玉渊谭天丨模型开源，力破西方偏见

来源：玉渊谭天

2026年7月，AI行业发生了一起戏剧性的安全事件：

全球最大的AI开源社区Hugging Face遭到OpenAI模型的自主入侵。面对上万条攻击日志，安全团队起初试图用商业模型进行分析，却处处受阻。最终，他们转而本地部署了中国模型GLM-5.2，数小时内就完成了整个取证分析流程。

要知道，美西方原本长期攻击开源模型的安全问题。

美国Anthropic首席执行官达里奥·阿莫代伊曾公开警告立法者，开源模型正在走上一条“非常危险的道路”；图灵奖得主杰弗里·辛顿的比喻更加刺耳——他把大型开源模型比作“在零售店里卖核武器”。

这种忧虑甚至正在渗入政策层面：据美媒披露，美国政府正在考虑禁止中国的开源模型进入美国市场。

Hugging Face的遭遇，却展示了一个相反的图景——攻击来自闭源模型，而起到解决问题的关键作用的，却是一个开源模型。这一切都迫使人们不得不重新审视那个更根本的问题：

关于AI的安全、风险与未来，究竟该由谁来定义？

从一个底层问题说起：为什么美西方执着于用“安全”问题来攻击开源？

一旦某项技术被贴上“安全威胁”的标签，一切行政干预便能“师出有名”——出口管制、推行许可证制度，乃至于将特定国家排斥在全球供应链之外等，都能“顺理成章”地被包装成对全人类命运负责。

其实，开源也好，闭源也好，在发展的过程中都难免出现各种问题，但美西方偏偏揪住开源模型做文章。

谭主梳理了过去几年西方媒体围绕开源和闭源模型安全性的报道，发现相关叙事存在明显的周期。

它们甚至建立起一组等式：开源等于能力失控与危险扩散，闭源等于负责任的秩序；中国模型进入全球开源社区，则等于靠西方技术体系提升能力。

这显然过于绝对。

这个世界上不存在一种完美的技术路线。不应该因为有问题，就判定某条路径必然消亡。更重要的，是看谁能在压力之下，更好地诊断问题、调整自身。

Hugging Face事件更深层次的启发正在于此——它解释了开源路径正在展现出一种“自愈”的能力。

数据显示，国产开源大模型全球累计下载量突破100亿次。使用的人越多，进化得越快，解决自身缺陷的机会也越多。

开源生态至少在三个方面已经展现出了这样的强大优势。

第一，发现问题，解决问题。

研究机构、企业用户和独立开发者可以检查模型行为、发现漏洞、开发防护措施并持续改进模型，来尝试修复问题，不必等待单一服务商的统一更新。

第二，真实场景调用推动模型优化。

开源模型投入实际使用后，在各种场景下的表现，都会被持续检验。真实使用越多，技术改进的方向也就越清楚。

第三，系统内部开始出现分工。

企业开始将开源模型和闭源模型分别部署在不同类型的任务上。英伟达等开始提供专门的大语言模型路由方案，可以根据任务类型选择不同模型。

这些实践说明，我们完全可以跳出“开源与闭源只能二选一”的叙事。

美国企业的态度正是一个折射。

7月24日，英伟达、微软、元公司、国际商用机器公司、Hugging Face等多家科技企业和机构联名支持开放权重人工智能模型。几乎同一时间，近200家美国初创企业创始人联名致信美国政府，警告封禁中国开源模型将严重损害美国下一代初创公司的发展。

它们的选择已经说明，中国模型已经进入美国人工智能产业，成为降低成本、保持竞争力和避免被部分供应商锁定的选择。美国如果按国别切断这些模型，首先受到影响的，会是本国企业的成本和选择权。

也就是说，开源模式，一定是人工智能持续迭代、惠及全球使用者的可行出路。而人工智能的未来，取决于能否容纳更多选择。

当开源与闭源已经共同进入人工智能产业，问题就不再是非此即彼，而是如何用一套规则，让两种模式各展其长、各守边界。

这也是理解中国治理主张的一个入口。

从全球发展倡议、全球安全倡议、全球文明倡议到全球治理倡议，中国始终主张尊重各国选择，以合作回应共同挑战，以公共产品服务共同发展。

这一思路也延伸到了人工智能领域。

在中国公共外交协会举办的论坛上，有专家说得很直白：中国已经向国际社会提供了许多公共产品。对于人工智能，各国可以“哪个管用用哪个”，中国也愿意同各国有关部门加强对接。

基于这个行业事实，谭主与业内人士交谈，有几个提议值得正视。

第一，划定开放边界。

下一阶段真正需要回答的，不是支持开源还是支持闭源，而是什么能力可以开放，什么能力应当有限开放；什么能力需要设置访问门槛；模型发布后，谁来负责漏洞披露、重大事件通报和衍生版本治理。

长期从事人工智能行业政策研究的相关人士告诉谭主，基础能力可以开放，部分前沿能力可以有限开放，商业服务可以闭源，高风险能力则需要设置访问控制和安全评测。模型发布前需要评估危险能力，发布后需要建立漏洞披露、重大事件通报和衍生版本治理机制。

中国支持开放，但不意味着主张所有能力无条件扩散。治理模型，首先应当看它具备什么能力、可能造成什么风险，而不是模型来自哪个国家。

第二，划清所谓的“侵权”边界。

是否侵权，应当依据可核查证据判断。不能仅因模型能力提升或者来自中国，便倒推出其一定“窃取”了所谓的美国技术。

第三，建立开放生态下的安全协作机制。

人工智能风险可以跨平台、跨国界传播。各国需要推动评测标准相互兼容，建立重大安全事件通报和漏洞协同处置机制。

归根结底，要让创新有空间，让风险有边界，让各国有选择。

下一阶段真正的分水岭，不在开源与闭源之间，而在选择无差别封锁，还是分级治理之间。

谁能让人工智能更加普惠、让高风险能力更加可控，谁就更有可能定义人工智能的下一阶段。