开放权重模型的地缘政治
创建时间： 2026-05-03
来源： [[sources/#490--state-of-ai-in-2026-llms-coding-scaling-laws-china-agents-gpus-agi|490 – State of AI in 2026 LLMs, Coding, Scaling Laws, China, Agents, GPUs, AGI]]
相关： US-China-AI-Competition，State-of-AI-2026，Nathan-Lambert，Sebastian-Raschka，AI-Monetization-Market
背景：Llama 之后的真空
Meta 的 Llama 系列曾是美国开放模型的旗帜：
- Llama 1/2/3 积累了大量社区热爱
- 但 Llama 4 时期出了问题：
- 高层追求”benchmaxing”——为基准测试过度优化，而非构建社区真正可用的模型
- 内部政治斗争和激励错位
- 大模型太大没人能跑，小模型反而没有
- 社区负面反馈 → Meta 可能”赌气”退出开放模型
- Mark Zuckerberg vs Alexander Wong（更反对开放源码）的内部辩论
- Nathan 预测：不会有 Llama 5 开放权重版本
Llama 的教训
- 开放模型的目标不是刷基准——是让人能用、信任、修改、理解
- benchmaxing 毁掉了品牌
Atom Project（American Truly Open Models）
Nathan Lambert 2025 年 7 月发起。
核心论点
- 开放模型是 AI 研究的引擎——所有研究者从开放模型起步
- 如果最好的开放模型来自中国 → 最好的研究发生在中国模型之上
- 美国应投入 ~$1 亿构建超越闭源前沿半代的开放模型——对大公司微不足道
背景数据
- 2025 年 7 月：4-5 个 DeepSeek 级别的中国开放模型，美国为零
- 中国模型在美国企业中的使用率持续上升（因安全限制无法直接购买中国 API → 用开放权重绕过）
政策进展
- AI2 获 NSF $1 亿资助——有史以来最大 CS 类 NSF 拨款
- NVIDIA Jensen Huang 公开呼吁开放模型的紧迫性，Nemetron 模型更受重视
- Reflection AI 的 $20 亿融资明确用于构建美国开放模型
- 白宫 AI Action Plan 包含”Encourage Open Source and Open Web AI”专节
- 签署参与的机构涵盖政策、技术、产业全栈
对”禁止开放模型”论的反驳
- 禁止需要美国建立自己的”长城防火墙”——已知不可行且效果差
- 训练 $1-1 亿模型的成本对全世界太多人可及——你无法阻止
- 如果限制开放模型 → 美国自缚手脚、把领导权让给外国对手
- “这些模型将被全世界训练”
开放 vs 闭源的深层动态
开放模型的价值
- 透明性：安全审计的基础
- 教育：下一代研究者的培养——如果没有开放模型，只有加入公司后才能学习
- 定制化：企业在自有数据上的专业化
- 竞争压力：中国模型的高质量反过来鼓励美国公司发布更好的模型
闭源模型的优势
- 更大的计算资源
- 深度集成特定工具的体验（如 Claude Code 的 Git/CLI 集成）
- 安全可控——可以做更多安全测试后再发布
- 闭源比开放”领先一代”——GPT-OSS 可能不是最前沿模型
互补而非替代
- 开放模型不一定要在所有维度上击败闭源——只需要足够好、足够可及
- Nathan：“美国公司在发布前对安全性有更多考量——看到 DeepSeek 等中国模型大规模使用无安全问题 → 鼓励他们也发布更强的开放模型”
长期展望
开放模型会统治世界吗？
取决于技术进步是否饱和：
- 如果几年内饱和：开放模型会因为更多人优化而变得极便宜 → 赢家
- 如果持续进步：闭源可能维持领先，因为需要巨额算力
10 年后
- Nathan 不认为会有赢家通吃——除非有人发现真正的算法秘密
- 更可能像 AWS / Azure / GCP 的格局——多家共存
- AI 公司可能成为”API 工具”——像 AWS 一样
- 但也可能上移做产品（因为 API 利润不足）
曼哈顿计划？
- Lex 提到 AI 2027 报告中的”曼哈顿化”场景——国家安全原因集中化
- Nathan 和 Sebastian 都认为短期内不可能也不可取
- 但 Nathan 承认：曼哈顿计划式的开放模型投资”其实成本不高，可能合理”
参考资料
- 来源：Lex Fridman Podcast #490
- 关键项目：Atom Project (americantrulyopenmodels.org)
- 关键人物：Nathan Lambert、Jensen Huang、Mark Zuckerberg