开放权重的 AI 模型正在成为下一个 AI 生态系统的基础。借鉴云原生时代 Kubernetes 的成功经验，美国应当积极参与全球竞争，而不是自我孤立。当一个可供定制的开放平台成为行业重心时，任何单一供应商都无法在创新速度上与整个生态系统抗衡。目前，AI 领域正迎来这样一个时刻，美国需要通过发布自己的前沿模型、利用政府采购创造开放市场以及制定标准等方式来参与竞争，而非通过封锁来放弃其领导地位。
从 Kubernetes 的历史看开放平台的力量
作者以亲身经历说明开放平台的颠覆性力量。他联合创立的公司曾基于 Apache Mesos 开发了领先的云原生产品，但在发展势头迅猛之时，被后起之秀 Kubernetes 所颠覆。
- 生态系统的胜利： Kubernetes 的成功并非因为它仅仅是代码开源，而是因为它成为了一个中立的基础平台。工程师、云服务商和企业供应商都能在上面扩展，以满足客户需求。
- 创新重力的转移： 一旦社区和顶尖人才将职业生涯押注在 Kubernetes 上，创新便向其集中。从网络、存储到部署工具，所有生产所需的组件几乎都以开源形式出现。
- 核心教训： > 一旦一个人们可以定制的开放平台成为行业的重心，没有哪个单一供应商能够赶上围绕它产生的综合创新速度。
AI 正在迎来自己的“Kubernetes 时刻”
类比虽然不完美，但 AI 领域正出现相似的动态。开放权重模型（Open-weight models）正扮演着 Kubernetes 当初的角色，成为吸引生态创新的新平台。
- 什么是开放权重： 大多数所谓的“开源”模型，更准确地说是开放权重。用户可以下载和修改训练好的参数，但训练数据和完整的训练过程通常不公开。
- 从自托管到生态平台： 最初，企业为了数据控制和成本管理而选择自托管模型。但这仅仅是开始，开放权重让模型本身变成了可供开发者改造和分发的基础。
- 生态创新涌现： 围绕着 Llama、Qwen 等模型家族，开发者社区已经创造出大量衍生品：
- 针对不同硬件架构的量化和转换权重。
- 面向编程、医疗、法律等领域的微调模型和 LoRA 适配器。
- 结合不同微调模型的“模型合并”。
- 性能差距缩小： 过去，开放模型在处理最难的编程和智能体任务时表现不佳。如今，这一差距正在迅速缩小，例如 GLM-5.2 和 Kimi K3 等模型的性能已经可以与顶尖的闭源模型媲美。当基础模型足够好时，生态系统的创新就能实现指数级增长。
封锁中国模型将是“乌龙球”
面对 Kimi K3 等性能强大的中国开源模型的崛起，华盛顿正在讨论采取限制措施。这种做法将是一个严重的战略失误。
全面禁止美国研究人员和公司使用中国的开放权重模型，会将美国与一个已经吸引了全球顶尖 AI 人才（包括大量中国研究人员）的生态系统隔离开来。世界其他地方会继续建设，而被锁在门外的将是美国开发者自己。
统计数据显示，过去一年，Hugging Face 平台上 41% 的模型下载量来自中国模型。如果最好的开放权重基础模型越来越多地来自中国，创新就会像当年围绕 Kubernetes 一样，围绕它们积累。
美国应该如何竞争，而非退缩
美国应该积极投身于这个全球生态系统，而不是从中撤退。正确的策略包括：
- 发布美国的前沿模型： 美国的 AI 实验室需要以初创公司可以实际使用的许可协议，发布具有前沿性能的开放权重模型。
- 利用采购创造开放市场： 政府应通过采购来鼓励可移植、可互操作的系统，而不是让自身依赖于单一的 API 供应商。
- 构建其余的技术栈： 美国的初创公司可以定制和扩展模型，硬件公司可以改进芯片，云服务商可以提供服务和生态支持，共同构建完整的技术堆栈。
- 制定标准而非禁止模型： 针对安全性的担忧，更好的方法是建立独立的测试和标准体系，而不是一刀切地禁止。这可以借鉴 Kubernetes 的治理模式，建立一个由美国主导的独立标准机构。
美国不应通过筑墙来回应中国的开放模型。正确的做法是运行、拆解、测试这些模型，并在其基础上改进和创造出更好的美国替代品，让美国的 AI 技术栈成为世界上最容易被采用的选择。