Let's Make AGI Real

第三章 风暴降临：AI如何重塑“开放”并引发全球博弈

如果说开放运动的内在矛盾是其“慢性病”，那么人工智能的崛起则是一场剧烈的“急性冲击”。它不仅加剧了原有的困境，更从定义、数据基础到监管环境，全面重塑了开放运动的格局，引发了一场全球性的博弈与反思。

定义之争：“开放洗白”与AI开放的光谱

在AI时代，“开放”一词的含义正变得前所未有的模糊与复杂。严格意义上的“开源AI”（Open Source AI）要求发布复现一个AI系统所需的所有组件，包括模型权重、训练代码和至关重要的训练数据。然而，当前市场上的主流实践是发布“开放权重模型”（Open Weights），即只公开模型参数，但对训练数据和代码保密或施加严格限制。

许多商业实体利用这种模糊性进行“开放洗白”（Open-Washing），将其仅开放权重的模型宣传为“开源”，意在享受开源社区的品牌声誉和开发者生态红利，同时通过限制性许可证维持其商业护城河。

Meta公司的Llama系列模型便是典型案例。其许可证明确禁止月活跃用户超过7亿的服务商使用，并限制其用于改进竞争模型，这直接违反了《开源定义》中关于“不得歧视任何个人或团体”和“不得限制任何应用领域”的核心原则，因此不被OSI和FSF认可为开源。与此形成鲜明对比的是，艾伦人工智能研究所（AI2）的OLMo模型，提供了复现研究的全部组件，被视为真正开源AI的典范。这种复杂的局面表明，“开放AI”已不是一个非黑即白的概念，而是一个充满了商业算计和战略博弈的复杂光谱。

表1：主流“开放”大语言模型开放程度对比

数据危机：AI训练的“原罪”

AI模型的智能根植于其训练数据，而当前主流模型的数据来源——大规模、未经授权的网络抓取——正引发一场深刻的法律与伦理危机，堪称AI的“原罪”。

在版权层面，《纽约时报》诉OpenAI案、Getty Images诉Stability AI案等标志性诉讼的核心争议在于：AI公司将受版权保护的作品用于模型训练，究竟是构成“合理使用”（Fair Use）的“变革性”使用，还是大规模的版权侵权？。内容创作者认为AI生成的输出直接与其作品在市场上竞争，损害了其商业利益，而AI开发者则主张其创造了新的工具，并非简单复制。

在伦理与安全层面，数据来源的问题更为严峻。被广泛用于训练图像生成模型的LAION-5B数据集，被发现包含大量儿童性虐待材料（CSAM）、未经同意泄露的个人医疗照片以及受版权保护的艺术作品，暴露了无监管数据抓取的灾难性后果。AI训练数据的危机，实质上是互联网早期的开放共享文化与既有的知识产权、隐私保护法律体系之间的根本性冲突。

全球博弈：监管分化与中国开源AI的崛起

面对AI带来的挑战，全球主要经济体正各自探索监管路径，形成了碎片化且充满不确定性的法律环境。欧盟的《AI法案》是全球首个全面性法规，它采取基于风险的等级化管理，但其对开源AI的规定尤为复杂。法案为开源AI提供了有限的豁免，但最关键的是，任何豁免都不适用于被认定具有“系统性风险”的模型（例如训练算力超过 $10^{25}$ FLOPs的模型），这为强大的开源AI开发者带来了一个合规悖论。与欧盟的强制立法不同，美国采取了以NIST《AI风险管理框架》为代表的自愿性框架，为所有AI系统提供统一的最佳实践指南，不为开源设立特殊规则。中国的监管框架则更具针对性，其监管对象是向公众提供服务的“服务提供者”，无论其底层模型是否开源，都要求对数据来源合法性、内容审核等承担严格责任。

表2：全球主要经济体对开源AI的监管框架对比

在这场全球博弈中，以中国的DeepSeek和阿里巴巴的Qwen（通义千问）系列为代表的新兴力量，正通过高度开放的策略迅速构建全球开发者生态。面对美国在先进AI芯片上的出口管制，开源成为一种利用全球社区力量来测试、改进和优化技术的有效突围方式。通过发布大量采用MIT、Apache 2.0等宽松许可证的模型，这些公司不仅在性能上迅速追赶西方领先模型，更以此作为吸引顶尖人才和构建生态系统的核心战略，预示着全球AI市场的竞争将不再仅仅是闭源生态系统之间的较量，更是开放生态系统之间的全面竞争。