开源与闭源:AI的“安卓”与“iOS”之战

 当技术与“公共物品”这个理想相遇，AI的未来将由谁书写？

历史似乎在重演，只不过这次的主角，变成了大模型。

而2025年，DeepSeek的出现，让“开源”这张牌以意想不到的方式，打在了牌桌中央。

一条开源模型如何改变了全球AI的格局？

2025年1月，中国的深度求索团队发布大语言模型DeepSeek-R1。它的性能对标全球业内最领先的闭源模型，总训练时长仅约80小时，训练成本约29.4万美元——只是一个典型闭源大模型研发费用的零头。最关键的是，DeepSeek同步开源了模型权重，开发者可以免费下载、任意修改、自由部署，甚至商用。

它的低成本高成效和开源姿态，被业内称为“DeepSeek时刻”。此前，大模型闭源一度被视为“必由之路”；此后，越来越多的企业意识到开源不再是一个可选项，而是一道必答题。

数据印证了这种趋势。OpenRouter的数据显示，开源模型的使用份额已攀升至33%。在更广义的开源代码生态中，中国已经跑到了前面。MIT和Hugging Face的研究发现，在截至2025年8月的一年里，中国开发的权重开放模型的全球下载量，首次超过了美国。

主导这种全球市场竞争的，不再只有硅谷巨头。正如《麻省理工科技评论》指出，中国的AI头部机构正采取一种与美国科技公司截然不同的做法：美国企业倾向于将技术锁在API后面收费，而中国公司将模型作为可下载的开放权重包发布，让开发者无需与某个守门人协商商业关系就能自由使用。

安卓与iOS的类比：开源与闭源的分野

要理解开源与闭源AI之争的本质，最贴切的类比就是智能手机时代的两大操作系统：开源的安卓和闭源的iOS。

安卓开源，催生了包括华为、三星、小米等在内的数百万开发者生态和全球数十亿台设备。iOS闭源，苹果牢牢把控软件与硬件的每个环节，用一个设备系列拿下了手机市场大部分利润。开源和闭源，从来没有绝对的“谁更好”，只有“用在什么场景、追求什么目标”。

AI大模型的故事亦然。闭源路线代表：OpenAI的GPT系列、谷歌的Gemini、Anthropic的Claude。开源路线代表：Meta的Llama系列、阿里的Qwen系列、深度求索的DeepSeek系列。

两者之间交锋的分歧点，与其说是技术的高低，不如说是商业哲学、安全理念与社会价值观的根本差异。

规模效应与商业壁垒：闭源的商业逻辑

闭源模型的核心竞争壁垒在于规模化。由于训练成本极高，能够负担前沿大模型研发的机构始终是少数；一旦模型上线，使用权又被限定在API调用或企业合作渠道内。

这种模式的商业收益是显而易见的。以OpenAI、Anthropic和谷歌为例，依靠订阅制和API收费，它们构建起高客单价、高毛利、通过封闭生态捕获商业价值的大型业务闭环。

与此同时，闭源大模型产品往往能够提供更好的技术支持和开箱即用的服务。在通用能力、多模态、复杂推理等方面，目前闭源模型仍然保持一定的领先。GPT-5在通用任务上表现优异，Claude Opus 4.6在编程和安全性上表现突出，Gemini 3.1 Pro在推理基准上依然是第一梯队。

闭源模式的另一个明显优势在于安全保障：由大型商业机构建立的模型封闭系统，便于进行专业定制和质量管控。

不过，“闭源”绝非万能。大规模部署的时候，调用闭源API的成本会是一个让中小企业和研究机构无法忽视的财务负担。有数据显示，闭源模型的某一先进版本，单次调用成本便达到0.03美元左右——对高并发和大量用户而言，这个成本压力是线性的。而开源模式恰好能够规避这个过程。

成本打破垄断：开源是推动AI民主化的引擎吗？

如果说闭源模式是“高高在上的堡垒”，那么开源模式就是“免费的麦田”——任何人都能共享，任何种子都能在其中扎根。

开源AI的一大优势在于显著降低成本和打破算力垄断。DeepSeek颠覆传统算力“大力出奇迹”的粗放思维，打破高端算力的垄断封锁，极大降低了AI研发应用的门槛。最新的Llama 4系列MoE大模型最高已达1.2万亿总参数，多项基准测试与闭源模型不相上下，开源大模型的技术正在极速追赶其闭源对手。

这带来的技术民主化效果是肉眼可见的：对于创业者、中小企业和学术机构来说，原先连门都摸不着的AI大门，突然向所有人敞开了。MIT和Hugging Face联合研究发现，开源模型具有更高的透明度、可审计性和灵活性，使得独立审查和偏见缓解成为可能。

从本质上来说，开源为AI领域带来了更扁平且更具竞争性的生态。全球开发者可以各施所长，有人优化算法，有人拓展场景，有人修复漏洞。这种集体智慧的效力远超单一团队。

但这不等于开源没有自己的“老大难”。没有统一维护机制的开放模型，质量和安全性面临不小的风险。开源内容对有害信息更不易建立有效过滤，AI大模型本身可能存在算法偏见、隐私保护不到位等隐患。一旦模型在训练数据上被植入了恶意内容，后果也更为难以控制。此外，开源模型商业化变现的难度也普遍更大。

安全之争：透明性与可控性的艰难权衡

在安全问题上，两种模式各自受困于“透明”与“管控”的博弈。

开源的透明性是双刃剑。从好处看，代码全部公开，方便学术界和社区审查潜在的偏见、歧视及后门漏洞，也可以促进全球协作来“一起发现和解决新风险”。不过，这种开放性有可能成为通往恶意行为的“高速公路”。任何人都能下载先进的AI系统并进行微调，由此带来的潜在滥用风险也随之扩散。

闭源的管控体系也非全无瑕疵。最根本的担忧来自于：一旦AI前沿能力被极少数闭源公司垄断，本就难以被外部监管的“黑箱”是否会导致科技巨头权力过大？

更值得关注的是“安全”在不同市场环境中的不同定义。以谷歌前CEO施密特都曾坦诚，开源生态才是“技术普惠”的关键路径，但也需要在开放和安全之间做出灵活权衡。

竞争格局的重构：中美的不同选择

2025年世界人工智能大会的讨论，揭示出一个看似有趣的分野：当前中国最领先的AI大模型多以“开源或开放权重”（open or open-weight）为标准；而美国最先进的大模型则几乎都以闭源为主导。

这是偶然还是必然？审视历史，每个国家的产业格局往往与它的工业基础、市场环境和政策倾向深度绑定。中国AI机构集中押注开源模型，其背后隐藏着一种以技术普及换取市场快发的策略。麻省理工学院研究员谢恩·朗普雷斯指出，中国公司正以每周或每两周的节奏推出模型，这种高频次更新与美国公司每半年或一年发布一个系列的模式形成鲜明对比。

鉴于美国的出口限制影响了高端芯片的获取渠道，中国公司也在算法优化与工程落地上选择了更具创造性的路径，例如通过蒸馏技术创造出更小、更高效的模型。

但两种模式的分野也在逐渐模糊这一划分。就在2026年初，Meta——一度是开源领域的旗手——其Llama模型下载量突破10亿，但在最新的战略转向中，Meta又成立了新的实验室，打算推出闭源模型Muse Spark，聚焦“超级智能”的目标。

反之，中国的DeepSeek、Qwen等开源集成体系依旧在不断强化自己的开放生态，为全球开发者和企业提供一个价格低至几乎无法“拒绝”的AI平台。

未来之路：走向融合而非对抗

纵观整个AI发展历程，开源与闭源并非有你无我的零和对抗。事实上，持续演进、自我迭代的“混合模式”——包括开源基础模型搭配闭源企业级功能——正在赢得越来越多的市场认同。如国外某知名开源大模型许可便规定，700万月活用户以下的团队可以免费使用，超过该规模则需要特别授权。

在AI的成本与门槛正在迅速下沉的当下，单纯比拼“参数规模”的时代或将过去。正如某AI公司CEO在2025年的一次演讲中判断的那样，AI领域注定将有多个玩家并存。不同的公司价值观决定模型的独特性，多模型、多工具的协同也正在削弱单模型的绝对优势。

合而治、开放而治，这一思路其实同样适用于AI的伦理治理。开源提供基础能力，闭源保障高级场景的需求；它们不一定是敌人，更像是“相向而行”的两种力量。AI的未来，也许既不是iOS，也不会纯然是安卓，而是一套人类智慧与数字技术交汇的新型混合基础设施。

最终，无论你支持开源还是闭源，AI都将无可避免地成为这个时代影响最广泛、力量最强大的技术变革。这场“开源与闭源”的竞逐，不只是科技公司的商业博弈，更是一场关乎技术民主化与人类安全的理念之争。

竞争的真正意义在于，无论是道路A还是道路B，人类的创造力，终究不会被垄断。