反对开源AI的论点并不成立

# 反对开源AI的论点非常糟糕 来源：https://tombedor.dev/arguments-against-open-source-ai-are-very-bad/ Kimi K3的发布引发了新一轮的焦虑和混乱的讨论。有一群高声喧哗的记者、商业领袖和政治家认为，开源AI是一种危险的威胁。OpenAI的 Dean Ball (https://x.com/deanwball/status/2078133895766114412) 表示： > 一个开源权重模型主导的世界可能的结果是全面的AI共产主义……AI更像是一种“公共品”，而不是市场产品。 AI免费供所有人使用？真是可怕！ 前沿实验室反对开源AI的论点本质上是：开源模型1 (https://tombedor.dev/arguments-against-open-source-ai-are-very-bad/#user-content-fn-1-e066d4) 是危险的（*而且不爱国！*）。我们应该打开AI的潘多拉魔盒，但只能由负责任的看门人打开（*最好是我们来收过路费！*）。只有值得信赖的用户（*我们最赚钱的客户*）才能使用它。 我想回应一些反对开源AI的糟糕论点，但在讨论之前，有必要先纠正一下这些论点的框架： ### 开源软件是商业软件的基石 (https://tombedor.dev/arguments-against-open-source-ai-are-very-bad/#open-source-software-is-the-foundation-for-commercial-software) Ball的论述忽略了一个事实：*开源软件是所有专有软件的基础。* 这包括前沿模型，归根结底它们也是软件产品。 开源软件对于软件行业以外的人来说是反直觉的：为什么要辛苦开发产品，然后免费送人？ 一个软件程序是一个程序堆栈，每一层都构建在另一层之上。要构建Uber，你需要编程语言框架、收发网络流量的软件、数据分析工具以及无数其他组件。对于商业企业来说，其中大部分不是差异化优势，因此商业参与者合作开发堆栈中较低层的组件，并在真正区分其产品的高层部分进行竞争，这是符合商业逻辑的。 软件堆栈 前沿实验室*非常希望*AI模型*不要*落入“太过常见以至于不值得在上面竞争”的范畴。这种情况是否会发生，还有待观察。 ### 开源软件极难被压制 (https://tombedor.dev/arguments-against-open-source-ai-are-very-bad/#open-source-software-is-very-difficult-to-suppress) 实际上，关于压制开源模型的讨论大多偏离了主题。历史告诉我们，压制开源软件*极其*困难，试图这样做只会削弱公司相对于国际竞争对手的实力。一段关于加密的简要历史可以说明这一点： 如今，**PGP**是任何人都能使用的常见工具，大多数开发者至少熟悉它。但Phil Zimmermann在1991年发明它时，美国政府认为加密是军事技术 (https://www.eff.org/deeplinks/2019/08/us-export-controls-and-published-encryption-source-code-explained)。甚至对Zimmermann展开了刑事调查 (https://philzimmermann.com/EN/essays/BookPreface.html)。 当Netscape创建**SSL**时，美国政府只允许向国际发布一个弱化版本。这些管制适得其反：更容易获得弱化的“国际版”，因此*许多美国人也在使用它* (https://en.wikipedia.org/wiki/Export_of_cryptography_from_the_United_States#PC_era)。 出口管制并未如政府所愿成功限制加密。SSL、PGP以及类似工具在世界各地都容易获取，而管制反而使美国人处于不利地位。最终，法院裁定发布加密源代码受言论自由保护，美国政府也放松了加密出口管制 (https://www.eff.org/deeplinks/2019/08/us-export-controls-and-published-encryption-source-code-explained)。 --- 将打压范围缩小到“中国”模型并不会让事情变得更容易。什么才算是中国的AI模型？如果按照前沿实验室的说法，它是从美国模型中蒸馏出来的，那算中国模型吗？如果美国人微调了一个中国模型呢？充其量，这种监管方式会（暂时）让美国人陷入繁文缛节，并减少他们对AI的获取——相对于世界其他地方而言。 ### 开源AI不只是中国现象 (https://tombedor.dev/arguments-against-open-source-ai-are-very-bad/#open-source-ai-is-not-just-a-chinese-phenomenon) 在开源AI的辩论中，隐含着一个假设：开源模型只有中国政府才有动力去开发。实际上，有许多商业参与者有充分的动力去开发开源AI： - **芯片制造商**：Nvidia CEO Jensen Huang将Nvidia正在构建的东西描述为“token工厂”2 (https://tombedor.dev/arguments-against-open-source-ai-are-very-bad/#user-content-fn-2-e066d4)。Nvidia并不在乎其芯片是用于运行前沿模型还是廉价的开源模型3 (https://tombedor.dev/arguments-against-open-source-ai-are-very-bad/#user-content-fn-3-e066d4)——它只想尽可能多地生产token并创造需求。事实上，Nvidia自己也发布了一系列开源模型 (https://www.nvidia.com/en-us/ai-data-science/foundation-models/nemotron/)。 - **美国初创公司**：Thinking Machines Lab最近发布了一个强大的开源模型 (https://thinkingmachines.ai/news/introducing-inkling/)。他们和其他公司一样，押注模型将被商品化，而防御性护城河可以围绕补充或定制模型的辅助服务来构建。 - **企业AI用户**：前沿模型的客户目前还不太活跃于开源AI开发，但他们将会活跃起来。他们希望针对低复杂度任务使用低成本模型，并对面向客户的功能有更精细的控制。 - **大型科技公司**：可以肯定的是，Google和Meta正在密切关注OpenAI的新广告产品 (https://ads.openai.com/)。如果前沿模型广告产品开始流行，这些巨头很值得将无广告的开源模型商品化，以压制广告领域的竞争。 ### “AI竞赛”到底是什么？ (https://tombedor.dev/arguments-against-open-source-ai-are-very-bad/#the-ai-race-is-what-exactly) 围绕中国模型的许多焦虑都集中在“输掉AI竞赛”上。但这场竞赛的目标是什么？是为了开发最好的模型？为了卖出最多的token？还是为了率先毁灭人类？ 谈论“AI竞赛”并不比谈论“互联网竞赛”更有意义。我们不是在竞争谁先发射火箭到月球，而是在应对一种新的、变革性的技术。如果说国与国之间存在竞赛，那也是吸收这一转型并发展经济的竞赛。在这种框架下，免费的AI模型是福音，而不是威胁。 ## 恐惧中国AI模型的糟糕论点 (https://tombedor.dev/arguments-against-open-source-ai-are-very-bad/#bad-arguments-to-fear-chinese-ai-models) ### 中国在“AI倾销”！ Scott Galloway (https://open.spotify.com/episode/2ulNXWCIYUNx6yE97kmrIC?si=19b6242c57ad49fa) 认为，中国免费提供AI是一种长期消灭竞争对手的尝试： > 这就是中国对太阳能电池板、钢铁、电动汽车和电池所做的。首先，他们赶上西方质量，或者甚至赶不上。89%。差不多。实际上，在汽车方面，他们已经赶上了，但继续。然后他们降价三分之二，然后他们掌控市场。 但除了芯片之外，AI不是实物商品。太阳能电池板和钢铁需要实体供应链，每个环节都不能轻易独立存在。如果没有人制造太阳能电池板，就很难建立销售太阳能级硅片的业务。 软件不是这样的。来自中国的开源模型并不会阻碍美国微调业务的成功——恰恰相反！ ### 他们会传播宣传 假设中国模型会带有亲中立场并非不合理。但这不是压制它们的理由。*模型是开源的！* 如果有美国人对中国AI模型的政治倾向有意见，他们完全可以自行修改并发布一个“美国化”版本。至少在美国境内，很难想象一个被视为有明显亲中偏见的模型，能在竞争中胜过类似但带有明显亲美偏见的模型。 ### 他们会添加后门 AI并不会改变漏洞市场的基本规律：负责任的行为者修复漏洞，攻击者利用漏洞。限制负责任行为者的工具，只会对攻击者有利。 理论上，恶意行为者有可能在模型中嵌入隐藏的对抗行为。但如果发生这种情况，让负责任的行为者尽快发现这些漏洞才符合他们的利益，而最好的办法就是允许任何人检查这些模型。 ## 开源AI即将到来 (https://tombedor.dev/arguments-against-open-source-ai-are-very-bad/#open-source-ai-is-coming) 政策制定者或商业领袖想要什么并不重要：开源AI太强大，也太难以控制了。它正在到来，任何试图压制它的举动都只会是沿途的噪音。 1. 我使用“开源模型”一词，意为“开放权重模型”。↩ (https://tombedor.dev/arguments-against-open-source-ai-are-very-bad/#user-content-fnref-1-e066d4) 2. 引文来自Derek Thompson最近关于中国AI的文章 (https://stratechery.com/2026/whos-afraid-of-chinese-models/)。顺便说一句，那篇文章有几处错误：> 无论谁身处前沿，也最有可能主导非前沿市场，后者只是前沿市场减去n个月，即前沿模型制造商优化其服务成本的月份。不清楚为什么一定是这样。他们获得大规模资本的能力对小模型开发来说没那么重要，而且他们缺乏动力去做这件事——他们更愿意将用户推向更昂贵的模型。> 令人惊讶的是，Claude Code和Codex表现出相当的粘性；无论你从哪个工具开始使用，很可能就会一直用它。Claude Code和Codex的粘性就像可口可乐和百事可乐的粘性：一旦你选择了其中一个，就没有太多理由去切换。但这假设了成本和质量相似。实际上，编码代理没有护城河 (https://tombedor.dev/coding-agents-have-no-moat/)。只需要很小的不便——无论是价格差异、模型质量还是可靠性问题——就足以促使用户切换代理。↩ (https://tombedor.dev/arguments-against-open-source-ai-are-very-bad/#user-content-fnref-2-e066d4) 3. 好吧，它在*一定程度上*在意——训练前沿模型的巨额资本对Nvidia来说当然是好事。但从长远来看，如果商业token需求被开源token需求所取代，Nvidia仍然是赢家。↩ (https://tombedor.dev/arguments-against-open-source-ai-are-very-bad/#user-content-fnref-3-e066d4)