中国开源AI追到门口，黄仁勋首发 X 动态：美国必须打“开放战”

BitpushNews

Bitpush 注：

黄仁勋注册X之后发的第一条推文，既没有宣传英伟达最新的 GPU 架构，也未炫耀具身智能与数据中心巨兽，而是转发了一封联合了微软、Meta、IBM、Palantir 等 25 家美国科技巨头的重磅公开信。

这封联署信诞生的背景，正值市场上出现了一款性能直逼顶级闭源模型的强大开源模型，引发了华尔街对“AI 商业化坍塌”的恐慌——如果最先进的能力可以免费下载，谁还会继续为昂贵的 API 和算力埋单？受此阴霾影响，包括英伟达在内的芯片巨头一度迎来股价回调。

然而，黄仁勋与这封联署信给出了一个颠覆市场直觉的底层逻辑：美国 AI 的胜负手，绝不在于某一家公司是否握有最顶尖的单体闭源模型，而在于能否打造一个渗入全行业的开放生态。

在英伟达看来，开放权重非但不会抹杀算力需求，反而会通过大幅降低门槛，将 AI 推进到数十亿项日常工作流中，进而反哺出对芯片与基础设施更为庞大的海量需求。开放，才是 AI 经济得以可持续扩张、实现长期繁荣的终极动力。

以下为全文：

历史的启示：开源传统与 AI 的相似抉择

20世纪80年代，早期开源软件的先驱们挑战了当时的主流观念——即软件只有在公司对其代码保持严格控制的情况下才能取得进步。这一运动推动建立了一个透明的生态系统，让全球的开发者都能够研究、修改和改进软件。由开源社区开发的软件如今支撑着互联网的大部分运行，并构成了全球最大科技公司、以及执行科学研究、网络安全和其他关键任务的美国军队与联邦机构所使用系统的基础。开源所做到的不仅是降低软件成本；它创造了一个共享的知识基础，几代美国工程师和创业者在此基础之上建立起了他们的机构自主权。

如今，美国在人工智能领域面临着类似的抉择。评估我们的 AI 领导力，并非取决于某一个前沿 AI 模型，而是取决于美国能否建立起一个强有力的、开放的、并渗透到各个领域的生态系统。这对于在全国范围内创造创新与繁荣的机遇至关重要。这需要扩大 AI 的获取途径、鼓励竞争、发展强健的应用层，并赋予美国民众对其所依赖的技术更大的控制权。开放权重模型（Open-weight models）——即任何人都可以下载、检查、修改并在自己的基础设施上运行的 AI 模型——是这一基础的重要组成部分，因为它们使先进的 AI 变得更加容易获取、更具适应性且应用更为广泛。

降低创新门槛：推动 AI 深度融入实体经济

开放权重扩大了进入 AI 经济的途径。初创公司、成熟企业、大学和公共机构可以在先进模型的基础上进行构建，而无需从零开始训练模型，也不必为每一项任务支付前沿级别的模型价格。开放权重让每个组织都能以恰当的成本将合适的模型与合适的工作进行匹配，把前沿规模的能力留给真正的前沿问题，并在其他所有地方运行高效且专门化的模型。这种精细化的调配正是随着 AI 应用扩展到数十亿日常任务中时，使其在经济上具备可持续性的关键所在。美国赢得 AI 时代的方式，就是将 AI 扩散并融入到工厂、医院、农场、教室以及街头巷尾小微企业的日常工作流程中。

开放权重还强化了竞争，而正是竞争确保了 AI 带来的红利能够被广泛共享，而不是集中在少数人手中。通过允许众多组织去构建、适配和部署先进模型，开放权重不仅在模型开发者之间创造了竞争，也在云端芯片、应用程序和服务领域掀起了良性角逐。这种竞争能够激发创新、降低成本，并将 AI 的益处广泛分配到我们的整个经济体系中。

掌控技术主权：赋予企业自主权与长期价值

开放权重还赋予了客户更大的控制权。随着各组织在 AI 领域的投入，他们希望确信自己不会被单一供应商绑定，也不会失去随着时间推移所积累的知识与能力。开放权重模型有助于提供这种保障，它允许组织控制自己的数据，根据自身需求评估和适配模型，并在其业务所需的任何地方进行部署。随着各组织通过 AI 创造价值，开放权重使他们能够通过自我改进的模型、专业化的能力以及积累的知识来拥有这些价值，从而推动美国的自主权与繁荣。

重塑安全范式：透明度才是最好的防御手段

诚然，开放权重带来了真实且独特的风险。权重一旦发布，就会超出原始开发者的控制范围，且修改后的版本难以追踪或还原。但面对这种风险，正确的应对方式绝不是禁止开放权重。在一个网络安全攻击者都在使用先进 AI 的世界里，防御者需要获取具备同等能力的模型，以便能够检测、模拟并响应新出现的威胁。开放模型扩大了防御能力，提高了透明度，并允许众多团队共同发现和修复漏洞。

事实上，开放可能是通往 AI 安全与保障的最重要途径之一。仅仅依赖封闭模型本质上并不安全：它们可能会被入侵、滥用，或者以外界无法察觉的方式发生故障。而将先进的 AI 能力集中在少数几个封闭模型之后，会进一步加剧这种风险。这会导致少数单点故障的出现，削弱竞争，并将关键技术留在大公司/少数供应商手中。另一方面，开放权重模型允许广泛的研究人员和开发者社区审查其行为、识别漏洞、开发安全防护措施并随着时间的推移不断对其进行改进。正如开源软件证明了“透明度可以比隐蔽性更安全”一样，AI 的安全可能取决于赋予更多人测试和强化社会所依赖的模型的能力。它允许进行严格的基准测试与评估、红队对抗测试，以及与真实和已证实的伤害相挂钩的防护措施，而不是默认假设封闭系统更安全。

政策引导方向：扩充资源与保护多元前沿

一个强大的 AI 生态系统绝非必然结果。决策者迎来了一个采取行动的重要契机。这包括为初创公司和研究人员扩大算力获取渠道、投资于共享的训练资产（数据集、工具、评估框架），以及通过避免出台可能抑制竞争或将创新推向海外的预先限制措施，来保持前沿领域的多元化。这些举措还必须着眼于强健的应用层如何促进 AI 在整个经济领域中的主权化应用。

正视创新机制：理性区分“蒸馏”与“侵权”

在塑造这一生态系统的过程中，决策者应当注意不要将正当的模型开发技术与侵权行为混为一谈。知识蒸馏（Distillation），即利用一个模型的输出来帮助训练或改进另一个模型的做法，是一种被广泛运用于模型改进、评估和验证的技术。它体现了从现有技术中学习、在其基础上构建并加以改进的悠久传统，这一传统自开源软件运动兴起以来一直推动着创新。相比之下，从封闭模型中非法提取价值的企图确实引发了合理的担忧。这些担忧应当通过有针对性的法律和商业框架加以解决，而不是对在 AI 创新中发挥重要作用的技术实施一刀切的限制。