黄仁勋首推《开放权重模型与美国的AI领导力》

来源：市场资讯

（来源：丹湖渔翁）

我的新书《跨越自然利率陷阱》已经出版，介绍见这里、这里。书中的彩图见这里。建议在天猫和京东购买正版。

2026年7月24日晚21:18，黄仁勋开通了X账号@JensenHuang，并发了第一篇帖子，他说：

作为我的第一篇帖子，我要分享一封@NVIDIA 签署的信函，阐述为什么开源模型很重要。AI将改变每个行业，赋能每个公司，并由每个国家构建。 开源模型加强安全性和网络安全，加速创新和传播，并实现主权。 世界需要前沿的闭源模型，也需要前沿的开源模型。

两个小时后，23:12，马斯克转帖并说：“我完全支持，阿黄是对的（This has my full support. Jensen is right）。”

阿黄这篇帖子现在已经被阅读1400万次。他已经有了32万多粉丝。我是大约第4.6万个粉丝。

他发的这篇文章的标题是《开放权重模型与美国的AI领导力》（Open Weights and American AI Leadership）。有20多家AI公司已经签署了这封信函（倡议），但OpenAI、Anthropic、Google没签。全文翻译如下：

开放权重模型与美国的AI领导力

20世纪80年代，早期的开源软件先驱挑战了当时盛行的观念——只有当企业对代码保持严格控制时，软件才能取得进步。这场开源运动推动建立了一个透明的生态系统，世界各地的开发者可以在其中学习、修改和改进软件。如今，开源社区开发的软件支撑着互联网的大部分基础设施，不仅是全球最大科技公司的基础，也是美国军方和联邦机构执行科学研究、网络安全及其他关键任务的基础。开源的意义远不止于降低软件成本；它创造了一个共享的知识基础，几代美国工程师和企业家在此基础上建立了他们的制度主权。

美国在AI领域正面临一个类似的选择。我们的AI领导力将不仅仅由一个前沿的AI模型来衡量，而是取决于美国能否建立一个强大的开放生态系统，并将其渗透到各个经济部门。这对于在全国创造创新和繁荣的机会至关重要。这需要扩大对AI的访问权限，鼓励竞争，构建强大的应用层，并让美国人对他们所依赖的技术拥有更大的控制权。开放权重模型（open-weight-models），即任何人都可以在自己的基础设施上下载、检查、修改和运行的AI模型，是这一基础的重要组成部分，因为它们使先进的AI更易于访问、适应性强且广泛可用。

开放权重模型扩大了进入AI经济的机会。初创公司、成熟企业、大学和公共机构可以在现有先进模型的基础上进行构建，而无需从头开始训练模型，也不必为每个任务支付前沿模型的高昂费用。开放权重让每个组织都能以合适的成本为特定的工作匹配合适的模型，将真正的尖端能力保留给真正的前沿问题，而在其他所有地方运行高效、专业的模型。随着人工智能的使用扩展到数十亿日常任务中，这种机制将使其成为经济上可持续的。美国赢得AI时代的方式，是将AI渗透到工厂、医院、农场、教室和街头小店的工作流程中。

开放权重模型还能加强竞争，而竞争是确保AI带来的收益被广泛分享而非集中在少数人手中的关键。通过允许众多组织构建、适应和部署先进模型，开放权重不仅在模型开发者之间制造了竞争，还在云芯片、应用程序和服务之间创造了竞争。这种竞争能刺激创新，降低成本，并将AI的益处广泛分配到我们的经济中。

开放权重模型还赋予了客户更大的控制权。随着各种组织投资AI，他们希望确保自己不会锁定在单一供应商上，也不会失去他们长期积累的知识和能力。开放权重模型通过允许组织控制自己的数据，根据自己的需求评估和适应模型，并根据其业务需求在任何地方部署它们，从而提供了这种保障。而且，当组织利用AI创造价值时，开放权重模型允许他们通过自我改进的模型、专业化的能力以及推动美国主权和繁荣的积累知识来拥有这些价值。

诚然，开放权重模型确实带来了真实且独特的风险。一旦发布，权重就会脱离原始开发者的控制，且修改后的版本很难追踪或逆转。但应对这种风险的正确方式不是禁止开放权重。在一个网络安全攻击者利用先进AI的世界里，防御者需要获得具有相当能力的模型，以便他们能够检测、模拟和应对新出现的威胁。开放权重模型拓宽了防御能力，增加了透明度，并允许许多团队发现并修复漏洞。

事实上，开放（openness）可能是通向AI安全和保障的最重要路径之一。仅仅依赖封闭模型本质上并不安全：它们可能被攻破、滥用，或者以外界无法察觉的方式出现故障。将先进的AI能力集中在少数几个封闭模型背后会加剧这种风险。这会导致出现少量的单点故障，削弱竞争，并使关键技术掌握在少数供应商手中。另一方面，开放权重模型允许广大的研究人员和开发者社区检查其行为，识别漏洞，开发防护措施，并随着时间的推移对其进行改进。正如开源软件所证明的那样，透明可以比隐匿更安全，AI的安全可能取决于赋予更多人测试和加强社会所依赖模型的能力。它允许进行严格的基准测试和评估、红队演练（red teaming），以及与真实和已证实的危害相关的防护，而不是想当然地认为封闭系统默认就更安全。

一个强大的AI生态系统并非注定会发生。政策制定者有一个重要的行动机会。这包括扩大初创公司和研究人员对计算资源的访问，投资于共享的训练资产（数据集、工具、评估框架），并通过避免过早限制可能扼杀竞争或将创新推向海外的开放模型来保持前沿的多元化。这些措施还必须着眼于强大的应用层如何扩大AI在整个经济中的主权使用。