Percy Liang：开源 AI 的关键在于生态，而非仅开放权重

斯坦福大学知名 AI 研究者 Percy Liang 近日在社交平台 X 上发文强调，「生态（ecosystem）」才是开源 AI 讨论中最重要的关键词。他指出，仅有开放权重模型并不足够，要构建一个真正强大的开源 AI 生态，必须同时具备四项前沿级别的关键要素。

生态的四项关键要素

Percy Liang 将开源 AI 生态所需的要素归纳为以下四项：

• 开放权重模型（open-weight models）
• 开放训练数据集（open training datasets）
• 开放软件栈（open software stacks）
• 开放过程知识（open process knowledge）

在他看来，开放权重只是手段而非目的；只有当上述四项要素齐备，开源生态才能让不同需求和价值观的参与者高效地将自身算力转化为最适配的模型。

厂商实践中的差距

Liang 特别提到，NVIDIA 在 Nemotron 系列模型上的做法实际上超越了单纯的「开放权重」。除了发布模型权重，NVIDIA 还同步公开了相关代码和数据集，而这正是多数开放权重模型开发者尚未做到的。他以「Marin」项目为例，指出后者在「过程知识」层面的贡献——不仅分享如何训练一个模型，更分享如何在特定目标、自定义数据和硬件条件下，通过迭代改进和塑造模型，具体包括设计扩展定律（scaling laws）与评估方法，以指导架构和数据的消融实验。

从「资源视角」理解开源

Liang 将上述四项要素类比为开源 AI 生态中的「可再生资源」，认为它们使每个人能够更高效地把可消耗的算力资源转化为符合自身需求的最佳模型。他强调，真正的开源竞争力不在于谁先放出权重，而在于是否愿意持续公开训练数据、软件栈和过程方法论，从而形成可被复用的完整生态。

这一观点将当前围绕「open weight」与「open source」的争论，延伸到了对训练数据、工具链与方法论全面开放的讨论层面。