美国AI开源和闭源的路线之争，以及对中国的启示

美国围绕开放权重模型和模型蒸馏的争论，正在迅速演变成一场产业路线之争。

支持开放权重模型的美国企业联盟仍在扩大。签署相关公开信的企业已经增加到约50家，原先保持沉默的谷歌也加入其中。这样一来，在美国几家头部AI和科技企业中，尚未签署的主要只剩下Anthropic，以及它最大的投资方和重要算力合作伙伴亚马逊。

与此同时，模型蒸馏问题也已经进入中美政府交涉层面。据美商亚洲集团合伙人陈澍透露，在成都举行的2026年亚太经合组织数字和人工智能部长会闭门会议上，美国代表团向中方官员提出了所谓“工业级蒸馏”问题，认为利用现有模型的输出训练新模型，可能损害美国企业的知识产权。中方网信部门官员则予以了坚决反驳，强调蒸馏是一种合法的模型开发技术，跟盗窃不是一回事。

在美国主要AI公司中，Anthropic对这场争议的立场最为强硬，但截至目前，公司的正式公开回应仍然不多。较明确的一次表态来自其公共政策负责人Sarah Heck。7月22日，她转发并评论了白宫科技政策办公室主任Michael Kratsios关于Kimi K3的帖子，称非法、对抗性的蒸馏属于知识产权盗窃，是一种帮助美国对手提升军事和情报能力的工业间谍活动，对美国及其民主盟友构成国家安全风险。她表示，Anthropic将继续打击此类行为，并与白宫和国会合作，维护美国在人工智能领域的领导力。

Anthropic核心研究团队成员Julian Schrittwieser的态度则更加直接。他在X上讽刺黄仁勋和微软CEO Satya Nadella：看到你们这么支持开源，太好了，那麻烦你俩赶紧把CUDA、GPU、Windows和MS Office都开源一下吧。

Anthropic为什么会成为这场争论中最强烈反对中国开源模型的公司，有其内在的产业和商业逻辑。该公司的核心商业模式，是投入巨额资本训练最先进的模型，再通过Claude订阅、API和企业服务收回成本。这套模式要成立，至少需要三个条件：第一，Claude与开放模型之间长期保持明显的能力差距；第二，企业愿意为这种能力领先持续支付更高的API费用；第三，客户接受模型由Anthropic远程运营和控制，而不是自行部署。

Kimi K3对这三个前提都构成了挑战。它不仅在能力上接近Claude，还计划开放模型权重。用户可以自行部署、微调和审查模型，不必再完全依赖Anthropic的API。这会压低高端模型API的价格和利润率，削弱Anthropic对企业客户和使用场景的控制，也使头部闭源实验室不断增加的资本开支更难获得商业回报。

因此，K3对不同企业的影响并不相同。对于英伟达、云服务商、微软以及下游软件公司而言，模型越多、越便宜，可能意味着更多算力需求、更广泛的AI应用和更大的市场。但对主要出售闭源模型能力的Anthropic而言，它构成的是更加直接的商业威胁。

只是，这种商业理由不便公开作为反对开放模型的主要依据。因此，Anthropic更倾向于把争论放在安全框架下。

Dario Amodei过去在国会作证时反复强调：开放模型权重一旦发布，就无法收回。如果模型能力足够强，任何人都可以删除拒答机制、重新微调模型，并将其用于网络攻击、生物研究或军事用途。相比之下，闭源模型通过API提供服务，开发者在发现问题后还可以封禁账户、修改模型、增加护栏或者停止服务。

过去几年，我参加过多次中美AI安全二轨对话。只要有Anthropic人员参加，他们几乎都会强调开放模型的风险，有时还会通过PPT对比DeepSeek与Claude的安全护栏。但安全是否是其最主要的考虑，则未必如此。Anthropic的论证至少回避了几个会削弱其立场的问题。

首先，开放权重并不等于任何人都能轻易部署和使用。大型模型即使免费开放，也需要昂贵的算力、基础设施和专业工程团队。以K3为例，保守估算，一家企业若希望在自己的数据中心部署，至少可能需要8颗GB300。仅按硬件采购计算，成本大约为45万至80万美元；如果购买包括服务器、网络、存储和支持服务在内的完整OEM系统，总投入可能达到100万至150万美元。

而这还只是把模型运行起来的成本，还没有把模型工程师、运维人员、电力、散热，以及后续大规模推理所需要的额外芯片算进去。普通个人或小型组织即使下载了模型权重，也未必具备把它转化为高风险能力的条件。

其次，闭源并不等于没有风险，只是风险形态不同。闭源模型公司可以通过不断向应用层扩张，把模型能力直接嵌入编程、办公、法务和企业工作流。一旦用户开始使用Claude Code、Codex等工具，往往很难迁移到其他产品，尤其是对技术能力有限的用户而言，产品黏性会非常强。这意味着，使用闭源模型虽然省去了部署和维护成本，却也相当于把企业的部分核心能力和工作流交给外部模型公司。企业必须相信这些公司足够安全、不会滥用数据，也不会利用掌握的行业知识进入客户自己的业务领域。

Palantir CEO Alex Karp不久前就警告企业，不要把自己的“阿尔法”、知识产权和核心能力完全交给前沿模型实验室，否则当这些实验室掌握了企业的大量技术和业务流程后，可能反过来进入相关领域，跟客户竞争。

黄仁勋在接受Axios采访时也表达了类似观点。他认为，对于许多公司和国家而言，通用AI服务当然可以从OpenAI、Anthropic等供应商处租用；但在涉及专有技术、国家主权、机密信息和受监管业务的领域，企业必须构建自己的定制AI，不能把最根本的“自身智能”完全外包给第三方。

因此，开放与闭源之间并不是“安全与危险”的简单二分。开放模型的风险在于权重公开后难以控制；闭源模型的风险则在于能力、数据和客户关系高度集中在少数供应商手中。前者可能增加滥用风险，后者可能产生供应商锁定、单点故障、数据控制和产业侵入风险。

正是在这种背景下，美国政府目前仍未对中国开放模型企业实施制裁，也没有禁止美国企业使用中国开放模型。原因之一，是这种政策极其棘手。

如果美国把相关中国模型公司列入实体清单，甚至实施更严厉的制裁，实际效果很可能接近禁止美国公司使用这些模型。毕竟，很少有企业敢把自己的核心工作流建立在一个受到实体清单或SDN制裁的基础模型之上。

但另一方面，中国开放模型正在迅速进入美国市场。美联社近期一篇长篇报道指出，中国模型在美国的渗透率已达到新的高点。Kimi发布后一周，其全球应用下载量大幅增长，而美国市场的增幅更加明显。过去一个月，OpenRouter上使用量排名靠前的多个模型也来自中国。

Mozilla首席技术官Raffi Krikorian已经把Kimi K3用于大量日常工作，并认为其响应速度甚至优于价格更高的Claude Fable。在切换到K3之前，他也曾使用智谱GLM-5.2处理日历、文档和邮件。Coinbase等美国企业也正在考虑或已经开始使用成本更低的中国模型。

美国技术政策专家Samm Sacks在昨天《金融时报》发表文章，说她参加了世界人工智能大会期间，还去月之暗面拜访了一下，觉得美国对开源模型风险判断的标准走错了方向，现在光盯着模型是中国公司还是美国公司开发的，却忽视了一些更关键的标准，比如模型是在哪个国家运行，服务器谁在控制、用户数据是不是回传给了模型开发商、模型权重是不是在本地审查、修改和部署的。

她指出，如果一家美国企业下载K3的模型权重，然后部署在美国自己的服务器上，提示词、客户数据和推理记录就根本不需要进入月之暗面的系统。这跟直接调用中国境内的K3 API，在数据风险上是两种不同的场景。美国不应该把中国开发的模型自动等同于中国政府可以访问美国用户数据，美国需要自己的前沿开源模型，不能只靠禁止中国模型来跟中国竞争。

黄仁勋也明确反对禁止美国公司使用中国开放模型。他指出，有一种误解认为，中国模型内部天然存在某种无法处理的“后门”。但开放模型下载后，使用者可以对其进行审查、微调、增强，也可以根据自身需要增加安全护栏。这些模型并不是孤立运行的，而是处在应用框架和沙箱环境中。真正决定数据安全、访问控制和工具权限的，往往不仅是模型本身，也包括模型外部的运行系统。只要框架、沙箱和访问控制设计得当，开放模型同样可以在安全和私密的环境中运行。

在黄仁勋看来，Kimi、DeepSeek等优秀开放模型会推动AI更快扩散到各行各业。模型越多、越便宜，第一次使用AI的人就越多；而用户开始使用AI后，又可能产生对更强模型、更方便服务和专业运维的需求。因此，开放模型未必会消灭闭源模型，反而可能扩大整个AI市场，并为OpenAI和Anthropic培养新的付费用户。（参见）

马斯克在接受《经济学人》采访时也对禁用政策持怀疑态度。他认为，美国政府即使通过法律禁止美国企业使用中国开放模型，也无法阻止世界其他地区继续使用，因为美国政府对中国和其他国家没有管辖权。这类措施无法阻止中国成为AI领导者。

在马斯克看来，数字智能竞争最终取决于算力：有多少芯片、多大功率、多少电力。目前真正的限制因素正逐渐从芯片转向电力和散热。中国虽然因美国出口管制而在先进芯片上受到限制，但在解决光刻等关键技术问题上，可能比许多人预期的更接近突破。一旦取得突破，中国将有能力大规模生产AI芯片。（参见）

这意味着，美国即使通过限制模型使用暂时降低中国模型在美国市场的渗透，也很难从根本上阻止中国开放模型继续向全球扩散。

不过，开源模型的成功也不能完全脱离蒸馏问题来讨论。我觉得美国著名的技术产业评论人士Ben Thompson是目前把这个问题讲得最透的。在他看来，把K3等中国开放模型的全部成功都归因于蒸馏是错误的。中国公司拥有世界一流的研究人员、较强的计算能力、优秀的预训练模型、软硬件协同设计能力，以及快速提升的后训练技术，这些因素都发挥了重要作用。

但反过来，完全否认蒸馏给中国公司带来了显著优势，同样不符合事实。过去一年，强化学习和后训练对模型能力提升的重要性不断上升。构建完整的强化学习环境、奖励模型和评估体系成本很高，而通过使用Claude等先进闭源模型作为“教师模型”，中国公司可以以更低的成本生成高质量数据和反馈，减少从零搭建后训练体系的投入，从而更快改进模型。甚至还有传言称，中国的一些大模型公司采取特殊技术直接攻破和获取了美国闭源模型的原始思维链。当然，这些还没有实际证据。

这就形成了一个非常特殊、甚至令人有点哭笑不得的产业循环。

美国闭源模型公司投入大量资金和算力，训练出能力领先的教师模型。中国公司可能无视或绕过其使用条款，通过蒸馏降低研发成本、加快能力追赶，然后把追赶后的模型开放权重，供全球开发者免费下载和使用。

但美国的开源模型因为受制于Anthropic等闭源模型的使用条款，不敢直接去蒸馏美国模型，只好去没有使用条款限制的中国模型那里去蒸。例如，有研究发现，Thinking Machines 独立地对 Inkling 进行了预训练，但为了进行监督式微调，使用了Kimi K2.5 生成的合成数据作为辅助。西方的初创企业、模型开发人员以及研究人员越来越依赖中国开源模型，将其作为更强大的基础、训练工具、合成数据来源，以及进一步研究的平台。这就出现了很让人哭笑不得的情景，美国闭源模型公司烧了大量资金和卡，好不容易做出一个能力很强的“教师模型”，被中国公司无视使用条款限制蒸馏，节省了成本、提升了研发速度，较快地赶上了，然后又开源出来，供全世界免费下载权重和使用。美国的开源模型为了也能利用蒸馏，不敢去蒸自己国家的闭源模型，只能跑去蒸中国的开源模型。

所以，现在美国那边也有人建议，与其全面限制蒸馏，不如要求美国闭源模型公司放宽或取消相关使用条款，让美国本土的开放模型团队也能利用先进美国模型进行合法蒸馏，从而发展出足以与中国竞争的开放模型生态。与此同时，Anthropic等闭源模型公司仍可继续通过技术和商业手段，防止未经授权的大规模输出提取。例如：加强身份验证和客户审查；提高异常调用识别能力；限制自动化批量访问；干扰规避访问限制的行为；通过合同和诉讼追究恶意蒸馏。反正就是尽一切努力阻断中国公司的蒸馏，或者至少极大提高其蒸馏美国模型的成本。

按照黄仁勋设想的场景，开源模型和闭源模型不相互消灭，而是形成分工。开源模型负责降低使用门槛、扩大AI用户群、支持本地部署和定制化应用；闭源模型则凭借更强的前沿能力、便利的云服务和完整的应用体验，把一部分用户转化为付费客户。企业会尽可能租用闭源模型的通用和更强的智能，但涉及自身核心知识、专有数据、受监管业务和国家主权的“自身智能”，仍然需要通过开源模型或可控系统掌握在自己手中。

这场争论，也许对我国如何处理开源模型和闭源模型的关系，也有一些参考借鉴意义。我们虽然在国际上主打开源模型、普惠共享，当前最是风头无两的几家头部AI企业都是开源模型，但开源模型不是中国AI生态的全部，中国毕竟也有在认真投入做闭源模型的一些企业。目前的开源企业，特别是大厂去做开源模型，主要是想通过免费或低价提供模型，扩大开发者和企业采用，再从云计算、推理服务、企业部署、应用、工具链和硬件上赚钱。比如Qwen，在不少产业观察人士看来，实际上是阿里云的获客入口。根据阿里的披露，截至2026年初，Qwen系列在Hugging Face累计下载量已超过10亿次；与此同时，阿里云外部收入同比增长40%，AI相关产品继续保持三位数增长。

但对于只有模型、没有云平台、没有应用入口的创业公司来说，纯开源模式很难长期维持。

原因很简单。训练一个前沿模型可能需要投入数十亿美元甚至更多资金，但竞争对手下载模型权重之后，就可以自己搭建API，进行量化、微调和二次开发，再依托自己的云平台或企业客户，以更低价格提供服务，却无需向原始模型开发商支付任何费用。最终的结果往往是：模型公司承担了最高的研发成本，而云平台、应用公司和渠道商却拿走了大部分商业价值。

对阿里这样的公司来说，这不是大问题。因为阿里不仅拥有模型，还有阿里云、企业客户和完整的商业生态，模型本身就可以带动云计算、企业服务等更大的收入。但对于只有模型能力的创业公司来说，这却是一个根本性的商业困境。

当越来越多中国模型以开放权重或极低价格提供时，企业很可能不会再愿意为了一个能力只领先一点点的闭源API支付数倍价格。模型能力会越来越快地商品化，API价格不断下降，单一模型公司的定价权随之减弱，而真正的价值会逐渐向云平台、数据、应用、企业服务和客户关系迁移。

这意味着，中国模型公司的商业模式也会逐渐发生变化。 开源仍然会继续，因为它已经不只是技术理念，更是中国公司吸引全球开发者、突破美国平台优势、推动国产技术栈普及的重要竞争手段；但与此同时，最昂贵、最先进、最具商业价值和最敏感的能力，很可能不会全部开放，而是继续保留在闭源模型或云服务中，通过API、企业解决方案和行业应用实现商业回报。

如果沿着这个逻辑推演，中美两国的模型生态最终可能会出现一种"殊途同归"的格局：开源基础模型负责争夺开发者生态和市场份额，闭源前沿模型保持能力领先，通过云服务、算力、应用和企业解决方案实现商业化。 这与黄仁勋设想的长期图景实际上非常接近。

另外，还要考虑美国对中国公司蒸馏其最前沿闭源模型的阻击，未来会不会随着技术手段提升变得更加有效。如果蒸馏这条路断了，中国开源模型的能力是否还能像现在这般神速提升？如果开源模型拉垮了，中国有没有自己的主权闭源模型能够迅速补位，稳定竞争局势？

如何处理好开源和闭源的关系，从政策引导、产业支持和监管治理层面都得想清楚。比如说，外媒盛传中国正在考虑对国产模型进行出口管制，防止尖端AI技术外流。假设这是真的，可以设想两种情景：一是不管是开源模型还是闭源模型，都一律同等管制，但管制开源，技术和法律上是否能实际执行是一方面，全球南方国家会不会因此觉得中国开源模型不再普惠、共享，从而对接入中国的AI技术栈心存疑虑呢？

第二种场景是只管闭源模型、对开源模型则放开不管。比如K3，因为是开源模型，Kimi可以随意在国际主流开源网站发布模型权重，以及在海外自由部署，无需担心技术出口问题。但假设有一款闭源模型，只因为它是闭源，即便能力比K3还要弱一点的，相关的模型权重出口和海外部署就要去走审批。这似乎又让开源模型相对闭源模型，至少在对其出海极其重要的权重跨境转移、模型海外部署方面形成了竞争优势，而这种竞争优势，又是政府对开源模型的偏好以及不同的监管思路主动造成的。

文章仅做学术探讨和研究交流使用，相关判断不代表任何公司或机构立场，也不构成任何法律、商业或投资建议。转载请注明出处。