美国为何做不出顶尖开源大模型

近期 20VC 播客上，投资人 Jason Calacanis 提出一个令美国 AI 圈尴尬的问题：Google、Meta、xAI，没有一家在认真做顶尖开源模型。这个问题的背景，是中国开源模型在 Hugging Face 平台的下载量占比已达到 41%，Kimi、Qwen、GLM 等模型持续侵蚀原本由美国公司主导的前沿阵地。文章认为，美国做不出低成本开源模型并非偶然，而是前沿 AI 经济结构与开源模式之间的深层矛盾。

训练成本与商业模式的双重锁死

训练一个前沿模型的成本已达数亿美元级别，OpenAI 与 Anthropic 的年训练开支远超多数上市公司的研发预算。更关键的是时间窗口：投资人 Rory 在播客中指出，前沿模型的「保质期」大约只有 12 到 24 个月，新一代模型一出，上一代即贬值。这意味着数亿美元投入必须在一到两年内通过 API 定价回收，开源在这种逻辑下几乎不可能成立。

开源软件时代的经济奇迹在 AI 时代难以复制。Linux 的成功建立在「代码写出来后复制成本为零」的前提之上，而大模型的每一次推理都在消耗真实算力与电力，每一代新模型的训练都需重新投入数亿美元。软件开源像滚雪球，AI 开源则像填无底洞。

Meta 的转向：开源旗手的退场

Meta 曾是美国开源 AI 事实上的唯一旗手。2024 年 Zuckerberg 公开表态「开源 AI 是前进之路」，Llama 2 与 Llama 3 一度成为全球开发者的首选底座。但 Meta 做开源的底层逻辑是竞争策略——用开源侵蚀 OpenAI 与 Google 的护城河，而 Meta 自身靠广告盈利，不依赖模型直接变现。

2025 年末，Llama 4 内部表现未达预期，在与 GPT、Claude 的对位中落败。Meta 随即放弃开源路线，转向代号「Avocado」的闭源项目。文章认为，Meta 多年来优化的是开源分发效率，而非前沿性能本身，一旦战场转移至闭源能力比拼，其积累的领先优势迅速蒸发。

结构性困境：蒸馏禁令与人才虹吸

即便有美国公司愿意尝试开放权重路线，也会立刻撞上两道墙。其一是蒸馏限制：OpenAI 与 Anthropic 的服务条款明确禁止将模型输出用于训练竞争模型，Elon Musk 在法庭上承认 xAI 同样使用蒸馏，但守规矩的美国开放权重厂商反而因此落后于不遵守条款的竞争对手。其二是人才与算力的虹吸：美国最顶尖的 AI 研究者几乎全部被 OpenAI、Anthropic、Google 锁定，创业公司以十分之一的资源追赶前沿几乎不可能。

Mira Murati 创办的 Thinking Machines Lab 于 2026 年 7 月发布开放权重模型 Inkling（9750 亿参数、Apache 2.0 许可证），但官方坦承其定位是「微调的好底座」，而非前沿模型。一家估值 120 亿美元的前 OpenAI CTO 公司全力以赴，仍够不到前沿，这本身就说明了路径被锁死的程度。

开源 AI 的新买单人

文章最后抛出一个悬念：若开源在 AI 时代注定需要真金白银持续供养，那个愿意为全世界「付出」的角色最终会是谁？从 Kimi K3 引发的市场震荡，到美国初创公司批量切换至 Qwen 节省数十万美元成本，中国模型公司正在用实际行动回应这个问题。前沿 AI 的经济规律已经改写，开源不再是 Linus Torvalds 在卧室里就能启动的模式，而是一场需要国家战略、资本耐心与产业链协同的系统工程。