a16z：开源AI是下一阶段AI竞争的“默认层”

AI的竞争格局正在发生变化。下一阶段的竞争将不再仅仅取决于谁能打造出最好的模型，而是取决于谁能打造出构建模型的最佳平台。开源工具将在这一转变中发挥至关重要的作用。由于开源工具获取成本低廉，且赋予开发者极大的修改自由度，它们很可能成为全球初创企业和研究人员进行AI开发的基石。

这件事关系重大。作为AI开发（而不仅仅是AI使用）基础的模型，将成为全球AI系统的底层基础设施。谁提供了这些基础设施，谁就不仅能影响技术的发展方向，还能影响嵌入整个生态系统的激励与规范。

如果开源AI是未来的基础，那么现状令人担忧。目前，在使用开源工具进行开发的开发者中，80%使用的是中国的开源工具。a16z与OpenRouter近期开展的一项研究表明，在2025年的某些周里，中国的开源模型占到了全部AI使用量的30%。而就在今年1月，中国科技巨头阿里巴巴达成了一个重大里程碑：其通义千问（Qwen）系列AI模型成为全球采用最广泛的开源AI系统，仅在Hugging Face上的下载量就突破了7亿次。而就在此一年前，中国开发者DeepSeek发布了一个新前沿模型的权重，其性能与领先模型相当，随后在全球范围内迅速走红。这些数据得出的结论十分明确：即便美国的专有AI系统领先世界，中国目前正引领开源AI的开发。

美国政策制定者开始认识到其中的利害关系，但要确立美国在开源AI领域的领导地位，还需要做出更多努力。政策制定者应当保护并促进美国的开源开发，一方面采取措施保护开源工具免受不当限制，另一方面促进开源的使用与采用。

什么是开源，为什么它如此重要？

开源软件简史

软件领域中的开源有着悠久而丰富的历史。"开源"一词通常指公开分发软件的源代码，往往是为了鼓励社区驱动的开发与改进。软件要成为开源软件，就必须允许任何人在相对较少限制的情况下永久行使四项基本自由：使用、研究、修改和分享。开源软件通常以宽松许可证分发，允许任何人自由下载、修改并重新分享代码。"开源软件"的定义由开放源代码促进会（OSI）维护，该定义聚焦于版权许可证必须满足的10项具体条件。OSI一直在努力通过OSAID（开源AI定义）将这一对AI的定义进行延伸，这项工作仍在进行中。

开源软件已成为科技行业和我们经济的关键组成部分。开放的版权许可证为任何希望在其基础上构建并改进产品的人提供了法律确定性。这种确定性对企业至关重要，对个人开发者和爱好者同样如此——他们需要在公共代码库（包括GitHub等热门服务）中轻松协作，而无需陷入繁琐的法律细节。其影响是巨大的：经济学家弗兰克·纳格尔（Frank Nagle）的研究为开源赋予了8.8万亿美元的价值标签。一项2022年的研究发现，高达98%的代码库至少包含部分开源软件。正如一位学者所说："国家电网、外科手术室、婴儿监视器、监控技术和污水处理系统全都运行在开源软件之上。"

开源降低了竞争、协作与创新的门槛，因为它帮助研究人员和爱好者的生态系统与社区团结起来，创造出作为私有产品替代品的公共物品。正如"AI教母"李飞飞（Fei-Fei Li）所言："开源开发在私营部门很重要，但对学术界而言至关重要"（原文强调）。研究人员依赖开源，因为开源让他们能够复现和验证结果，并在此前工作的基础上创造新的突破与改进。

一个例子是Home Assistant。它最初是程序员保罗·斯豪森（Paulus Schoutsen）的一个小项目——编写一个小型Python脚本来自动化控制他的飞利浦Hue灯具。他把这个项目发布到GitHub上，其他人开始在它的基础上进行开发。他们不断改进它，使其能够本地控制其他家居设备，而不必依赖监控用户的第三方服务，并且让非程序员也能更容易地使用。到2024年，Home Assistant已被数百万人安装，该项目如今由非营利组织开放家居基金会（Open Home Foundation）积极管理。

不过，开源并不仅仅是私有产品的替代品。开源工具是能够转化为更广泛经济利益的公共物品。任何人都可以免费获取并使用开源代码，这使得创办公司或构建新服务变得容易得多。通过降低研发成本、支持下游的使用与修改，开源降低了创业门槛，并抑制了市场集中。对消费者而言，这种更加充分的竞争带来了更低的价格、更高质量的产品和更多的创新。而对整个经济而言，这意味着利益的更广泛分配。

除了经济和产业政策方面的原因，开源还因其他理由而符合公共利益。其一，当代码开放时，软件可以被审计和仔细检查以发现缺陷。安全研究人员可以审查开源代码中的漏洞，而这些漏洞原本可能隐藏在付费墙或API之后。Linux操作系统的创造者林纳斯·托瓦兹（Linus Torvalds）有一句名言："只要有足够多的眼睛，所有的bug都是浅显的。"在接受Linux基金会调查的企业用户中，78%表示开源提升了安全性。

开源AI

随着AI行业的爆发式增长，开源AI有潜力成为经济价值和社会价值的驱动力。AI领域的开放性能够支持一个无需许可的创新生态系统，有助于抑制市场集中、支持竞争并降低价格。事实上，开发者可以在开源模型的基础上构建出更多强大且成本效益高的模型，从而创造出能够服务更多用途和更多人群的工具。经济学研究以鲜明的措辞阐述了这一机遇：在2025年，从封闭AI模型转向开放AI模型，本可将平均价格降低70%以上，并在当年为消费者节省250亿美元。正如布鲁斯·施奈尔（Bruce Schneier）和吉姆·沃尔多（Jim Waldo）所写："开源社区以种种方式进行创新，使结果几乎能与那些巨型模型相媲美——却能在家用机器和普通数据集上运行。曾经专属于资源雄厚者的领域，如今已成为任何拥有好奇心、编程技能和一台好笔记本电脑之人的游乐场。更大也许更好，但开源社区正在证明，更小往往已经足够好。这为更高效、更易获取、更节省资源的LLM打开了大门。"

虽然开源并非万能灵药，但商业界对AI开放方法的投资已经相当可观。数十亿美元正投入到那些在AI模型开发与发布上采取开放方式的企业中。在AI领域，"开放"可以有不同的含义。一些开发者发布模型权重；另一些开发者还会发布更多周边的"配方"（架构细节、数据文档、训练代码、评估方法）。这些选择在不同程度上降低了下游创新的门槛，但两者都能扩大获取渠道，减少对大型平台所提供的少数专有模型的依赖。

开源还有可能推进美国的地缘政治利益。如果开源AI将成为未来AI开发的基础，那么美国在开源AI领域的领导地位有助于让美国的价值观处于AI未来的核心位置。然而，目前的发展趋势正朝着错误的方向走：很大一部分开源开发者已经依赖中国的工具，中国开源模型的采用率激增。如果AI开发的"默认层"在海外巩固，美国将长期失去对塑造AI系统的基础设施和价值观的影响力。扭转这一趋势，需要的是一份支持开源开发的政策议程，而不是把开源开发置于瞄准镜之下。而政策制定者往往选择了后者。

开源的政策

在2022年11月ChatGPT发布之后，一波政策提案将开放开发视为一种格外危险的事物，其中包括宽泛的许可概念以及针对开放发布的限制。要求进行激进监管的呼声不仅来自政策制定者，也来自产业界和学术界。

Anthropic首席执行官达里奥·阿莫迪（Dario Amodei）向美国参议院作证称，不法分子可能将开源AI模型改用于生物攻击。AI安全倡导者杰弗里·辛顿（Geoffrey Hinton）将大AI模型的开源比作能够在Radio Shack买到核武器。包括生命未来研究所（Future of Life Institute）在内的AI安全倡导者主张对开源模型施加繁重的义务，称它们"对社会构成重大风险"。

这股反弹浪潮包括呼吁建立一套对开源AI采取惩罚性做法的监管制度，例如赋予政府权力以阻止未经许可的模型发布。参议员理查德·布卢门撒尔（Richard Blumenthal，康涅狄格州民主党）和乔什·霍利（Josh Hawley，密苏里州共和党）提出了一项提案，旨在为AI建立宽泛的许可制度，以及可能对开源模型造成不成比例影响的新出口管制。加利福尼亚州议员提出了一项法案SB 1047，该法案要求对下游用途进行监控和控制，从而威胁到开源开发者。部分由于担心这些开源限制对竞争和研究的影响，这些政策提案并未获得成功。

公共政策的潮流在2024年和2025年开始转变。拜登政府的《关于安全、可靠、可信赖的人工智能开发与使用的行政命令》曾就开放权重征求意见，该命令暗示开放权重模型存在风险："当双用途基础模型的权重被广泛获取时——例如被公开发布到互联网上时——可能为创新带来重大益处，但也可能带来重大的安全风险，例如模型内部安全防护措施的移除。"

但是，汇集起来的意见以及NTIA（美国国家电信和信息管理局）收到的实证信息表明，边际风险远没有那么大，而且在许多情况下只是推测性的。NTIA的最终报告承认了开源AI在竞争和创新方面"广泛的益处"，指出它将"使AI市场的控制权从少数大型AI开发者手中分散开来"，并"使用户能够在不与第三方共享数据的情况下使用模型，从而提高机密性和数据保护水平"。报告还恰当地聚焦于"边际风险"，重点判断开放性是否产生了超出专有模型所呈现的特定风险。在这一背景下，报告反驳并质疑了关于开源AI风险的说法，并得出结论：政府应当监控开源模型，但不应当采取措施限制其可获得性。同样，在拜登政府任期结束时，工业与安全局决定不将开放权重模型纳入其"AI扩散"出口限制规则，称其"经济和社会效益……目前超过了风险"。

当中国的开源模型DeepSeek公开发布时，立法者迅速意识到，增强美国开源提供商在全球竞争能力的重要性。在这一背景下，特朗普政府将美国在开源领域的领导地位列为优先事项，白宫也多次表达支持。该政府于2025年7月发布的《国家AI行动计划》中，用整整一节阐述"鼓励开源和开放权重AI"的必要性。白宫AI与加密货币事务负责人大卫·萨克斯（David Sacks）对私营部门的AI努力表示赞赏，强调"美国要赢得AI竞赛，就必须在开源领域也获胜"，并论证市场"将更青睐开源所提供的成本、可定制性和控制力"。白宫科技政策办公室主任迈克尔·克拉齐奥斯（Michael Kratsios）也发表过类似言论，讨论了在开源领域提供"一个可行的美国选项"的必要性。

促进与保护：一份开源AI政策议程

开源AI的战略、经济和社会效益意味着，政策制定者应当积极促进并保护其使用。中国目前在开源市场中的地位，使得政策制定者采取行动变得更加紧迫。如果美国政府希望模型开发者选择美国的开源工具，就必须帮助培育一个开源开发生态市场，使美国工具能够与外国模型有效竞争。虽然在ChatGPT公开发布后的初期，政策制定者对开源AI的怀疑态度可能延缓了美国制造的开源AI创新，但两党正在形成的一种共识——开源是美国AI竞争力的关键——有望加速发展。为了把这种共识转化为行动，政策制定者可以通过促进开源AI的开发与使用、保护初创企业和创业者选择构建开源工具的能力，来加速这一市场的成长。

促进开源AI

要使美国在开源AI开发中占据领导地位，政策制定者应当激励并支持其开发与使用。有四种机制可以帮助促进开源AI：表达支持、政府采购、政府开发以及降低门槛。

为开源正名

政策制定者促进开源AI最重要的方式之一，就是公开表达对开源AI的支持。表达很重要。如上文所述，在2022年11月ChatGPT发布后的最初阶段，一些政策制定者对开源AI表达了警惕，暗示其风险大于收益，一些立法者甚至暗示可能出台严厉的限制或禁令。虽然拜登政府对开放模型权重的审查最终以一份报告收尾——该报告承认了开源的益处，并建议短期内不要施加限制——但这一结果并非注定如此。在这一过程早期，政府审查确实有可能导致限制出台。

这种怀疑与不确定性很可能给开源开发蒙上了一层阴影，使一些开发者不愿选择开源而非专有路线。如果一条道路伴随着额外的监管风险，为何要放弃专有方案而选择它呢？随后，这层阴影在造就今日现实的过程中起到了作用：中国在开源领域处于领先地位，相当大比例的开源开发者选择了中国的开源工具。

如上所述，自NTIA报告发布——它宣扬开源的益处并建议监管克制——以来，潮流已经转变。特朗普政府对开源的大力支持，以及国会中不再有呼吁禁止开源的声音，让开发者有信心选择构建开源工具。

政策制定者应当继续在私下和公开场合表达对开源的支持。他们应当阐明开源在竞争、创新和安全方面的益处。他们应当利用与联邦机构官员的监督听证会，确保政府对从开源提供商处采购AI工具持开放态度。而当不法分子滥用通用开源工具造成危害时——这是不可避免的——政策制定者应当确保执法者能够追究不法分子的责任，而不是归咎于工具本身。

政策制定者持续、一贯的表态至关重要。如果他们能够围绕开源开发营造持久的确定性——让构建者相信他们可以发布开源工具，而无需担心遭到追溯式的打压——就会有更多开发者选择开源道路。

政府采购

政府可以利用采购流程来帮助加速开源开发与采用。由于向政府销售具有巨大的商业潜力，政府采购能够推动市场：如果政府发出信号，表明它通常更青睐开源工具而非专有工具，就会有更多开发者选择开源。

开源的益处与政府需求高度契合。如上文所述，开源工具更容易测试安全缺陷，也更容易针对特定的政府用例进行定制。在高度敏感的场景中，例如国防部或卫生与公众服务部使用时，开源提供商可能会更快地修补漏洞。使用开源还能避免对第三方供应商的过度依赖，因为这种依赖会造成锁定。

多年来，美国政府一直强调，"各机构必须平等地、在公平竞争的环境下考虑开源……解决方案，不得基于技术如何被开发、许可或分发而抱有先入为主的偏好"。这种对开源的开放态度应当延续下去。在适当的情况下，联邦机构应当在采购计划中考虑开源工具，并应当避免对开源施加限制或偏向专有供应商。

OSI提供了详细的指导，概述了政府机构可以采取的额外措施，以便为开源采购敞开大门：

• 避免专有性要求。 公共机构不应在其招标中要求特定的专有软件品牌或解决方案。
• 关注总拥有成本，包括支持、升级以及潜在的数据迁移成本——而不仅仅是初始采购价格。
• 通过开放应用程序编程接口（API）要求互操作性，以确保公共机构能够更换供应商或迁移数据，而不被单一供应商所挟持。无论软件由谁开发，互操作性都是开放性的关键，因为它降低了供应商锁定的风险。

这些额外措施有助于确保各机构不仅在纸面上表达对开源的开放态度，而且使开源工具的采购成为政府机构和开源提供商的现实。

以身作则

州政府和联邦政府还可以在尽可能的情况下，以开源许可证发布自己的AI工具，从而帮助强化开源生态系统。这样做延续了一系列鼓励政府公开代码的两党法律、法规和指导文件。

2016年，奥巴马政府发布了一项联邦源代码政策，规定了"默认开放"（Open by Default）的要求，要求所有联邦机构向公众发布源代码。该政策强调，"当源代码也以开源软件（OSS）的形式向公众开放时，可以产生额外收益"。国会通过于2024年12月颁布《信息技术领域源代码协调与复用法案》（SHARE IT）将这一政策法典化，该法案最初由一名共和党人在众议院提出，并由拜登总统签署成为法律。而在2026年1月，特朗普政府的总务管理局（GSA）发布了其开源软件政策的更新，旨在"强化GSA对透明、开放优先的软件开发方式的承诺"。该政策要求GSA项目团队从开发的第一天起，就在GitHub或GitLab等公开可读的代码仓库中开发新的定制代码。

资助开发与研究

政策制定者还可以通过直接资助开源开发、支持关于开源的研究、要求其研究资金的获得者以开源许可证发布成果，以及为研究人员创建开放基础设施等方式来支持开源开发。

在某些情况下，政府可以资助针对特定用例的开源模型或工具的开发。过去，政策制定者经常向特定的开源软件项目提供资助，以帮助维护和改进数字公共物品。例如，德国政府的主权技术基金（Sovereign Tech Fund）提供了超过2460万欧元的资金，用于支持全球60多个开源项目。美国联邦机构（如网络安全与基础设施安全局）也资助了开源工具的开发，并在召集利益相关方讨论最佳实践方面发挥了作用。

除了直接资助开源开发，政府还可以通过为利用、改进和扩展开源AI模型、数据集和开发工具的研究提供有针对性的资金，来推动开源开发。美国国家科学基金会（NSF）已与英伟达（NVIDIA）和艾伦人工智能研究所（Allen Institute of AI）合作，资助开发用于支持科学研究的AI模型。NSF，或者也许是通过创世纪使命（Genesis Mission）的能源部，可以深化和扩展现有合作关系，同时在未来为更多合作提供更多资金。

政府作为研究资助者的角色，也使它能够在推动更多数据和源代码公开方面施加影响力。政府可以将研究资金的发放条件设定为：任何非敏感数据集和成果都必须通过宽松许可证或公有领域贡献的方式向公众开放。

除了简单地开支票，政府还可以通过建设支持开源研究人员和开发者的基础设施，来支持开源研发。目前，AI开发存在诸多障碍，从数据获取到算力获取不一而足。联邦政府可以在降低这些进入门槛方面发挥重要作用，帮助创建共享计算资源——这些资源对研究人员或初创企业而言可能过于昂贵。我们提议设立一个国家AI竞争力研究所（NAICI），隶属于美国国家标准与技术研究院（NIST），为研究人员和初创企业提供负担得起的算力、数据以及基准和评估工具。

此外，国家实验室可以在提供这类公共基础设施方面发挥作用，而且它们已经采取措施支持特朗普政府的创世纪使命计划。

利用公共算力降低进入门槛，不仅仅是联邦政府的职责——各州也可以为其辖区内运营的企业建设公共计算基础设施。例如，纽约正在开发帝国AI（Empire AI），一个面向研究机构的产业级AI计算集群。加利福尼亚州去年秋天通过了一项法律，将为创建CalCompute制定一个"框架"——这是一种"公共云计算基础设施"，将通过扩大计算资源的获取来实现"公平创新"。而在佛罗里达州，HiPerGator项目为佛罗里达大学的研究人员和学生运行着一个大型AI集群。这种做法已有先例：国家实验室和赠地大学长期以来一直为研究人员提供他们无法独立负担的资源，催生了推动美国经济增长的发现。

保护开源AI

如果开发者无法构建开源工具，促进开源AI将无从谈起。为了确保开发者拥有选择从事开源开发的权利，政策制定者必须确保落实若干项保护措施。

监管有害使用，而非开源开发。 保护开源AI，意味着确保当AI被用来伤害他人时，作恶者能够被追究责任。这一原则既适用于专有工具，也适用于开源工具。当政策制定者担心与开源工具使用相关的潜在危害时，他们应当针对对造成危害负主要责任的个人或实体。

更普遍地说，政策制定者不应假定模型开发者就是将AI产品推向市场的同一家公司。这一点对开源尤为重要。在开源领域，一个组织可能开发模型，另一个组织可能拥有并运营运行该模型的硬件，还有另一个组织将模型和硬件结合起来构建API或服务，然后另一家公司在这些服务之上开发并向最终客户销售产品。在大多数产生危害的情况下，将产品带给用户和客户的公司才是对危害负责的一方。重要的是，开源开发者不应当为下游的滥用承担法律责任。

监管有害使用还应当在另外两个方面指导政策设计。第一，当立法者施加透明度义务时，这些要求应当落在掌握相关信息的实体身上。开源开发者常常会在其他模型的基础上进行构建，而当他们这样做时，他们可能无法获取属于披露义务范围的信息。因此，披露义务通常应当由进行预训练的开发者承担。

第二，州法律中的管辖条款应当谨慎，不要规制完全属于域外的开源开发。如果州法律不包含管辖限制，或者采用包容性的限制——例如对在某一州"开发或部署"的模型施加要求——那么所有开源开发者都可能被迫遵守某一个州的法律，而无论开发发生在何处，也无论他们是否有让模型在某一特定州可供使用的具体意图。正如我们此前所写，规制域外活动或对州外行为施加过度负担的法律，可能会引发宪法方面的担忧。

禁止"禁令"。 鉴于目前对开源的支持程度，这可能难以想象，但在过去几年里，开源AI开发确实面临着被全面禁止的真实风险。为了保护开源AI，未来的联邦和州政策制定者应当遵循这些范例，避免禁止开源工具的开发和使用。

警惕变相的禁令。 除了避免直接的禁令外，政策制定者还应当避免制定与开源从根本上不相容的规则。任何使合规变得不可能或极其困难的规则，都会劝阻开发者选择开源道路。虽然这些类型的法律负担名义上不是禁令，但在实践中却起着禁令的作用。

例如，任何要求AI提供商撤销许可证的法律，在结构上都与开源不相容：按照定义，开源许可证是不可撤销的。因此，任何要求开发者撤销许可证的法律，都是对开源的事实上的禁令，因为开源开发者根本没有法律能力这样做。

在某些情况下，政策制定者应当明确提及开源，以确保善意制定的规则不会无意中将开源排除在关键计划之外。例如，"美国AI出口计划"应当承认开源AI模型是技术栈的关键组成部分，并确保联盟规则和评估标准与开源开发相兼容。

不要歧视开源AI。 政策制定者还应当注意，不要施加对开源AI造成不成比例影响的限制。这类限制会抑制开源的开发与采用。

以SB 1047为例，这是2024年在加利福尼亚州提出的一项法案，最终被州长否决。除其他内容外，该法案要求实施"行政、技术和物理"防护措施，以防止模型被用于某些有害目的的滥用或修改，并要求开发者"采取合理的谨慎措施以确保"模型的行为能够"被准确可靠地归因"于底层模型。

这些义务对所有开发者来说可能都是负担，但对开源开发者造成的挑战尤为突出，因为按照定义，他们向下游开发者施加要求的能力有限。正如本·布鲁克斯（Ben Brooks）——时任StabilityAI公共政策主管、现为黑森林实验室（Black Forest Labs）公共政策主管——当时所说："开放模型的开发者对下游实验的控制有限"，而"追溯模型输出，无异于要求一家造纸公司监控其客户选择写什么或打印什么"。

同样，纽约州《RAISE法案》的早期版本很可能会要求世界上任何地方的开源开发者都遵守其规定，因为它对"全部或部分在纽约州开发、部署或运行"的模型施加了要求。开源开发者监控和控制其模型是否在纽约部署的能力有限。结果，纽约以外的开发者可能会选择不以开源方式提供工具，因为这会让他们在纽约承担合规义务。

同样，在大多数监管场景中，开源AI应当像过去的其他开源工具一样受到对待。一个例子是出口限制，这类限制历来包含对开源的豁免，因为开源开发者无法控制其产品在美国境外的使用。这些豁免也应当继续适用于AI工具。

奠定默认层

开源工具将成为下一阶段AI竞争的基础，因为它们价格低廉、可修改，并且在规模化构建模型方面日益不可或缺。谁提供了这一基础，谁就奠定了默认层：塑造下一代计算系统在全球范围内如何构建的基础设施、激励与规范。

美国应当把这一时刻视为机遇：一个由美国主导的开放生态系统可以拓宽前沿能力的获取渠道，强化具有竞争力的初创企业梯队，并将更多的价值创造——以及人才——留在美国经济之中。

要把趋势引向这个方向，美国政策制定者必须促进并保护开源AI。促进意味着持续的公共支持、为开源解决方案敞开大门的采购，以及共享的算力和评估基础设施，让初创企业拥有构建和竞争所需的工具。保护意味着远离那些在结构上与开源不相容、或使开发者更难选择开源的禁令、限制和歧视性待遇。如果政策制定者担心AI（无论是开源还是专有）可能带来的危害，他们就应当专注于直接打击有害使用，而非上游开发，并应当把义务施加给那些将系统商业化、部署系统且有能力减轻危害的行为者。

开源AI会持续存在，接下来的关键是全球AI开发基础由谁构建。如果我们希望开发者选择美国工具，我们就应当为他们扫清道路。

脚注

1. 关于"开源"工具的定义存在重大争论，包括"开放权重"是否足以将一个模型归类为"开源"（参见例如开放源代码促进会的定义）。就本文而言，我们使用"开放"来涵盖广泛的"开放方法"范围，其中一些方法可能不被某些人视为"开源"，因为开放性更多是一种光谱而非二元对立。当我们提到"开放权重"时，我们认识到一些利益相关方可能认为该术语包含了并非开源的模型。