数据“锁在家里”，AI难为无米之炊！传统开源模式失灵，更高阶“开放”在哪

热度空前的世界人工智能大会（WAIC）余温未散，上海再迎盛会。8月2日至3日，2025 CCF中国开源大会（以下简称“开源大会”）在沪召开。

现身此次会议的宇树科技创始人王兴兴给出一则判断：具身智能要在陌生场景中真正服务于人，需实时生成各类动作。他认为，目前，机器人整机硬件已够用，但具身智能大模型仍有巨大缺口，正“期待一个属于机器人的ChatGPT时刻”。可以说，精确数据的获取难度，也是当前具身智能机器人升级所面临的难题。

包括王兴兴在内，多位与会专家学者不约而同将讨论的热点聚焦于人工智能（AI）时代绕不开的核心话题——开源。

AI时代，开源有何重要意义？又面临哪些困境与挑战？突围之路又在何方？

AI重塑开源版图：共享协作推动技术普惠

所谓开源，就是公开代码供所有人查看、使用、修改与再分享,其“共享、协作、透明”的精神不仅影响软件领域，更延伸至教育、科研、硬件（如开源芯片）等领域，鼓励通过集体协作解决问题，推动技术普惠。

AI时代，为何开源至关重要？中国工程院院士、清华大学计算机系教授郑纬民介绍，AI大模型的生命周期一般包括五个环节，其中，数据获取、预处理与模型训练前三个环节需海量数据与算力，成本高昂，非一般公司能负担。而开源，则有望让小公司也能直接基于大公司的模型，跳过前三个环节，专注于模型微调和推理。

另一方面，AI的进步依赖 “不断试错、持续优化”。一个模型需经无数场景测试，单靠一家公司难以穷尽。所以，开源能让全球开发者共同“找茬”、协同改进。正如中国科学院院士、南京大学教授吕建所言：“开源决定规模，规模决定涌现，涌现成就颠覆。”

开源大幅降低了互联网技术的使用成本，让小公司、个人开发者得以参与到技术浪潮中，催生出更多新想法、新服务。上海交通大学校长、中国科学院院士丁奎岭也指出，开源不仅是当前全球科技创新的技术风尚，更是推动开放发展、共同发展的重要路径。

若数据不开放，AI开源就不是真正的开源

AI在持续迭代的过程中，数据尤其核心。“AI正在经历从‘模型中心’向‘数据中心’的范式转变。” 中国科学院院士、北京大学教授、上海交通大学人工智能学院首席顾问鄂维南指出，高质量、高效率的数据基础设施是降低AI落地门槛的关键。

作为人口大国，数据本是我国的优势。但在此次论坛上，多位与会的专家都提及一个共同的现实困境：一方面，数据作为企业核心资产，价值愈发被重视；另一方面，随着公众数据保护与安全意识的提升，大量数据因“安全考虑”无法公开。“我国大数据建设推进多年，却在一些领域出现了‘倒退’迹象，甚至不少数据即便收集完成、研究有了成果，落地却杳无音信。”

“所谓的AI开源，若数据不开放，就不是软件开源所定义的开源。”中国科学院院士、北京大学教授梅宏解释道，即便大模型参数公开，若外界没有相同的训练数据，也难以复现其能力，更谈不上迭代创新。当AI的核心生产资料——数据，因商业价值与安全合规问题被“锁在家里”时，传统开源模式便陷入了“无米之炊”的困境。

从“开源”到“开放”，亟需共建新生态

面对AI时代的挑战，传统开源模式渐显乏力，破题抓手在哪里？多位专家认为，当务之急是构建一个更高维的“开放”解法。

开放数据的核心是“数据资源的有条件共享”。回顾人类的数据开放史，本身就是从封闭走向分层开放的进化过程。所以，从开源到开放，并非倒退。例如，互联网早期“黄页”都主动公开电话号码，而现代隐私保护法则要求“最小必要”等原则，这不是倒退，而是数据管理的升级。

开放数据通常附带场景限制，如禁止商业滥用、需脱敏处理，且不允许修改原始数据，目的是释放数据价值以支撑AI训练与科研分析。以医疗数据为例，需去除隐私信息后开放，且仅限科研使用，不得修改原始属性。

如专家们所说，“开放更具有长远的价值”，其范畴涵盖标准、API、平台等多个维度。AI时代，开放架构（如分层接口标准化）比单纯开源代码更易推动二次创新，适配AI快速迭代需求。

中国工程院院士、中国工程院原副院长陈左宁指出，AI时代，设计精良的“开放架构”可能比完全公开的源代码更有意义。从“给代码”到“给接口、给标准、给合作框架”，将能让不同创新者在各自擅长的领域（如底层硬件适配、上层应用开发）便捷接入与贡献，大幅降低协作门槛，构建高效创新生态。

2025 CCF中国开源大会由中国计算机学会（CCF）主办、上海交通大学和CCF开源发展技术委员会承办。