开放权重模型引发美国政策争论
TechCrunch AI··作者 Tim Fernholz
关键信息
文章提到，限制中国模型的理由包括数据安全担忧、可能存在对中国的偏向，以及缺少美国政府要求的安全护栏。与此同时，文中也指出，已有美国公司在本土前沿模型拒绝某些任务时，转而使用中国 LLM 来弥补安全缺口。
资讯摘要
TechCrunch 认为，月之暗面 Moonshot 的 Kimi K3 表现强劲，已经引发了一场把两个不同问题混为一谈的争论：一是美国 AI 巨头的商业前景，二是大语言模型作为一种技术的发展方向。OpenAI 负责战略未来的 Dean W. Ball 甚至主张，美国政府应当围绕开放权重模型制造监管层面的恐惧、不确定性和不信任，因为这些模型据称会减少前沿实验室的资本支出。这个说法立刻遭到 Yann LeCun 和 Martin Casado 等知名 AI 人物的批评，他们认为开放软件既能加速创新，也可以与专有系统并存。随后，Ball 撤回了“打击监管是白宫最佳策略”这一说法，也收回了“开放权重模型必然减缓技术进步”的判断。
文章称，Axios 报道特朗普政府正在考虑在美国前沿实验室推动下，禁止 K3 及其他先进中国模型；但 Politico 又报道称，商务部短期内不会采取这一步。文章指出，开放权重模型可以在独立基础设施上运行，也可以部署在大型企业内部，因此能提供比 Anthropic 或 OpenAI 顶级闭源模型更便宜的智能服务。若越来越多的用户把支出转向闭源实验室之外，那么这些实验室在模型训练上的巨额投入所能获得的回报就会下降，不过总体 AI 使用量未必会减少，反而可能继续增长。文章最后把政策问题归结为：在一个理论上自由的市场里，美国是否应该阻止本国用户购买这类模型，尤其当真正受影响的可能是既有公司而不是 AI 进步本身。
资讯正文
中国实验室 Moonshot 的 Kimi K3 展现出的惊人能力——这是一款最大的 open-weight 大语言模型——引发了一场争论，而这场争论把两件事混为一谈：美国 AI 巨头的经济前景，以及 LLM 作为一项技术的未来。
OpenAI 的战略未来负责人 Dean W. Ball 甚至主张，美国政府应当想办法找个借口，在这些新模型周围制造监管上的恐惧、不确定性和不信任，因为 open-weight 模型必然会抑制前沿实验室的资本支出。
人们对此反应激烈，Yann LeCun 和 Martin Casado 等技术界知名人物则认为，开源软件可以加速创新，并且能够与专有项目共存。Ball 随后撤回了他关于监管打击是白宫“最佳策略”的说法，以及关于 open-weight 模型必然会减缓这项技术进步的说法。
不过，Axios 报道称，特朗普政府正在考虑应美国前沿实验室的要求，禁止 K3 及其他先进的中国模型。Politico 的另一篇报道则称，商务部短期内不会采取这一步。
对于大型 AI 公司来说，收益显而易见：在独立基础设施上运行，或者部署在大型企业内部的 open-weight 模型，提供了比 Anthropic 或 OpenAI 业界领先模型更便宜的智能。如果用户越来越多地把支出转向这些封闭实验室之外，这意味着它们对模型训练投入的巨额资金所获得的回报会更小。
这种观点远不止 OpenAI 一家在持有。Snorkel AI 联合创始人、Laude Institute 研究合伙人 Braden Hancock 告诉 TechCrunch：“强大的、达到前沿水平的开源模型会压缩利润率，并拉低前沿公司的价格。它未必意味着 AI 的使用量会略有下降。你知道，显然，恰恰相反。”
对于那些没有持有 Anthropic 和 OpenAI 股票的人来说，这并不是问题。AI 仍然会继续扩散。那么，政府有什么理由阻止美国人购买某种东西，尤其是在我们名义上自由的市场里？
围绕中国模型的担忧有几种。其一是保护美国数据不落入中国政府之手；美国曾因数据收集方面的担忧而禁止进口现代中国电动车。但专家通常认为，在美国服务器上运行的 open-weight 模型不太可能把数据回传到中国，尽管这类事情并非不可能被做到。
另一种担忧是，这些模型可能对中国具有隐性偏向——但这究竟意味着什么并不清楚，比如在编码任务上会有什么影响。
第三种常见担忧是，中国模型缺少美国政府通过一个并不透明的流程所要求的护栏；这些护栏旨在防止领先的美国 LLM 被用于入侵封闭的计算机系统或制造武器。不过，同样的护栏也可能让美国公司更脆弱：风险投资家、特朗普顾问 David Sacks 一直在分享一些案例，称美国公司在美国前沿模型拒绝执行任务时，转而使用中国 LLM 来弥补安全漏洞。
但限制这些模型的最重要动机，是担心如果前沿实验室放慢脚步，中国会赶超美国。
乔治城大学安全与新兴技术中心（Center for Security and Emerging Technology）专注中国问题的研究员 Sam Bresnick 表示，AI 对美国军事行动日益重要，这让美国有理由支持前沿实验室持续投资 AI。不过，他说，整个问题都很棘手。
“美国政府为什么要把力量用来保护这些公司，让它们免受那些仅仅因为出身背景就被挡在美国市场之外的竞争者的竞争压力？”Bresnick 问道。
支持开放 AI 的倡导者表示，前沿公司正在把创新和封闭模型对立起来，制造一种虚假的二元对立。
“开源模型大量来自中国，带来的更大影响并不是它们偷偷植入后门，而是它们在主导创新，”Hancock 告诉 TechCrunch。“最终，你的模型实际上等于拥有了一支扩大的劳动力队伍。PyTorch 之所以成为行业标准，是因为它是开源的，因此整个社区都能为它贡献，而不只是某一家公司；它不断成长，其他所有深度学习库都在对比之下逐渐衰落。”
Hancock 和其他倡导者担心，中国的 LLM 将成为国际研究的中心。如今，美国的研究生项目主要建立在中国的开放权重模型之上，而 Hancock 说，学生研读的一半论文来自中国机构；与此同时，美国的前沿实验室也越来越不愿广泛分享自己的成果。
Hugging Face 首席执行官 Clem Delangue 说：“限制开放模型并不会让 AI 更安全。它只会把风险隐藏起来，把权力集中在少数人手中，并让下一代建设者、研究人员、学术界、非营利组织和政府更难参与让 AI 更安全、对所有人更有益的工作。”Hugging Face 是一个用于开放 AI 协作的平台。
Bresnick 表示，真正放慢中国脚步的办法是更关注芯片出口管制。要更好地维护美国在 AI 领域的领导地位，就应该停止向中国出售 Nvidia H200 处理器。“这样，”他说，“或许能让我们不必卷入这场棘手的争论——要不要禁止成千上万家美国公司都想使用的开源技术。”
问题的一部分在于 AI 经济学的不确定性。“开放商业模式、专有商业模式——没有一种已经真正理顺。AI 公司正努力弄清楚如何靠它们的工具赚钱，尤其是在训练成本需要不断上升的情况下，”Bresnick 指出。
在美国上演的这些挑战，在中国也同样在上演：中国的 AI 公司也在艰难地创造收入并获取算力，而外界认为，尽管商业化面临挑战，政府出于政策原因仍在鼓励开放发布。
一些美国公司，包括 Thinking Machines Lab 和 Nvidia，正试图围绕发布开放模型建立业务。Hancock 指出，如果“有几十家甚至几百家公司在做 AI，而不是只有两三家资本充足到足以自己制造芯片的公司”，Nvidia 会做得更好，这也是它投资 Nemotron 的原因之一——Nemotron 是一组开放模型。
Bresnick 说：“重点在于，美国如果能拥有自己的、非常强大且便宜得多的开放模型，将会非常受益。这只是与前沿实验室采取的方式相冲突。”
Rebecca Bellan 对本文亦有补充报道。
来源与参考
收录于 2026-07-21