7月24日，NVIDIA CEO 黄仁勋（Jensen Huang）首次在个人社交平台分享了一封名为《Open Weights and American AI Leadership》的公开信，引发AI产业对于开放模型路线的新一轮讨论。
这封公开信由NVIDIA、Meta、Microsoft、Hugging Face、Mistral、IBM、Linux Foundation、Y Combinator等在内的25家科技公司和机构共同签署，呼吁美国推动开放权重（Open Weights）AI生态的发展。
黄仁勋在公开信中写道，“AI将改变每一个行业，赋能每一家公司，并由每一个国家共同构建。开放模型能够增强安全性和网络安全能力，加速创新和扩散，并支持技术自主。”
“秒转支持。”Elon Musk第一时间回贴。微软CEO Satya Nadella也在社交媒体上转发表示，开放模型是健康AI生态系统的关键。
不过，OpenAI、Anthropic、和Gemini所属公司Google，这些闭源大模型，均缄默其口。他们的名称也并未出现在这封公开信的签署栏。
表面看，这是一场关于开放模型的产业倡议。但更深层的问题在于，AI时代的基础设施，到底应该属于少数模型公司，还是属于一个开放生态，这决定着下一阶段AI产业的价值分配。
NVIDIA押注的不是开放模型，而是AI计算需求的下一轮扩散
过去几年，AI竞争围绕一个核心问题展开，即谁能够训练出最强模型。但随着模型能力逐渐接近产业应用阶段，竞争正在进入谁能够让AI能力最大范围扩散的新阶段。
从GPT-3到GPT-4，再到Gemini、Claude等模型，行业竞争围绕参数规模、算力投入、数据规模、推理能力展开。这一阶段，本质上是超级模型竞争。因此，领先者主要集中在少数拥有巨大资本和计算资源的公司，如OpenAI、Google、Anthropic等。
但随着大模型能力逐渐提升，产业开始面临新的问题。如果AI最终要改变整个经济体系，仅仅拥有几个超级模型是否足够？
答案并不确定。因为，互联网真正改变世界，并不是因为少数企业拥有服务器，而是因为开放协议让无数开发者能够基于基础设施创新。软件行业的发展已经证明，基础能力的价值，不只来自创造者本身，更来自它能够被多少人使用和扩散。这也是开放权重模型重新受到重视的原因。
首先我们需要区分一个概念，Open Weight（开放权重）并不等同于传统意义上的开源。传统软件时代，开放的是代码；而大模型时代，真正决定模型能力的是权重。开放权重意味着开发者可以下载模型，在自己的基础设施上运行并进行调整。
开放权重背后的核心逻辑，是让更多企业、开发者和机构能够建立在基础模型之上。类似于Linux，其本身免费，但围绕Linux形成了云计算、企业软件和开发者生态。开放基础设施最终创造的价值，往往超过基础设施本身。AI行业正在探索类似路径。
过去几年，AI算力主要集中于训练前沿模型，少数公司建设超级计算集群。但未来，如果AI进入企业生产流程，最大的计算需求可能来自行业模型微调、企业私有部署和大规模推理。开放权重模型，正是推动这一扩散的重要路径。
从NVIDIA自身利益来看，这一选择并不难理解。NVIDIA最希望看到的，并不是只有少数几家公司训练超级模型，而是AI能力进入更多企业、更多行业和更多场景，这也意味着会有更多训练需求，更多推理需求，更多部署需求。
对于NVIDIA而言，这是一次企业身份的迁移。过去，NVIDIA主要被视为AI训练时代的算力供应商；但随着AI进入产业部署阶段，其价值正在从提供训练芯片，升级为支撑整个AI计算基础设施。换句话说，黄仁勋希望将过去AI训练时代“卖铲子”的能力，扩展到AI应用时代的基础设施服务。
两种不同技术路线之争：超级模型控制权还是开放生态？
当前，AI产业正在形成两条不同路线。一种路线是以OpenAI、Anthropic为代表的超级模型路线，它们类似于苹果iOS，其核心逻辑是持续扩大模型能力，通过最先进智能建立竞争优势。这类模型具备技术领先、商业模式明确、对安全和体验拥有更强控制的特点。
另一种路线则是Meta、NVIDIA、Hugging Face、Mistral为代表的开放生态路线，它们类似于Android或者Linux，其核心逻辑是开放基础模型，让更多开发者和企业参与创新。这类模型具备更强的可扩展性和生态潜力，但同时也面临商业模式和治理挑战。
对于不同参与者而言，开放模型的战略意义并不完全相同。对于NVIDIA而言，开放模型能够推动AI计算需求从少数模型公司的集中式训练，扩散到更多企业和行业场景。
对于Meta而言，开放模型同样具有战略意义。作为一家尚未建立AI原生入口优势的公司，开放Llama生态能够帮助其避免AI能力被少数模型公司垄断，并扩大自身在AI开发者生态中的影响力。
当然，两种路线没有绝对优劣，真正的问题是AI未来更像智能手机行业，还是更像互联网基础设施。如果AI是一种超级产品，那么闭源模型可能占据优势；如果AI是一种基础设施，那么开放生态可能拥有更大空间。
开放模型最大的争议，是开放是否会降低安全。支持者认为，封闭系统并不天然安全。如果只有少数公司能够观察和测试模型，漏洞可能更难发现。开放模型能够让更多研究者检查模型行为、发现风险、开发安全机制。类似开源软件的发展经验，透明并不一定降低安全。但反对者认为，开放先进模型，也可能降低恶意使用门槛。
因此，争议不会简单变成开放还是封闭，更可能是哪些能力可以开放，开放到什么程度，如何建立治理体系。这也是AI治理领域尚未解决的核心矛盾，如何避免技术扩散带来的风险，同时避免过度集中带来的创新损失。
从历史来看，基础设施竞争往往不是单纯技术竞争。Windows曾经击败其他操作系统，不只是因为技术，而是因为生态。Linux最终成为互联网基础设施，也不是因为商业模式，而是因为开放性带来的开发者网络效应，从而降低了创新门槛，让更多企业和开发者能够基于同一底层系统构建新的应用。
AI时代正在面临类似选择。未来可能出现两种结果：一种是少数公司掌握最先进模型，通过API控制AI入口；另一种是基础模型逐渐标准化，开放生态推动大量行业创新。
目前，NVIDIA押注的是第二种可能。因为对于一家卖算力的公司而言，AI最大的机会，并不是让少数公司拥有最强大脑，而是让全世界拥有更多AI能力。这也是为何黄仁勋认为，世界需要同时拥有前沿闭源模型和前沿开放模型。
未来的发展方向大概率会是，模型能力决定智能上限，生态扩散决定商业规模。NVIDIA押注的，是AI从少数公司的超级能力，走向整个经济体系基础设施的可能。而下一阶段AI竞争的关键，也许不再是谁拥有最强模型，而是谁能够定义这套基础设施。
以下为格度Gradient编译的黄仁勋发布在个人社交平台的公开信全文：
《开放模型和美国领导力》
20世纪80年代，早期的开源软件先驱者挑战了一种当时占主导地位的观点——软件只有在企业严格控制代码的情况下才能持续发展。这一运动推动建立了一个更加透明的生态系统，使全球开发者能够研究、修改并改进软件。如今，由开源社区推动的软件已经支撑了互联网的大部分基础设施，并成为全球最大科技公司、美国军方以及联邦机构开展科学研究、网络安全和其他关键任务所依赖的系统基础。开源软件带来的意义不仅仅是降低软件成本，更重要的是，它创造了一个共享的知识基础，让一代又一代美国工程师和创业者能够在此之上建立自己的技术自主能力。
如今，美国在人工智能领域面临着类似的选择。美国的AI领导力，未来不会仅仅由某一个最先进的AI模型决定，而取决于美国是否能够建立一个强大、开放，并能够扩散到各个行业的生态系统。这对于创造广泛的创新机会和推动美国经济繁荣至关重要。这需要扩大AI的可获得性，鼓励竞争，建立强大的应用层，让美国人能够更多地掌控他们所依赖的技术。开放权重模型任何人都可以下载、检查、修改，并在自己的基础设施上运行的AI模型，正是这一基础的重要组成部分。因为它们能够让先进AI技术更加容易获得、更具适应性，并更广泛地应用。
开放权重模型能够扩大参与AI经济的机会。创业公司、成熟企业、大学以及公共机构，都可以基于先进模型进行创新，而无需从零开始训练模型，也无需为每一次任务支付前沿模型的高昂费用。开放权重让不同组织能够根据具体任务选择合适的模型，在合适的成本水平下部署AI，将前沿规模的计算能力留给真正需要解决的前沿问题；在其他场景中运行更加高效、专业化的小型模型。这种方式，将使AI在面对数十亿级日常任务时具备经济可持续性。美国赢得AI时代的关键，在于让AI进入工厂、医院、农场、教室和街区中的普通企业。
开放权重模型还能增强竞争。而竞争，正是确保AI带来的收益能够广泛共享，而不是集中在少数企业手中的关键。通过允许更多组织构建、调整和部署先进模型，开放权重能够创造竞争，不仅存在于模型开发者之间，也存在于云服务商、芯片企业、应用开发商、服务提供商之间。这种竞争会推动创新、降低成本，并让AI带来的价值更广泛地分布于整个经济体系。
开放权重模型还能让客户拥有更大的控制权。随着越来越多组织投资AI，他们希望确保自己不会被锁定在某一个供应商体系中，自己长期积累的知识和能力不会被外部控制。开放权重模型能够帮助企业实现这一点，它们允许组织控制自己的数据，根据自身需求评估和调整模型，根据业务需要，在不同环境中部署模型。同时，当组织利用AI创造价值时，开放权重模型能够帮助它们真正拥有这些价值，包括持续改进的模型、专业化能力和长期积累的知识资产，这些能力将推动美国的技术自主和经济繁荣。
当然，开放权重模型也存在真实且独特的风险。一旦模型权重发布出去，开发者将无法完全控制其后续用途。修改后的模型可能难以追踪，也难以撤回。但是，面对这种风险，正确的回应并不是禁止开放权重。在一个网络攻击者同样能够使用先进AI技术的世界里，防御者也需要拥有类似能力的模型，以便发现威胁、模拟攻击、应对不断出现的新风险。开放模型能够扩大防御能力，提高透明度，让更多团队发现漏洞并推动修复。
事实上，开放性可能正是实现AI安全的重要路径之一。仅仅依赖封闭模型，并不天然意味着更安全。封闭模型同样可能被攻击，被滥用，出现外部无法发现的问题。而如果先进AI能力集中在少数几个封闭模型中，这种风险会进一步加剧。它会导致少量单点故障，削弱竞争，让关键技术掌握在少数供应商手中。相比之下，开放权重模型允许更广泛的研究者和开发者，检查模型行为，发现漏洞，开发安全机制，随时间不断改进模型。
正如开源软件证明了“透明性可能比隐藏更安全”，AI安全也可能依赖于让更多人参与测试和强化社会所依赖的模型。开放模型能够支持更严格的基准测试，模型评估，红队测试，基于真实风险而非假设的安全防护，而不是简单认为封闭系统天然更安全。
强大的AI生态并非必然形成。政策制定者拥有重要机会，需要采取行动。包括扩大创业公司和研究人员获得计算资源的机会，投资共享训练基础设施，包括数据集、工具和评估体系，保持前沿AI领域的多元竞争，避免过早限制开放模型，从而阻碍竞争或推动创新转移到海外。同时，这些措施也必须关注如何建立强大的应用层，让AI能力能够真正扩散到整个经济体系。
在构建这一生态过程中，政策制定者需要注意，不要将合理的模型开发技术，与恶意滥用混为一谈。例如，知识蒸馏（distillation），即利用一个模型的输出帮助训练或改进另一个模型，是一种广泛使用的技术。它被用于模型改进，性能评估，技术验证。这种方式延续了长期以来的技术创新传统，学习已有技术，在其基础上构建新的能力。这一传统自开源软件运动兴起以来，一直推动创新发展。当然，非法从封闭模型中提取商业价值的行为值得关注。但这些问题应该通过有针对性的法律框架和商业规则来解决，而不应该采取全面限制那些对于AI创新具有重要意义的技术手段。
AI时代可能成为一个繁荣时代。只要做出正确选择，开放权重AI可以扩大创新机会，增强竞争，延续美国技术领导地位，降低风险，确保AI带来的收益能够广泛惠及整个经济体系。这样的未来值得建设，而美国应该引领这一建设。
附：签署机构名单
支持该信件的机构包括：
American Innovators Network、Andreessen Horowitz、Arcee AI、Arena、Black Forest Labs、Box、CrowdStrike、Dell Technologies、Emergence Capital、Hugging Face、IBM、Linux Foundation、Mariana Minerals、Meta、Microsoft、Mistral、Mozilla、NVIDIA、Palantir、Perplexity、Reflection、Replit、ServiceNow、Telnyx、Y Combinator等。
附：《Open Weights and American AI Leadership》原文
Signals. Systems. Shifts.
扫描二维码关注
10个月宝宝每天需要喝多少奶粉？
