禁止开源 AI 将是一个错误

分享到

华盛顿正在形成更强的 AI 监管势头：近期已有关于审查 AI 模型的行政命令、进一步立法的国会提案、政府可能持有前沿 AI 实验室股份的讨论，以及限制外国公民访问 Anthropic 最先进模型的行动。这些动向可能只是更多 AI 监管的开始。

值得警惕的是，未来政策可能会无意或有意地限制，甚至禁止开源 AI。对 AI 领域中常被误解、也常被污名化的开源而言，这将是一个严重错误。

开源，本质上是一种让技术能够被公开、透明地分享、构建和分发的过程。它并不是新事物。在 AI 出现之前，全球超过 90% 的软件已经建立在开源之上，并创造了超过 8 万亿美元的经济收益。今天，开源技术也在许多场景中默默支撑着 AI 的训练、改进、部署与安全保障。

过去三十多年里，开源持续推动了三个重要方向：教育、创新与竞争。这些也正是现代技术生态赖以发展的基础。

开源支持教育

开源的起源与学术机构密切相关。它最初回应的是这样一种需求：让技术能够自由、开放地用于学习、研究和建设，而不是被大型公司的利润目标或法律威胁所束缚。

开源的前身是自由软件运动。1983 年，这一运动在麻省理工学院兴起。当时，无论是教学、科研，还是改进打印机性能，很多软件使用行为都意味着必须付费，或与 AT&T、Xerox 等大公司打交道。

在这场运动之后，开源逐渐成为技术教育的核心组成部分。如今，从大学、社区学院到编程训练营，学生都在通过开源学习编程、工程与产品构建。开源为技术教育提供了低门槛、可实践、可复用的基础。

开源之所以有利于创新，是因为它为任何有想法的人提供了一套工具，以及一个可以互相学习、协作和改进的社区。许多创新都从宿舍、车库或地下室开始，而开源让这些想法能够在没有高昂许可费用和法律风险的情况下被实现。

有些项目最终只是个人兴趣，带来学习和乐趣；另一些则发展为大型企业。比如 Facebook 的早期版本就是建立在开源软件栈之上。

开源让创新者能够先动手，而不是先筹钱、谈授权或担心诉讼。这种低门槛创造了大量试验空间。

开源也有助于后来者挑战既有巨头，抑制垄断风险。

Linux 是典型案例。这个开源操作系统如今运行在全球超过 90% 的云计算基础设施上，曾被视为 Windows 垄断格局的对抗力量。微软前 CEO 史蒂夫·鲍尔默甚至曾称 Linux 为“癌症”。

Android 也是如此。作为开源移动操作系统，它推动了一系列智能手机厂商参与竞争，避免市场过早被单一模式控制。在自动驾驶、数据库、半导体设计等更垂直但同样重要的领域，开源也发挥了类似作用。

如果没有开源的平衡与民主化作用，技术市场可能会更容易走向垄断，用户和企业则要承担更多寻租成本。

AI 的出现并没有让开源在教育、创新和竞争中的价值消失。

当前，Anthropic 和 OpenAI 等闭源、专有模型公司正在快速集中市场力量。它们的模型能力毋庸置疑，但价格和市场集中度同样明显。对许多创业公司、教育机构和企业来说，开源 AI，尤其是开放权重模型，是少数可行的替代方案之一。

文章还提到，Anthropic 曾因其最先进模型在被用于改进其他模型时降低能力而引发争议。这类事件显示，闭源平台拥有相当大的控制权。相比之下，开源 AI 为市场提供了制衡力量。

开源模型若达到前沿能力，其安全影响当然值得持续关注。但总体而言，开源内在的透明性反而可能提升安全性。

因为更多工程师和研究人员可以检查模型、调整不想要的行为，并修复运行模型的软件漏洞。开源社区中有一句常见说法：“只要有足够多双眼睛，所有漏洞都容易发现。”

此外，如果企业将开源模型部署在自己的基础设施上，模型运行并不必然意味着数据被传输给外部服务商。Airbnb CEO Brian Chesky 也曾表达过类似观点。对于重视隐私和数据控制的组织来说，开源 AI 可能是一条更安全、更可控的路径。

中美在经济、军事、外交等多个维度上存在激烈竞争。但如果将这种竞争作为限制开源的理由，可能造成反效果。

许多美国创业公司无法承担 Anthropic 或 OpenAI 级别的高昂成本，因此依赖开源模型来提高效率和盈利能力。编码、法律及其他垂直领域的 AI 公司，已经在日常工作中使用开源模型，其中也包括来自中国实验室的模型。

这些模型由中国实验室推出，恰恰提醒美国：本土开源 AI 可能投入不足、重视不够。更合理的应对方式不是压制开源，而是增加对本土开源生态的支持。

如果因为中国因素而限制开源，可能产生三重后果：

开源长期以来是技术领域的“阳光”：它让更多人能够看到、理解、改进和监督技术系统。

在 AI 时代，开源并不是天然的风险源。它也是教育、创新、竞争、安全审查和隐私保护的重要基础。若在监管 AI 时误伤甚至禁止开源，可能会削弱整个技术生态的活力。