OpenAI 害怕开源权重模型。美国也该害怕吗？

中国实验室 Moonshot 的 Kimi K3，作为最大的开源权重大语言模型，其令人印象深刻的能力引发了一场争论，将两件事混为一谈：美国AI巨头的经济前景与大语言模型（LLM）作为一项技术的未来。

OpenAI 的战略未来主管 Dean W. Ball 甚至辩称，美国政府应寻找借口，围绕这些新模型制造监管层面的恐惧、不确定性和不信任，因为开源权重模型必然会阻碍前沿实验室的资本支出。

人们感到恐慌（https://techcrunch.com/2026/07/18/kimi-threat-or-menace/），Yann LeCun（https://x.com/ylecun/status/2078802625449906439）和 Martin Casado（https://x.com/martin_casado/status/2078507190185504793）等科技界名流认为，开源软件可以加速创新，并与专有项目共存。Ball 很快撤回了他关于监管打压是白宫“最佳策略”以及开源权重模型必然减慢技术进步速度的说法。

然而，Axios 报道称（https://www.axios.com/2026/07/20/ai-us-china-open-source-kimi），受美国前沿实验室的请求，特朗普政府正考虑禁止 Kimi K3 和其他先进的中国模型。Politico 的另一份报告（https://x.com/SophiaCai99/status/2079254188349948069）称，商务部不会很快采取这一举措。

主要 AI 公司的好处是显而易见的：运行在独立基础设施或大型企业内部的开放权重模型，能提供比 Anthropic 或 OpenAI 等行业领先模型更便宜的智能。如果用户越来越多地在封闭实验室之外消费，这意味着这些公司在模型训练上的巨额投资回报率将降低。

这种观点远不止于 OpenAI。“强劲的、具备前沿水平能力的开源模型将压缩利润空间，并降低前沿公司的定价，”Snorkel AI 联合创始人兼 Laude Institute 研究伙伴 Braden Hancock 告诉 TechCrunch。“这并不意味着 AI 的使用量会稍微减少一点。你知道，显然恰恰相反。”

对于那些没有 Anthropic 和 OpenAI 股份的人来说，这不是问题。AI 仍将普及。那么，政府有什么理由禁止美国人在我们名义上自由的市场上购买这些东西呢？

对中文模型的担忧有多种形式。一种是为了保护美国数据免受中国政府侵害；出于对其数据收集能力的担忧，美国禁止进口现代中国电动汽车。但专家倾向于认为，运行在美国服务器上的开放权重模型不太可能将数据泄露回中国，尽管这种情况并非不可能发生。

另一种是这些模型可能对中华人民共和国存在隐性偏见——但这对于诸如编程任务等事情意味着什么尚不清楚。

第三种常见的担忧是，中文模型缺乏美国政府通过一个不透明的流程所规定的护栏（https://techcrunch.com/2026/07/09/how-did-the-government-decide-openais-frontier-model-was-safe-to-release/），这些护栏旨在防止领先的美国大语言模型被用于利用封闭计算机系统或制造武器。然而，同样的护栏可能使美国公司更容易受到攻击：风险投资家和特朗普顾问 David Sacks（https://x.com/DavidSacks/status/2078984980588531855）一直在分享案例，讲述美国公司在中国大语言模型拒绝执行任务时，转向中国大语言模型以填补安全漏洞。

但限制这些模型的最重要动机是对中国可能赶超美国的恐惧，如果前沿实验室减慢速度的话。

乔治城大学安全与新兴技术中心专注于中国的研究员 Sam Bresnick 表示，AI 对美国军事行动日益重要，这为美国政府支持在前沿实验室持续投资 AI 提供了理由。但他表示，整个问题都充满争议。

“为什么美国政府的精力应该 aimed at（瞄准）保护这些公司免受基于其出身而被排除在美国市场之外的竞争对手的侵害？”Bresnick 问道。

开源 AI 的倡导者表示，前沿公司正在创新和封闭模型之间制造一种虚假的二分法。

“这些来自中国的开源模型产生更大的影响，与其说是在暗中设置后门，不如说是在主导创新，”Hancock 告诉 TechCrunch。“最终，你实际上得到了一个扩大的模型劳动力队伍。PyTorch 成为行业标准是因为它是开源的，因此整个社区可以为其做贡献，而不仅仅是一家公司，它不断成长壮大，而其他深度学习库相比之下都黯然失色。”

Hancock 和其他倡导者担心，中文大语言模型将成为国际研究的中心。目前，美国研究生项目主要基于开源中文模型构建，Hancock 称学生研究的一半论文来自中国机构，美国前沿实验室越来越不愿意广泛分享其工作。

Hugging Face 平台（一个开源 AI 协作平台）的 CEO Clem Delangue 表示：“限制开源模型并不能让 AI 更安全。它只会隐藏风险，将权力集中在少数人手中，并让下一代建设者、研究人员、学术界、非政府组织和政府更难参与让 AI 对所有人更安全、更有益的工作。”

Bresnick 表示，减缓中国的真正途径是更专注于芯片出口管制。保持美国 AI 领先地位的更好方法是停止向中国出售 Nvidia H200 处理器。“他说，”这可能让我们避免陷入关于禁止大量美国公司想要使用的开源技术这一棘手辩论之中。”

问题的一部分在于对 AI 经济学的模糊不清。“开放商业模式和专有商业模式——这两个都没有搞清楚。AI 公司正艰难地试图弄清楚如何从其工具中赚钱，尤其是随着训练成本的不断攀升，”Bresnick 指出。

在美国上演的相同挑战也在中国上演，在中国，AI 公司也在努力产生收入和获取计算能力，尽管出于政策原因，政府被认为在鼓励开源发布，尽管在利用这些发布方面存在挑战。

一些美国公司，包括 Thinking Machines Lab 和 Nvidia，正试图围绕发布开源模型建立业务。Hancock 指出，如果有数十或数百家公司建设 AI，而不是两三家公司，而且这两三家公司又有足够的资金去制造自己的芯片，Nvidia 会做得更好，这也是其投资 Nemotron（https://www.nvidia.com/en-us/ai-data-science/foundation-models/nemotron/）（一套开源模型）的原因之一。

“主要观点是，美国拥有自己的非常强大、便宜得多的开源模型将非常有好处，”Bresnick 说。“这仅仅是与前沿公司采取的方法相冲突。”

报道获得了 Rebecca Bellan 的额外补充。