随着人工智能技术渗透到日常生活的方方面面，围绕开放与封闭的争论愈演愈烈。在拉斯维加斯举行的Ai4大会上，三位重量级人物——诺贝尔奖得主杰弗里·辛顿、World Labs联合创始人李飞飞以及Coursera联合创始人吴恩达——分别阐述了各自的观点。他们一致认为，AI领域需要保持一定程度的开放，但具体路径和风险认知存在分歧。这场讨论不仅关乎技术走向，更直接影响到每一个普通用户使用的智能助手、AI画图工具等产品背后的生态。
开放与封闭：一场关乎创新速度的博弈
当少数大型公司掌控最先进的AI技术时，创新速度会下降，平台所有者也能左右开发者能在平台上创造什么。这是三人共同担忧的核心问题。辛顿、李飞飞和吴恩达都指出，类似苹果和谷歌控制移动操作系统的局面可能在AI领域重演——创新被压抑，小企业和开发者失去话语权。
吴恩达直言：“我不希望AI领域出现限制所有人获取和使用AI的‘守门人’。”他认为，如果只有少数资本雄厚的企业能开发最先进的AI系统，那么整个技术生态将失去活力。相比之下，开放权重模型让更多参与者能够以较低成本进行二次开发，这恰恰能促进竞争。
然而，开放并非没有代价。辛顿特别区分了开源软件和开放权重模型：开源软件公开底层代码，任何人都可以检查和修改；而开放权重模型只是将训练完成的模型参数直接公开。辛顿警告，开放权重模型可能被用于恶意活动，比如网络攻击，因为攻击者可以用远低于训练成本的钱继续训练模型。
这场博弈的结局似乎已经明朗——辛顿承认“开放权重模型已经存在，过去阻止大量人获得大模型的主要门槛已经消失”。但开放带来的风险同样真实存在，需要细致的监管机制来平衡。
开放权重模型：风险与机遇的“双刃剑”
作为AI领域的先驱，辛顿对开放权重模型的态度复杂而谨慎。他并不认为开放权重一定有助于维持竞争格局。他举例说：“开源很好，代码公开后很多人会逐行检查漏洞。但开放权重完全不同——基础大模型的训练成本极高，而人们拿到模型后可以用少得多的钱继续训练，让模型从事恶意活动。”
辛顿补充道，担心AI可能产生不良后果，以及比人类更聪明的智能体可能做什么，并不过分。把所有持这种观点的人都说成是散布恐慌，才是不公平的。他同时承认，关于是否应该允许开放权重模型的争论实际上已经结束——模型已经存在，讨论“要不要”已无意义，关键是如何管理。
但李飞飞提出了更细致的视角。她认为，不应该把问题简化成开放和封闭之间的二选一。用核物理来类比：科学论文可以公开发表，铀必须受到监管，实验室研究则处在两者之间。AI生态系统的不同层面完全可以采用不同程度的开放。例如，基础研究可以公开，医疗诊断等敏感应用则需闭源。
这种分层开放的理念，恰好与当前AI工具导航市场上众多工具（如AI画图、文生图等）的现状吻合：底层模型可能开放，但应用层由企业自主控制。
吴恩达的担忧：美国游说恐削弱开源竞争力
吴恩达的关注点更加务实和国际化。他直言不讳地指出，美国国内大量的游说和恐慌渲染，让美国开源AI越来越难与中国推出的开放权重模型竞争。“我希望我们能够推动美国的竞争力和开源AI。”
在他看来，真正的问题不是开放模型有没有风险，而是谁掌握模型使用渠道，以及谁最终能够占领市场。能以更低成本开发模型的一方会取得优势。保留多个AI供应商，让模型和企业彼此竞争，才能避免市场被少数参与者控制。
吴恩达的主张与当前最新科技趋势高度一致：越来越多的企业开始使用AI技术来优化业务流程，从智能客服到AI图片生成，开源工具大大降低了门槛。他甚至建议，如果只能给一个建议，他会选择推动开放——让所有人都能掌握AI这项令人惊叹的技术。
值得注意的是，吴恩达的立场与辛顿形成微妙对比。辛顿更关注开放带来的安全风险，而吴恩达认为开放带来的竞争收益远大于潜在威胁。这种分歧恰恰反映了AI领域内部深刻的张力。
李飞飞的“第三条道路”：分层开放与公私合作
李飞飞提出了一个更接近实践智慧的解决方案。她认为，把问题变成“从完全开放到完全封闭的二元对立”非常危险，实际情况要细致得多。她以人类基因组计划为例，说明公共机构和私营机构合作的价值：该计划产生的知识成为其他机构继续开展工作的基础，制药企业可以从中盈利，科学家能够进一步推进研究，社会也因此受益。
李飞飞强调：“我们必须把AI当作类似的基础设施。在科学发现、教育和全球合作中需要一定程度的开放，也需要让创业者能够拥有盈利的商业模式。闭源系统同样可以存在。”她认为，“只能容忍其中一种模式”这种过于笼统的争论本身就是一个错误命题。
这种分层开放的理念，实际上已经在许多AI应用场景中落地。例如，AI诗词生成工具可能基于开源模型，但用户界面和个性化服务由闭源企业提供；抠图工具底层使用开放权重模型，但上层功能经过企业优化。这种“开放核心+闭源应用”的格局，或许正是三人观点的最大公约数。
监管的必要性：不能把决定权交给马斯克和扎克伯格
尽管三人对开放程度的具体看法不同，但他们一致认同：一定程度的监管仍然是确保AI沿正确方向发展的必要条件。辛顿的表述最为直接：“我们希望AI朝着帮助人类的方向发展，监管可以帮助我们做到这一点。不能把AI应该如何发展的决定权交给马斯克和扎克伯格这样的人。”
这句话背后是对资本过度集中的警惕。当少数企业掌握最前沿的AI技术时，它们可能出于商业利益而忽视公共利益。例如，社交平台上的推荐算法就是典型的例子——算法本身是闭源的，公众无法监督它是否在放大极端内容。
李飞飞也指出，监管需要与开放并行。她认为，AI技术发展速度太快，立法者往往跟不上节奏，因此需要建立动态的、基于风险的监管框架。例如，医疗AI需要严格审核，而娱乐用途的AI网名生成器则无需过多限制。
吴恩达则提醒，监管不能成为大企业打压小企业的工具。他观察到，美国一些游说团体打着“安全”旗号推动的监管，实际上可能扼杀开源生态，让中国AI企业获得竞争优势。因此，监管必须精准、透明，避免被既得利益者利用。
智能助手时代：开放生态或将重塑用户体验
这场关于AI开放性的讨论，与普通用户每天使用的智能助手息息相关。当前，主流的智能助手（如Siri、Google Assistant、小爱同学等）大多依赖闭源大模型，用户无法知道它们背后的算法逻辑，也无法定制或改进。而开放权重模型的出现，让第三方的开发者可以基于开源模型构建自己的智能助手，甚至让用户拥有本地运行的个人助手，避免数据外泄。
例如，Meta开源的Llama系列模型已经催生了大量垂直领域的智能助手应用。AI工具箱中涌现出各种基于开放模型的工具，从艺术签名设计到古诗词生成，覆盖了创意、教育、办公等多个场景。这些应用不仅降低了使用门槛，还促进了创新——小团队可以快速迭代，而不必等待巨头开放API。
不过，辛顿的警告也值得深思：开放权重模型可能被滥用。如果恶意分子利用开放模型开发出能够模仿人类对话的欺诈机器人，后果不堪设想。因此，智能助手领域的开放并非无条件的，需要在代码级嵌入安全机制，比如限制模型的危险行为、加入水印等。
李飞飞的分层开放理念或许是最佳实践：基础模型保持开放，但应用层必须经过安全审核。背景去除这类工具可以完全开放，但涉及敏感领域的智能助手（如心理咨询）则必须闭源或接受严格监管。
FAQ
什么是AI开放权重模型？
开放权重模型是指将训练完成的大模型参数直接公开，任何人都可以下载、使用并进一步微调。与开源软件不同，开放权重模型只公开参数而不公开训练代码和数据集，因此无法逐行检查漏洞，但二次开发成本很低。这种模式在智能助手等应用中广泛采用，促进了AI技术民主化。
开放权重模型与开源软件有什么区别？
开源软件公开底层代码，任何人都可以审查、修改和分发；而开放权重模型只公开训练后的模型参数，不公开训练数据和代码。开源软件易于发现漏洞，开放权重模型则可能被恶意利用，因为攻击者可以用低成本继续训练模型实施网络攻击。两者在透明度和安全性上有本质差异。
智能助手如何受益于AI开放生态？
开放生态降低了智能助手的开发门槛，小团队甚至个人都可以基于开源模型构建定制化助手。用户也可以拥有本地运行的私密助手，避免数据上云。此外，最新科技如AI技术的进步，使得智能助手能更精准地理解用户意图，同时保持竞争活力，避免巨头垄断。