为什么中国会选择开源技术路线？（二）

朱健航

之前写了一篇，（为什么中国会选择开源技术路线？）这篇文章是从：企业倒逼、社区培育、外部封锁、国家战略、AI 时代的出海催化这些角度，讲了为什么中国企业会走开源技术路线。

结合最近发生的一些事，吸收了更多信息后，我对这个话题的看法有新的认识，所以就再写一篇。

在硅谷的大模型叙事里，人工智能一度被塑造成一座极其昂贵、由数万张顶级显卡与数千亿美元资本堆叠而成的“高塔”。

从OpenAI到Anthropic再到Google，巨头们小心翼翼地用API将核心代码与模型权重围在深墙之内，向全世界宣示：AGI（通用人工智能）是只有极少数精英黑盒才能掌舵的资本游戏。

而在太平洋的对岸——以DeepSeek为代表的中国大模型，几乎是约好的一样，把自己最能打的模型权重，带着完全透明的技术细节、毫不降配的开源权重以及算法，全部公开，放在网上。

在算力受限、资本并不占绝对优势的前提下，为什么中国会坚定不移地选择开源技术路线？

2024年7月，《暗涌》的记者问了梁文锋一个挺直接的问题。你们是个商业组织，辛辛苦苦做出创新，又通过开源把成果全部分享出去，护城河到底在哪里？

他说，在颠覆性的技术面前，闭源形成的护城河是短暂的，即使OpenAI闭源，也阻止不了被别人赶超。

所以DeepSeek把价值沉淀在团队上，同事在这个过程中成长，积累出know-how，形成能持续创新的组织和文化，这才是护城河。

梁文锋对开源最底层的判断，建立在AI行业的体量上。AI最终可能占到人类社会GDP的百分之十。这个数字意味着什么？

意味着这个市场大到没有任何一家公司能独占。既然独占在客观上不成立，分享就是符合规律的选择，反过来想独占的，才会被历史甩掉。

开源会影响商业模式吗？梁文锋的答案是，只赚合理利润的话，不会。他把合理利润量化过一个大概的数，六倍左右。

追求百倍暴利的模式才会被开源冲垮。开源发论文也没有真正失去什么，模型权重可以公开，但复现一个模型需要的工程能力和训练经验带不走。

他把这套逻辑用量化语言总结过，开源是用确定性的小亏损，换一张期望值为正的期权。

开源能换来学术声望，能吸引全球顶尖人才。全世界开发者基于你的架构搭技术栈，迁移成本会越堆越高。行业标准还没定型的时候，谁的开源架构用的人多，谁就事实上定义了接口和规范。这些东西都不直接收钱，但每一样都比一两年的技术领先价值更高。

梁文锋很清楚，DeepSeek如果走闭源，就会和OpenAI、Google、Anthropic挤进同一个模式，反而丢掉自己的特色。坚持开源，既是全球开发者社区里的名声，也是中国AI在全球市场上的一个破局点。他自己说过，AI足够大，需要克制贪欲，开源本身就是克制战略的一部分。

行业里常见的玩法是先开源一个降配版吸引用户，再把完整版闭源收费。DeepSeek内部用的模型和开源出去的模型完全一致，没有套路。一个人说的话和他做的事对得上，那套话才值得当真听。

把视线转到太平洋对岸，开源的逻辑同样现实。

Meta押注元宇宙失败以后转向AI，落后OpenAI已经太多。闭源追赶，市场份额抢不回来。扎克伯格的选择是把Llama系列直接开源。

开源能快速建起开发者生态，培养一批熟悉自家框架的工程师，还等于让全世界工程师免费帮忙测试和优化，模型迭代速度跟着加快。

2024年7月，Llama 3.1发布那天，扎克伯格写了一封公开信，标题就叫开源AI是前进之路。

他在信里拿操作系统的历史做类比，高性能计算的早期，各大科技公司都投巨资做自己的闭源Unix，当时很难想象还有别的路。

后来开源的Linux赢了，一开始只是因为能随便改、便宜，时间长了，它变得更先进、更安全，生态比任何闭源Unix都大。今天Linux是云计算和大多数移动设备的地基。扎克伯格说，他相信AI会走同一条路。

Meta的商业模式要求它始终能用上最好的技术，并且不能被困在竞争对手的封闭生态里。开源对Meta好，对开发者好，最后才轮到对世界好。顺序摆得很诚实。

还有一层扎克伯格没说。市场上存在一个免费的高性能模型，付费闭源模型的定价空间就会被挤压。对落后者来说，这是性价比最高的打法。自己追不上，就先把领先者的利润打薄。

海外厂商开源，更多是主动选择的竞争策略。国内集体开源，处境要复杂一些，商业环境、产业方向、国际竞争三股力拧在一起，开源成了无奈之下的最优解。

先说最实际的--钱。美国市场习惯SaaS订阅和API调用，按量付费，账很好算。国内不一样，很多大型政企客户出于数据安全和合规要求，坚持本地化私有部署，核心数据不能出内网，公有云API这条路根本走不通。

厂商把模型权重开源，等于放弃API售卖，转头去做开源模型加定制微调加私有算力一体机的生意，挣技术服务和算力的钱。开源是敲门砖，后面的部署和落地服务才是真生意。

再说产业方向，开源模型谁都能部署、谁都能改，不受外部制裁影响。如果哪天美国限制API或者进一步卡芯片，闭源模型可能直接断供，开源模型却封不住。权重文件一旦在全球扩散，等于有无数个备份散落在各地，从最底层消解了被卡脖子的可能。

国内厂商集体把接近顶级水平的模型免费开放，直接打的是国外闭源模型的商业根基。

对方收入空间被压缩，市占率、估值、融资能力跟着受损，迭代速度就会慢下来。对手慢一分，国内厂商就多一分追赶的时间窗口。

这套策略的逻辑是：这就是个阳谋。你敢大幅降价、敢跟着开源，就落入圈套；你不敢跟，我就慢慢蚕食你的领先优势，直到追上你拼刺刀。

这个打法有先例。当年谷歌做不了苹果那样独占利润的iOS，就做了覆盖尽可能广的Android，把开发者生态和标准制定权抢到手。

今天回头看，移动操作系统谁赢了，很难一句话说清，但Android确实让谷歌在移动时代站稳了。大模型领域的开源，赌的是同一件事。

还有一重要因素和算力有关，国内顶级算力紧张，头部厂商的旗舰闭源模型就算想做海量用户的直接服务，自己的卡也不够。

开源之后，全世界的厂商都可以部署，等于借用全社会的算力分担服务压力。说得再清楚一点，这部分服务收入国内厂商本来也挣不到，开源出去，博了名声，打乱了对手的节奏，还建起了自己的生态。

硅谷巨头这些年一直在讲一个叙事，AGI是少数精英才能掌握的黑盒，普通人只能仰望。DeepSeek这样的厂商把训练细节、算子优化逻辑全部公开，等于拆了这个台。

大模型可以被拆解、被复现、被改进，它是一场昂贵的资本游戏这个说法，也就站不住了。DeepSeek把思维链技术公开之后，这套方法很快成了行业通用做法，全世界的研究团队都踩着它往前走了一步。

对国内模型来说，开源还补了一块信任短板。外界对合规调整有疑虑，开源权重意味着谁都可以检验，合规调整只是后置训练上的一层，不损伤底层能力。透明的模型，反而比不透明的闭源黑盒更容易获得信任。

回到开头那个问题，为什么中国会选择开源？

不是因为中国公司突然变得“不爱赚钱”，也不是因为中国AI企业比美国企业更有情怀。

而是因为在中国AI所处的位置上，开源恰恰可能是更理性的选择。

它可以降低进入门槛，扩大开发者生态；可以把算力成本分散到整个社会；可以绕开部分供应链限制；可以加速技术迭代；可以争夺全球开发者；可以建立标准；可以压缩海外闭源模型的商业空间；还可以让中国AI绕开正面硬碰硬的竞争，寻找一条新的超车路径。

更重要的是，它符合一个正在发生的产业规律：当一个技术开始从“产品”变成“基础设施”，控制标准往往比控制产品本身更重要。

最后：在这场关乎人类智能未来的马拉松里，越懂得克制与分享的力量，就越有可能最终叩响通用人工智能的大门。