开放权重为何对美国 AI 领导力至关重要

一篇发表于 2026 年 7 月的政策倡议文章《Open Weights and American AI Leadership》系统阐述了开放权重（open weight）AI 模型对美国保持 AI 领导力的战略意义。文章以 1980 年代开源软件运动的历史经验为切入点，主张美国应通过构建一个强大、开放的 AI 生态体系来赢得 AI 时代，而非仅依赖单一前沿闭源模型。

一、从开源软件到开放权重 AI 的历史类比

文章开篇回顾了 1980 年代开源软件先驱打破「代码必须严密管控」共识的过程，指出开源软件如今已支撑起整个互联网、全球大型科技企业以及美国军方与联邦科研机构的关键任务。作者由此延伸：AI 领域正面临相似抉择，美国的 AI 领导力不应由某一个前沿模型定义，而应由一个能够渗透到各行各业的开放生态决定。

文章强调，开放权重模型（任何人都可以下载、检查、修改并在其自有基础设施上运行的 AI 模型）是这一生态的基石，它们让先进 AI 变得更易获取、更具适应性、也更加普及。

二、开放权重的三重价值

扩大对 AI 经济的使用。 初创企业、大公司、大学和公共机构可以在不从头训练模型的前提下，基于先进模型进行二次开发，无需为每个任务支付前沿模型的高昂费用。作者认为这种「按需匹配、按成本调度」的纪律——把前沿规模的能力留给真正的前沿问题，其余场景使用高效专用模型——才能让 AI 在扩展到数十亿日常任务时保持经济可持续性。

强化竞争，防止收益过度集中。 开放权重让众多组织能够构建、适配与部署先进模型，使竞争不仅发生在模型开发者之间，也发生在云端芯片、应用层与服务商之间。这种竞争有助于推动创新、降低成本、让 AI 红利更广泛地分布。

让用户掌握更多控制权。 文章指出，组织在投入 AI 时担心被单一供应商锁定，或丧失长期积累的能力。开放权重模型使组织可以掌控自身数据、评估并按需修改模型、在业务要求的任意位置部署，从而让由 AI 创造的价值留在组织内部，形成所谓「自改进模型、专用能力与累积知识」。

三、风险与开放性的辩证

文章承认开放权重存在真实且独特的风险：权重一旦发布便脱离原作者控制，修改后的版本也难以追溯或撤销。但作者主张，对这类风险的正确回应并非禁止开放权重：

• 在网络安全攻防场景中，防御方需要具备与攻击方相当能力的模型来进行检测、模拟与响应；
• 开放模型扩展了防御能力、增加了透明度，并允许众多团队发现并修复漏洞；
• 单纯依赖闭源模型并非天然安全——它们同样可能被攻破、滥用或以外部无法察觉的方式失效；
• 将先进 AI 能力集中在少数闭源模型手中，会制造大量单点故障，削弱竞争并把关键技术交到少数供应商手里。

作者以开源软件的经验类比，主张透明度往往比「封闭即安全」的假设更可靠，开放权重让更广泛的研究者与开发者能够审视模型行为、识别脆弱点、开发防护措施。

四、政策建议与边界划定

文章呼吁政策制定者把握窗口期，从三方面入手：

• 扩大面向初创企业与研究者的算力访问；
• 投资共享训练资产，包括数据集、工具与评估框架；
• 避免对开放模型施加过早的限制，以免压制竞争或把创新驱赶到海外。

文章最后提醒，政策制定者应区分合法的模型开发技术与不当的价值攫取行为。例如蒸馏（distillation）作为一种用某一模型输出帮助训练或改进另一模型的常用技术，是模型改进、评估与验证领域的通行做法，延续了开源软件时代「学习—改进—再创造」的传统；而针对闭源模型的非法价值提取则属另一回事。原文在此处因截断未能呈现完整论述。

整体来看，这篇文章并未报道具体的产品发布或技术突破，而是一份立场鲜明的政策倡议，主张以开放权重生态作为美国 AI 战略的支柱，并在风险与开放之间寻求平衡。