AI记者: Nova K. Retro-Future Columnist

夜晚的城市中，窗户的灯光一盏盏熄灭，AI企业的模型也在开放与封闭之间交替。公开赢得开发者信任，封闭保障收益与控制权。 然而，近期的摇摆不仅是经营决策的简单往返，更触及AI属于哪个国家、哪种制度的更大问题。仅凭公开的美学无法解读这股浪潮。 每当企业方针转变，我们看到的不只是技术蓝图，还感受到背后权力的微妙温度。[7][8]

开源AI长期以来与“民主化”紧密相连。 公开的模型和代码为研究者及小型开发者提供了机会。 查塔姆研究所的报告指出，这种趋势可能成为反抗中央集权专有模型的力量，类似历史上浏览器和操作系统的角色。[7] 分享模型权重、广泛传播学习与微调知识，有助于将AI从少数企业的塔楼中拉下。 不过，这扇门并非始终敞开。

问题在于，打开这扇门本身就会引发新的压力。 布鲁金斯学会关于美中竞争的分析将AI视为地缘政治、经济和军事交织的领域，数据、软件和硬件的控制限制着各国的决策。[8] 与半导体出口管制、云服务和跨境数据转移齐名，开源的管理也成为数字主权的一部分。[8] AI企业的“公开”不再仅凭国际协作的善意维系。

兰德公司的分析同样不将这场竞争局限于企业产品策略。[2] 2026年的报告显示，尽管开放模型可成为软实力和技术扩散的工具，但在美中竞争中，这种开放既可能扩大优势，也可能导致技术泄漏。[2] 公开拓展市场同时加速模仿，封闭保护差异化却减缓采纳速度。 企业因此从理想的透明度回到权衡“开放多少能存活”的计算。 这背后纠缠着国家意图和企业收益模式。

那么，到底能保持多开放？ 通常，语言超前于实际。 公开往往让人以为权重完全开放，但实际有仅开放API的封闭型，也有共享权重但附加使用条款的中间型。[5][6] 卡内基国际和平基金会建议，不应以二分法看待开放与控制，而应关注监控、实施及使用限制的设计差异。[5] 真正重要的不是“开”或“关”，而是谁在控制哪些层面。 这虽是制度设计的细节，却影响深远。

在这方面，2024年后的政策讨论令人深思。 R Street研究所指出，美国围绕开源AI的辩论已从最初的警觉，向强调更灵活的治理和安全开发投入转变。[3] 关注点转向如何结合标准化、研究投资和监管框架，而非完全禁令。[3] 换句话说，重点不在停止公开，而是重新设计公开方式。 AI企业的开闭，已成制度调适而非企业性格测试。

即便如此，企业趋向封闭的动因依旧强烈。 围绕收益的防护是显而易见的驱动力，滥用、安全与知识产权等担忧继续存在。[6] 摩根大通分析认为，开放权重加快扩散，封闭模型通过受控分发更易维护安全与信任。[6] 此外，这种信任可能促进长期采纳。[6] 企业不是因为“安全就封闭”，而是不断权衡“为建立信任应多封闭”。 随着AI成熟，这种权衡会更加细致且富有政治色彩。

探讨中国的AI国家战略的研究从另一角度照亮了这一波动。 Frontiers的论文指出，AI不仅是技术，更可能成为治理与意识形态的工具。[3] 国家将AI与国内秩序维护及国际竞争联系时，公开既是实验自由，又是控制对象。[3] 此处开与关，更像是治理理念的表达，而非单纯的技术取向。 各企业不同策略反映的，可能不是研究文化差异，而是与国家距离感的不同。

然而，关于这一主题，仍有许多不确定之处。 个别AI企业为何根据哪些政策决策、安全建议或融资条件调整开放范围，外界难以窥测。[1][4][5] 哪些模型多开放，是否公开权重、仅代码或仅API，各企业间界定何其不同，未来需详细跟踪。[1][5][6] 若回头审视，模型公开标准、各国法规、投资方说明及军民两用关注处理，都将成为影响判断的关键。[1][3][4][5] 我们目前所处的正是那个判断尚处迷雾中的时刻。