开源能否颠覆封闭AI生态？中国策略重塑全球格局

一位曾服务于全球领先AI协作社区平台的高级管理者——王铁铮，深入剖析了中国开源策略如何重塑全球人工智能竞争格局。

在中美两国争夺人工智能主导权之际，工程哲学上的根本分歧，或将成为决定胜负的关键因素。

当OpenAI和Anthropic等美国先行者倾向于闭源路线——将其专有模型代码封闭在商业接口之后时，中国的AI实验室则正积极发布开源模型。这一策略允许开发者免费下载、审查并深度定制底层代码，而非受限于某一美国科技巨头的生态系统。

曾担任某全球知名AI社区协作平台亚太区生态负责人多年的王铁铮，长期以来持续关注这一趋势。在今年五月离职前，他曾深度协助该区域内的多家AI实验室推出开源模型，并致力于帮助研究人员提升模型的开发者友好性，以便更多开发者能便捷地使用这些模型。

在一次行业线上交流活动中，王铁铮分享了关于开源模型发展历程的见解，并深入探讨了中国AI实验室如何在不直接收费的情况下实现模型商业化，以及模型蒸馏与知识产权争议等核心议题。

许多人都在谈论人工智能的竞争，但在开源领域，我们更秉持一种协作共赢的心态。

中国实验室的许多开源成果正在惠及美国同行。例如，DeepSeek的强化学习训练算法已成为许多美国研究实验室的默认配置。大量来自中国的开源模型权重，也正在美国的硬件平台上运行。

这更像是一种互助而非零和博弈。如果我们能共同把蛋糕做大，那么我们都能成为赢家。

在研究领域，‘蒸馏’是一个中性词。它好比我读了一本书，然后向他人讲述其核心内容，而对方也能理解书中所表达的要义。这就是蒸馏的基本原理。

这种做法在研究实验室中屡见不鲜。我个人认为，蒸馏本身并无不妥，而且我相信美国的研究人员之间也存在相互蒸馏。最近，埃隆·马斯克就曾承认xAI从OpenAI进行了蒸馏。

众所周知，Anthropic和ChatGPT等模型通过抓取互联网获取了海量信息。因此，看到那些本身并非知识创造者，却试图阻止他人复用这些知识的行为，确实引人深思。

所有AI生成的内容都应不享有版权，否则，拥有强大计算能力的人可能会滥用这一权力，生成各种组合并将其全部申请版权，这将导致严重的垄断问题。

如果你的模型选择开源，直接从中获利确实存在难度。然而，这并不意味着无法实现商业价值。

以中国的Kimi为例，尽管其模型免费发布，但由于其提供了卓越的基础设施支持，其应用程序编程接口（API）和订阅服务依然需求旺盛。

一旦模型开源发布，用户仍需投入工程时间来运行它。因此，在模型发布伊始，率先推出模型的研发实验室便拥有了先发优势，这也是他们实现盈利的途径之一。

另一种方式是，例如Kimi可以开源其精调模型，但保留底层基础模型，并将其作为可销售的产品。

当我们思考为何一个研究实验室会选择开源其模型时，一个核心目的是为了建立品牌影响力。当你刚创立一个实验室时，要吸引顶尖研究人才极其困难。但如果你发布了优秀的开源模型，业界便会认可你的卓越工作。

部分模型的许可协议正在发生变化。例如，Minimax将其许可条款修改为：如果用户利用该模型进行商业盈利，则需要支付费用。这在开源界是一种非常普遍的做法，尤其旨在防范‘搭便车者’，例如云服务提供商。

云服务提供商可以在不向研发实验室分享利润的情况下，免费运行开源模型并产生收益。这显然是不公平的。

因此，这种变化趋势的核心在于：如果你是个人用户，可以永远免费使用我的模型；但如果你是云服务提供商，通过我的模型创造收入，你就需要向我分享一部分利润。我认为这既公平，也是支持开源可持续发展的一种有效方式。

我对此感到担忧。如果研究实验室无法找到商业化其研究成果的途径，这将构成真正的风险。但如果他们能获得资金支持，并持续推动开源，那将对所有人都是好事。

我相信资本市场正在提供助力。以中国的智谱为例，其股价已实现了十倍增长。这无疑将帮助他们获取更多计算资源、吸引顶尖人才和丰富数据，从而生成更优质的模型。这些投资能让这些实验室在竞争中保持更长时间的活跃度。

在美国，如今创业界有个众所周知的策略：如果你想创办一家初创公司，首要任务是找到一个具有最佳产品市场契合度的模型。这比你的技术决策更为重要。如果你的产品无法深度满足强劲的市场需求，你的初创公司注定会失败。而这类模型通常会选择闭源。

然而，一旦你确立了闭源模型，便能开始吸引首批用户并积累数据。你清楚地了解产品的使用情况，可以利用所生成的数据来训练自己的模型。随后，企业便会开始考虑转向开源模型。最终，这可能会在计算量（tokens）成本上节省高达百倍的开销。

我最近与几家研究实验室和代币（tokens）生成公司进行了非常有趣的交流。我确实感受到整个中国市场正在迅速走向成熟。

美国在探索AI潜力方面无疑表现出色，但其模式下的代币（token）成本，即使对大型企业而言也显得过于昂贵。例如，Uber在四个月内就耗尽了全年预算的代币。微软也曾表示，代币成本超出了他们的预期。

在中国，情况则有所不同，因为这里拥有大量使用成本不高的开源模型。

一旦中国的开源模型达到实用临界点，其使用量便会呈指数级增长。我观察到，所有中国互联网公司都开始实行‘代币最大化’策略，即向员工提供无限的代币配额，以探索其潜能。我还听说，一些大型中国科技公司正要求员工彻底转向AI原生工作模式，甚至不再允许他们进行传统的文档撰写等操作。

这种AI采纳方式远超美国的步伐。如果未来一两年内，中国涌现出大量令人瞩目的AI应用和采纳案例，我将丝毫不会感到意外。