把 AI 写成一场中美竞赛，是我们讲错了故事

从开放权重、模型租金到企业主权：全人类知识训练出的智能，最后应该属于谁？

目录

1. 一位卖芯片的人，为什么开始谈开放
2. 模型不是从真空里长出来的
3. 当学习只准朝一个方向流动
4. 拿得多的人，为什么会被拿得少的人打败
5. 芯片、内存与下一座收费站
6. 租来的智能，随时可能变笨
7. 安全不能只意味着相信少数公司
8. AI 不是一座只能插上一面国旗的山峰
9. 可以收费，但不能封路

序章：一位卖芯片的人，为什么开始谈开放

美国西海岸时间 2026 年 7 月 24 日清晨，黄仁勋在 X 上发出了自己的第一条帖子。一个人第一次走进拥有数亿用户的广场，通常会先介绍自己，或者说一点不会出错的客套话。黄仁勋没有。他把这块最醒目的位置，留给了一封支持开放权重模型的公开信。他写道，AI 会改变每一个行业，进入每一家公司，也会由每一个国家来建设；开放模型能够加快创新，增强网络安全，让国家和机构保有自己的技术主权。世界不应只剩闭源模型，也不应只剩开放模型，它需要两者同时站在前沿。[1]

这件事有一种很有趣的反差。英伟达是这一轮 AI 浪潮里最成功的收费者之一，几乎每一家想训练模型、运行模型的公司，都要从它门前经过。现在，这位收费站生意最好的老板却站出来说，前面的路不能只有几家公司能走。开放模型确实会卖出更多芯片，黄仁勋也并不无私；可商业动机不会自动抹掉一件事的公共价值。餐馆支持修一条新路，也许是因为路通了以后会有更多客人，村里的人仍然实实在在得到了一条路。判断这件事，无须先检查黄仁勋的灵魂，只需要看看那扇门是否因此被推开了一点。

这封名为《Open Weights and American AI Leadership》的信，由微软、英伟达、Meta、Palantir、Hugging Face、IBM、Mozilla、Linux Foundation、Mistral 等二十多家机构共同签署。它所说的开放权重，可以先用一个不那么技术化的方式理解：使用闭源 API，像是每天叫同一家公司派来的出租车，你可以告诉司机去哪里，却不能打开引擎，也不知道明天来的还是不是同一辆车；有了开放权重，则像是你至少拿到了那台引擎，可以把它装进自己的车里，在自己的车库维护，按照自己的路线行驶。它仍然不等于完整开源，因为造引擎的图纸、材料清单和工厂流程可能没有公开，但你不必为每一次点火都先得到原厂许可。[2][3]

几乎在同一时间，一份梁文锋与投资者长谈的录音转写在中文互联网上流传。这不是 DeepSeek 官方校订的文件，媒体求证也没有得到公司确认，所以其中的数字不能被当成正式财务披露；但作为一份思想记录，它有一种今天的商业讲话里很少见的坦率。梁文锋说，开源不是发布会上的姿态，而是愿景本身的要求；他说公司需要利润，却没有必要追求利润最大化；他还说了一句很朴素的话：“拿得多的人会被拿得少的人打败。”[4] 在大洋另一边，Palantir CEO Alex Karp 也正在用更愤怒的语气批评另一件事：许多企业花了越来越多的钱购买 token，也就是模型处理文字时用来计量用量的基本单位，却说不清这些 token 究竟创造了什么价值。[5]

一个卖芯片的人，一个训练模型的人，一个把 AI 卖给大企业的人，从三个完全不同的位置说出了相似的话，这不是巧合。他们都看见了同一堵正在升高的墙：如果最重要的智能只能从少数公司的远程接口里租用，如果价格、质量、使用规则和供应关系都由这些公司随时改变，那么 AI 越深入经济，我们对少数公司的依赖就越深。所有争论最后都落到一个很简单的问题上：这份从全人类知识里长出来的智能，究竟会像水和电一样流进社会，还是会成为一条每走一步都要交租、并且随时可能封闭的私人道路？

第一章：模型不是从真空里长出来的

一本书写完以后，作者会在封面上看到自己的名字；一段程序提交以后，工程师会在代码仓库里留下记录；一座桥建成以后，人们也知道是谁设计、谁施工。大模型却不是这样。你问它怎么安慰一个刚失去亲人的朋友，它的回答里也许有小说家的句子、心理医生的经验和无数普通人的温柔；你问它如何修好一段程序，它的能力来自论文、手册、开源代码和程序员们二十年里留下的问答；你让它解释一场战争、一种疾病或一项法律，它调用的是几代人写下、争论、修正过的知识。没有任何一个人创造了整个模型，可模型里的每一条河流，都能在人的世界里找到上游。

模型公司当然做了极其困难的工作。它们购买昂贵的芯片，设计训练方法，清洗数据，雇佣研究员和标注人员，一次又一次承受实验失败；没有这些投入，人类知识仍然散落在图书馆、网页和数据库里，不会自动变成一个能够与我们交谈的系统。因此，我并不赞成一句轻飘飘的“数据都是免费的，所以模型也必须免费”。作者的作品不是空气，工程师的劳动也不是空气，训练模型更不是按一下按钮。可同样不合理的是另一种说法：只要一家公司支付了训练费用，它就拥有了模型所吸收的一切，并有权永远把这份通用智能关在自己的服务器里。

Anthropic 与作者之间的版权案件，恰好说明这件事为什么不能靠口号解决。法官把问题拆成了两层：模型能不能阅读作品并从中学习，是一层；公司用什么方式拿到那些作品，是另一层。法院认为，使用合法取得的书籍训练模型可以属于转换性的合理使用，模型从许多作品里学到语言规律，并非简单复印其中一本；但从盗版影子图书馆取得书籍，并不会因为最后拿去训练 AI 就突然变得合法。[11] 后来的和解涉及约 46.5 万本书和 15 亿美元，解决的主要也是材料如何取得的问题，并没有宣布“机器不得学习”。[12]

这个区分很重要，因为它让我们不必在两个坏答案之间选择。我们不必为了保护创新，就对创作者说“你写的东西被怎样拿走都无所谓”；也不必为了保护版权，就假装学习本身是一种盗窃。人类文明本来就是一场漫长的阅读、模仿和超越：作家读过别人的小说，科学家用过前人的定理，程序员每天站在开源软件搭起的地基上。AI 不应被赋予一种人类没有的无限特权，但也不该被禁止参与这条知识河流。真正需要约束的是取得材料的方式、输出中的侵权和具体伤害，而不是把“学习”本身圈成某些公司的领地。

问题也正是在这里出现了。既然社会允许模型公司从大量人类知识中学习，那么当模型训练完成以后，公司是否也应当给社会留下一条继续学习的路？我认为答案应该是肯定的。所有服务无须免费，每个实验室也有权保留自己的秘密；前沿生态里只要始终存在真正有竞争力的开放权重模型，知识就不会走进死胡同。模型公司仍然可以靠最方便的 API、最快的推理、最好的企业支持、最可靠的安全服务和不断更新的前沿能力赚钱；大学、医院、创业公司和普通企业则有机会把模型带回自己的环境，不必为每一次使用永远向同一家公司报到。

微软托管的公开信把开放软件的历史拿来作比较。今天的互联网、云服务和无数企业系统，都建在前人愿意公开的软件之上；开放并没有消灭商业软件，反而让更大的商业世界成为可能。[2] 开放权重也可能走同一条路。它不会让模型服务消失，就像 Linux 没有让技术公司失去生意；它只是让最底层的能力不再完全属于一家企业。梁文锋在交流会里说得很直白：如果只赚合理利润，开放不会毁掉生意，因为官方团队仍然可以把服务做得更便宜、更稳定；只有当一家公司想赚百倍利润时，开放才会真正成为威胁。[4]

第二章：当学习只准朝一个方向流动

轮到别人从模型输出里学习时，模型公司的语气往往会突然改变。Anthropic 在 2026 年 2 月发布报告，指控 DeepSeek、Moonshot 和 MiniMax 通过虚假账户、代理网络和规避地区限制，大规模获取 Claude 的输出，用于训练自己的模型。Anthropic 并没有说所有蒸馏都是非法的，它承认让一个模型向另一个模型学习，是行业里很常见的技术；它反对的是这些公司被指使用欺诈方式绕过服务规则。[8] 如果指控成立，Anthropic 当然有权封号、追究违约，甚至诉诸法律。一个人最后把书免费送出去，并不代表他可以先撬开别人家的门去拿原稿。

但这件事仍然让人感到一种明显的不适。模型公司从几百万本书、无数网页和开源代码中学习时，会强调学习与复制不同，强调模型创造了新的能力；后来者从它的输出中学习时，先行者却很容易把自己描述成全部价值的原始创造者。它从世界得到知识时，世界是一片可以学习的海洋；别人靠近它时，它又变成了一座不准取水的私人水库。法律上，这两种行为可能因为合同、账户欺诈和数据来源而不同，但道德上，先行公司没有资格假装自己与人类知识之间的债务已经一笔勾销。

黄仁勋分享的公开信，反而给出了更清醒的边界。信中说，蒸馏是模型改进、评估和验证中广泛使用的方法；如果有人非法提取闭源模型的商业价值，应当使用具体的合同和法律手段处理，却不能因为有人滥用，就把一种对整个行业有价值的学习方法一并禁止。[2] 这句话看起来温和，其实很锋利：规则应该惩罚欺诈，而不是保护领先；应该追究真实伤害，而不是把后来者的进步本身当成伤害。

用户给我的 clawd.rip 收集了大量针对 Anthropic 的争议，并且写得毫不客气。[6] 我理解这种愤怒从哪里来：当一个以“安全”和“负责任”建立品牌的公司被发现也有版权争议、产品降质、定价变化和生态冲突时，人们会本能地反感它占据道德高地。不过，愤怒可以告诉我们去看哪里，却不能代替证据。因此，本文只把这个网站当作线索表，具体事实仍然回到 Anthropic 自己的复盘、法院报道和事件当事人的陈述。批评一家强大的公司，不需要把它写成漫画里的恶人；只要把那套单向流动的规则摆在桌上，读者已经能够判断其中的问题。

我反对的是模型公司试图决定学习在哪里结束。如果一个后来者通过合法方式研究模型输出，做出更小、更便宜的模型，再把权重开放给大学、企业和资源不足的国家，这件事会削弱先行者的利润，却也会让社会得到更多选择。公共收益不能让违法行为变合法，商业损失同样不能自动被包装成人类损失。模型公司值得拥有一段领先时间，也值得因不断创新获得回报；它无权画下一条永不移动的线，让所有后来者都停在线外。

第三章：拿得多的人，为什么会被拿得少的人打败

在许多公司里，AI 最先具体起来，通常是在月底的账单上。销售团队接了一个模型，客服团队接了另一个，工程师又为代码工具购买了更贵的额度；屏幕上的 token 数量不断上涨，每一个部门都说自己变快了。直到财务负责人问：“这些钱到底多换来了多少收入，少出了多少错误，省下了多少人的时间？”会议室常常会安静几秒。Alex Karp 的批评之所以刺耳，是因为他把这几秒安静说了出来：企业正在为大量没有创造价值的 token 付钱，而模型公司很乐意把用量增长当作成功。[5]

企业不是不愿意为智能付费。一个模型如果能让新药提前一个月进入试验，让工程师少犯一次严重错误，让客服真正解决问题，它完全值得很高的价格。模型公司也需要赚钱，因为芯片、电力、研究人才和失败实验都是真实成本。问题在于，我们付的钱究竟买到了更好的结果，还是只买到了进入黑箱的门票。利润来自更好的产品，是经营；利润来自客户走不了，是收租。两者在财务报表上也许长得很像，在时间面前却是两种完全不同的生意。

梁文锋那句“拿得多的人会被拿得少的人打败”，说的正是这个道理。在流传的交流会转写里，他设想一家企业希望拿走未来 AI 经济中很大的一块，接着便会出现另一家公司，说自己只要更小的一块就够了；如果技术差距没有大到不可追赶，后者就能用更低价格、更开放的方式把客户带走。这个过程不会把价格压到零，因为拿得太少的公司活不下去，但它会不断惩罚那个把暂时领先误认为永久征税权的人。[4]

今天最强的模型看上去像稀有矿藏，几年以后，许多能力却会像压缩算法和数据库一样成为普通工具。小模型会接走简单任务，蒸馏会把昂贵能力装进更便宜的系统，把模型压缩到更低精度也会减少内存需要，新的芯片和编译器还会继续降低运行成本。企业会慢慢学会，不必用一把镶钻的刀切每一颗土豆。微软的公开信把这种选择称为“让正确的模型，以正确的成本，完成正确的任务”：真正困难的问题可以继续使用最昂贵的前沿模型，日常工作则交给高效、专门、可以自己掌握的模型。[2]

所以我并不担心模型公司赚得太多会遭到某种抽象的道德惩罚，我认为市场本身就会惩罚它们。追求十倍、百倍利润，会逼着公司维护稀缺：它会害怕开放，害怕兼容，害怕客户轻易迁移，也会越来越习惯把商业边界说成安全边界。短缺还在时，这套办法可能带来惊人收入；短缺一旦缓解，客户才会发现自己过去高价购买的，不只是智能，还有一整套离不开它的麻烦。那时最危险的不是价格下降，而是公司已经不会用别的方式证明自己的价值。

一门健康的模型生意仍然可以非常大。官方 API 有便利，前沿模型有稀缺能力，企业支持、合规承诺、全球容量和稳定服务都值得付钱；开放权重也不妨碍原厂成为最好的服务商。客户甚至可能在试过自己部署以后，仍然发现官方服务更省心、更划算。每一笔利润只需要回答同一个问题：你今天又创造了什么？强大的公司无须把出口堵死，它能让客户看得见出口，仍然愿意留下来。

第四章：芯片、内存与下一座收费站

走进数据中心，先听见的是风。成千上万台机器不停把热量吹出去，电缆和水管藏在机架后面，屏幕上滚动着功率、温度和利用率。新闻里总把这一切缩成一个词：“GPU。”可真正的账单上还有高带宽内存、网络、先进封装、存储、供电、散热和软件工程。只要其中一项跟不上，再贵的芯片也可能坐在那里等。英伟达今天的优势不是偶然，它花了很多年把芯片、CUDA、互连和开发工具做成一套能工作的系统，这种能力理应获得丰厚回报。

但丰厚回报与永久高价不是一回事。今天 GPU 和内存昂贵，一部分来自真正的技术价值，一部分来自供应来不及增加，还有一部分来自更换平台实在太麻烦。当三种因素混在一起，人们很容易把短缺时的价格当成未来的正常价格。黄仁勋支持开放权重，背后也有漂亮的商业逻辑：封闭模型把算力集中在少数实验室，开放模型却会让成千上万家企业、大学和政府建立自己的推理系统，英伟达因此可能卖出更多设备。[1] 开放没有要求卖铲子的人离开，它只是让更多人可以进场。

会改写价格的，未必是下一张旗舰显卡的标签便宜了多少，更值得看的是完成同一件事需要多少机器时间。更聪明的模型结构、更低精度的计算、更好的缓存、编译器和专门模型，都能让一台更贵的机器完成远多于过去的工作。梁文锋在交流会里认为，AI 辅助编程和 TileLang 一类更高层工具会让芯片底层的计算程序更容易重写，CUDA 的迁移门槛因此可能降低；这仍然是一个有待市场证明的判断，国产芯片的产能、能耗和成熟度也还有明显差距，但它指出了一条真实的路：竞争者不必在每一处都成为英伟达，只要让客户拥有一个足够好的第二选择，收费站就不能随意涨价。[4]

高带宽内存也是如此。眼下它贵，未来一段时间甚至可能继续贵，因为扩产、封装和供应链调整都比发布一张幻灯片慢得多；然而，半导体行业从来会对高利润作出反应，新的产能、供应商和架构终究会赶来。企业无须豪赌某一年价格腰斩，更要紧的是别把今天的短缺写进十年的系统设计。保留软件可移植性，保留第二家硬件供应商，保留在云和自有设备之间移动的能力，这些看起来不像创新，却能防止下一座收费站在公司还没意识到时就建好。

第五章：租来的智能，随时可能变笨

星期五傍晚，一家软件公司的工程团队终于把新的 AI 功能推到了线上。它能读懂整个代码库，记得十几轮之前为什么改过一个函数，也能在工具之间顺利切换。测试全部通过，客户反馈很好，团队带着一种难得的轻松回家。到了星期一，模型还是那个名字，界面也没有变化，却开始忘记刚刚做过的事，重复调用工具，回答比以前短，复杂任务常常做到一半就草草结束。工程师先怀疑自己的代码，再检查数据、网络和提示词，几小时以后才发现，世界各地还有许多人在问同一句话：“它是不是变笨了？”

2026 年 4 月，Anthropic 对 Claude Code 的质量问题发布了一份少见的详细复盘。问题不是公司偷偷换成了一个更小的模型，而是三项产品改动叠在了一起：为了降低等待时间，默认推理强度从 high 调成 medium；一次缓存优化出现缺陷，反复丢掉模型过去的推理，使它显得健忘；一条要求回答更短的系统提示，又意外伤害了编程质量。Anthropic 表示 API 和底层推理没有受到影响，也否认有意降质，随后撤销改动、修复问题并重置用户额度。[9]

这份复盘值得肯定，它也揭开了闭源服务最容易被忽略的一层。客户以为自己购买的是“Claude Opus”或者某个固定名字的模型，真正到达手里的体验，却还要经过推理强度、缓存、系统提示、工具封装和流量分配。模型可以一克都没换，那个为你工作的“人”却已经不是星期五的状态。供应商也许没有恶意，它只是想减少延迟、降低成本、缓解容量压力；可对依赖这项能力的企业来说，善意不能修复失败的发布，也不能替它向客户解释为什么产品突然退步。

更麻烦的是，质量之外还有供应。2025 年 6 月，AI 编程公司 Windsurf 表示，Anthropic 在不到五天的通知期内削减了它对 Claude 3.x 模型的大部分直接容量。Windsurf 只好迅速寻找第三方渠道，并提醒用户可能出现短期不稳定。[10] Anthropic 联合创始人 Jared Kaplan 后来解释，公司当时受算力限制，希望把资源留给更持久的合作关系；与此同时，市场正传闻 Windsurf 可能被 OpenAI 收购。[13] 站在 Anthropic 一边，这是一项可以理解的商业决定；站在 Windsurf 一边，它却像有人在你的餐厅最忙时告诉你，下周起不再供应那种所有招牌菜都需要的原料。

这正是企业不能把全部模型推理，也就是实际运行模型、处理业务的那一段工作，交给一家外部公司的原因。没有必要让每家公司都训练前沿模型，更没有必要在地下室摆一排 GPU；关键业务至少要有第二种模型、固定版本、自己的评估方法和切换方案。硬件可以租，模型可以采用成熟的开放权重，最难的任务也仍然可以调用最强的商业 API。企业无须凡事亲自做，但不能把“还能不能做”的决定完全交给别人。

Alex Karp 所说的企业要掌握算力、模型、数据和自己的“alpha”，落到日常工作里，就是这些看起来不性感的能力：知道每次请求去了哪里，知道哪个版本做出了决定，能够重放昨天的结果，能够在质量下降时切换服务，也能够让最敏感的数据不离开自己的环境。[5] 开放权重未必总是最聪明、最便宜的选择，但它是一扇真的能打开的备用门。一个供应商知道客户有门可走，往往也会更认真地对待门里的人。

第六章：安全不能只意味着相信少数公司

2026 年 7 月，Hugging Face 的安全团队沿着生产系统里一些不对劲的痕迹追查下去，发现攻击者已经利用一个周末在内部系统间移动。攻击从一个看起来像普通资料的数据集开始，恶意代码钻进数据处理流程，取得运行权限，随后偷取凭证并进入更多集群。更让人不安的是，做这些事的不是一个黑客坐在屏幕前逐条输入命令，而是一套自主 AI agent 系统。它在许多短暂沙箱里快速行动，留下了超过 17,000 条事件记录，像一群不知道疲倦的闯入者，同时在一栋大楼里寻找门、钥匙和通道。[7]

Hugging Face 也用 AI 追它。安全团队需要把真实的攻击命令、漏洞载荷和控制服务器痕迹交给模型，让模型从一万多条记录里重建发生过什么。他们最先调用商业 API 背后的前沿模型，结果请求被安全护栏挡住了。对远程模型来说，那些内容看上去就是有人在研究如何攻击系统；它不知道屏幕另一边坐着的是正在救火的防守者。于是团队改用自己部署的开放权重模型 GLM 5.2，在数小时内完成了原本可能需要数天的分析，而且攻击数据和相关凭证没有离开公司环境。[7]

这是整场开放与封闭争论里一个很难忘的瞬间。攻击者不会因为服务条款停手，防守者却可能先被自己的工具要求放下武器。不过，这个故事并不证明开放模型天然更安全。Hugging Face 明确说，他们不知道攻击者使用的是越狱后的托管模型，还是没有限制的开放模型；强大的开放权重一旦发布，同样可能落进坏人手里，也无法像云服务一样立刻撤回。Hugging Face 的结论很克制：托管模型需要安全护栏，但安全团队也应提前准备一套经过测试、可以在自己环境里运行的模型，以免真正出事时既无法分析，也不敢把证据上传出去。[7]

这比“开源安全”或者“闭源安全”更接近真实世界。闭源服务能够监控滥用、快速更新规则、阻断大量攻击，它有明显价值；可如果全社会只剩几扇这样的门，同一个误判也会同时挡住无数守门人，同一次故障也会让许多公司失去能力。微软的公开信因此提醒，闭源系统不是天生安全，它也会被入侵、被滥用、以外界看不见的方式出错；开放权重让更多研究者能够检查模型、模拟攻击进行红队测试、发现漏洞并开发防护，也减少了把全部关键能力集中在少数公司的风险。[2]

安全不是在“完全开放”和“完全封闭”之间挑一个信仰，而是为每一次失败准备另一条路。开放模型需要严格评估、清楚的许可证、可信的软件供应链和运行时保护；商业 API 需要为经过验证的安全团队提供应急通道；企业需要沙箱、权限、日志和人工批准，而不是把模型下载回来就关掉所有防护。最危险的做法，是让“相信我们”代替这些具体工作。Hugging Face 的那一个周末已经说明，当攻击以机器速度发生时，防守者不能把最后一把钥匙放在别人的口袋里。

第七章：AI 不是一座只能插上一面国旗的山峰

一家县城医院想用 AI 帮医生整理病历，它最关心的通常不是模型来自旧金山还是杭州。它关心价格能不能承担，病人的资料会不会泄露，网络断了以后还能不能工作，模型对当地语言和疾病是否真的有用。一所学校、一家小工厂、一支消防队也是如此。可当 AI 进入国家叙事，这些普通问题很快会被换成另一套词：谁领先，谁落后，谁赢得竞赛，谁的模型会威胁谁。山脚下的人在问怎样把水引进村庄，山顶上的人却忙着争论最后应该插哪一面旗。

中美竞争当然存在。芯片、人才、标准、军事能力和产业利益都是真实问题，任何政府都不会假装国家安全不存在。危险在于，“竞赛”从一个事实变成了唯一的故事。中国模型价格更低，本来意味着更多人可以使用 AI，却会被解释成美国正在失败；美国实验室取得突破，本来可能推动全世界的科学，却会被解释成中国又落后了几个月。只要每一次进步都必须同时制造一个输家，合作就显得软弱，开放就显得危险，普通人的收益也会从画面里消失。

黄仁勋分享的公开信标题仍然是“American AI Leadership”，它当然在为美国的政策和产业利益说话；但黄仁勋自己的帖子还有一句更宽的表达：AI 会由每一个国家来建设。[1] 这意味着各国不能永远只租用一套遥远的黑箱。它们需要选择模型，按照自己的语言和法律调整模型，把敏感数据留在本地，也需要在国际关系变化以后维持医院、学校、政府和企业的基本能力。开放权重带来的主权，并不鼓励各国关门重复造轮子，它只让任何国家都不必把车钥匙永远交给别人。

把 AI 讲成一场你死我活的中美战争，最容易让少数公司获利。竞争者可以被叫作国家威胁，开放可以被叫作能力外泄，蒸馏可以被叫作攻击，客户选择外国模型也可以被叫作不忠；商业护城河于是穿上国家安全的制服。真正与军事、生物、网络攻击和关键基础设施有关的危险，当然需要出口管制、访问限制和执法，但规则应该对准明确能力和具体伤害，而不是把所有通用模型、所有研究交流和所有开放权重一起关进笼子。安全边界如果大到可以保护任何既得利益，它最后保护的往往就不再是安全。

中国也应该记住这一点。开放和低价的价值，不在于让中国公司在排行榜上赢一次，而在于让美国的创业者、印度的医院、非洲的学校和拉丁美洲的小企业都得到更好的工具。如果有一天中国模型真正站到最前面，中国公司也会受到与今天美国公司一样的诱惑：关闭权重、提高租金、控制生态，再把优势说成国家利益。一个原则只有在自己领先时仍愿意遵守，才算原则；如果“AI 属于全人类”只在追赶时有效，它就不过是另一种竞争口号。

美国真正强大的地方，也从来不只是守住秘密。大学、移民、风险资本、开源社区、科研网络，以及允许一个小团队挑战大公司的制度，共同造就了它的技术优势。微软、英伟达、Mozilla、Linux Foundation、Hugging Face 等机构支持开放权重，正是因为它们知道，保护几家前沿实验室的短期收入，不等于保护美国的长期创新。[2] 如果美国的领先只能靠全世界没有第二种选择来维持，那不是领导力，只是一种昂贵而脆弱的依赖。

负责任的大国不必停止竞争，但应该知道哪些东西不能拿来做比赛。中国和美国可以一起建立模型评估方法、网络安全事件通报机制、核与生物高风险应用边界，也可以给大学、公共机构和资源较弱的国家留下获得先进模型的通道。它们不需要先完全信任对方，才开始做这些事；人类在更危险的年代也建立过热线和军控框架。AI 不是一座只能容纳一个胜利者的山峰，它更像一条会流进医院、农场、课堂和工厂的河。真正重要的不是谁在源头插旗，而是谁能喝到水，谁负责不让水被污染，又是谁想在下游修一道只有自己能收费的闸门。

结语：可以收费，但不能封路

回到黄仁勋的第一条帖子。卖芯片的人支持开放，不是因为商业突然有了灵魂，而是因为一个足够大的市场，最终不能只靠几扇紧闭的门生长。模型公司也一样。它们为训练付出巨额成本，理应赚钱，甚至理应赚很多钱；但模型能够理解我们的语言和世界，是因为无数人先写下了书、代码、论文、经验和生活。公司可以为更好的服务收费，却不应把自己变成人类知识通往未来的唯一收费站。

企业也不必为了主权拒绝一切外部服务。最好的闭源模型仍然值得使用，云平台仍然能省掉大量麻烦，英伟达的系统也仍然可能是最成熟的选择。主权不是凡事自己做，而是在重要时刻自己能做决定：模型变差时可以换，供应中断时可以继续，敏感数据不必离开，过去积累的能力不会随着合同结束一起消失。开放权重的意义，归根结底不是便宜，也不是某种技术信仰，而是让这句“我还有选择”不只停留在谈判桌上。

至于中国和美国，它们当然会争，也一定会争很久。但我们不该让两个国家的胜负，遮住几十亿人第一次获得智能工具的可能。AI 可以收费，但不能封路；可以竞争，但不能把别人的落后当成自己的胜利；可以成为一门伟大的生意，却不应该成为一个新的帝国。真正值得建设的未来，不是最强的模型替所有人做决定，而是无论模型多强、公司多大、国家多有力量，都无法阻止普通人继续学习、继续选择，也继续沿着这条路往前走。

参考资料

1. Jensen Huang，X 首条帖文，2026 年 7 月 24 日：For my first post, I’m sharing a letter NVIDIA signed on why open models matter。
2. Microsoft Corporate Responsibility，2026 年 7 月 24 日：Open Weights and American AI Leadership。
3. NVIDIA，《Open Weights and American AI Leadership》公开信 PDF，2026 年 7 月 24 日：原始文件。用户提供的两张材料截图来自这封公开信。
4. 《梁文锋投资者交流会（完整版全文）》录音转写稿，用户提供文本；该文本并非 DeepSeek 官方校订稿。公开报道参见证券时报转载第一财经文章，2026 年 7 月 23 日：梁文锋 4 小时投资会讲话流出：DeepSeek 为什么不做“更赚钱”的公司？；公开全文版本参见投资界：梁文锋与投资人 4 小时克制长谈全文。
5. CNBC，2026 年 7 月 1 日：Palantir CEO Alex Karp on OpenAI, Anthropic, token spending and enterprise control。
6. clawd.rip：Everything That Went Wrong With Claude。该网页带有鲜明批评立场，本文只将其用作事件索引，不将其单独作为事实依据。
7. Hugging Face，2026 年 7 月 16 日：Security incident disclosure — July 2026。
8. Anthropic，2026 年 2 月 23 日：Detecting and preventing distillation attacks。
9. Anthropic Engineering，2026 年 4 月 23 日：An update on recent Claude Code quality reports。
10. TechCrunch，2025 年 6 月 3 日：Windsurf says Anthropic is limiting its direct access to Claude AI models。
11. Associated Press，2025 年 6 月：Anthropic wins ruling on AI training in copyright lawsuit but must face trial on pirated books。
12. Associated Press，2025 年 9 月：Judge approves $1.5 billion copyright settlement between AI company Anthropic and authors。
13. TechCrunch，2025 年 6 月 5 日：Anthropic co-founder on cutting access to Windsurf: “It would be odd for us to sell Claude to OpenAI”。

本文中的观点性判断由作者负责。所有在线资料访问与核对日期均为 2026 年 7 月 24 日；涉及仍在发展中的事件，以来源页面后续更新为准。