务。

这一治理思路意味着，政策不应简单选择开放或闭源中的一方，而应将不同开放程度、不同能力等级和不同应用场景的模型，纳入可解释、可审计和可追责的制度框架。在这一框架下，开放程度只是风险评估的一个变量，而不是判断风险的全部依据。监管应当对高能力、难以撤回且可被广泛部署的模型，提出更高的评测和信息披露要求。

本文作者

商业合作请后台联系，谢谢。