7月下旬，三份关于人工智能发展的公开文件在几天内相继出现。7月24日，微软牵头的《开放权重与美国人工智能领导力》获得235家AI相关机构签署，英伟达、亚马逊、Y Combinator、Linux Foundation等机构在列，OpenAI后来加入，Anthropic没有签名。三天后，Anthropic发布自己的开放权重立场声明。7月28日，“Pacing the Frontier”公开信则称获得1324名前沿AI公司员工签名。
这不是一场整齐划一的行业表态。各方争论的对象也不完全相同：微软阵营在争取开放权重和模型蒸馏的政策空间，Anthropic强调工业规模蒸馏带来的安全与知识产权风险，另一封公开信则把注意力放到了自动化AI研发可能加速前沿能力增长的问题上。几份文件并置后，能看见的核心事实是：头部AI机构正在竞争政策解释权。
三封公开信接连出现，AI行业的政策联盟开始分化
微软牵头的联署信把开放权重描述为降低单点故障、促进安全研究和维持竞争的工具。它还专门为蒸馏辩护，认为使用一个模型的输出改进另一个模型，属于模型研发、评估和验证中常见的技术路径，不应直接被等同于挪用。
Anthropic的说法更谨慎。公司表示自己从未主张全面禁止开放权重模型，但支持打击“工业规模的蒸馏操作”，尤其担心先进模型被系统性复制后，用于网络攻击、生物攻击或由威权政府部署。
两边的区别可以概括为：
| 议题 | 微软牵头联署的主张 | Anthropic的立场 |
|---|---|---|
| 开放权重 | 支持发展，认为有助于竞争、研究和降低集中风险 | 不主张全面禁止，但强调前沿模型的安全风险 |
| 模型蒸馏 | 认为属于正常研发技术，不应一概限制 | 支持打击工业规模蒸馏操作 |
| 政策重点 | 防止闭源供应商过度集中 | 防止能力外流和高风险滥用 |
| 文件性质 | 235家机构的政策倡议 | Anthropic的公司立场声明 |
这里有一个容易被忽略的边界：开放权重不等于完整开源。权重可能公开，训练数据、训练代码、数据处理流程、许可证和商业使用权限却仍然不公开。企业拿到一个可下载模型，并不代表它已经获得了任意修改、再分发或跨境商用的权利。
因此，这些联署信不能被解读成美国政府已经决定限制或放开某类模型。它们只是企业和从业者向政策制定者递交的意见。真正有约束力的规则，仍要看最终的许可证文本、出口管制、合同条款和各司法辖区的执法方式。
开放权重与蒸馏，争的其实是能力如何流动
开放权重的支持者担心闭源模型成为少数公司的“单点故障”。供应商可以涨价、限流、改变接口，也可能突然停止某项服务。对依赖模型API的创业公司而言，能否下载权重、在自己的基础设施上部署，直接关系到成本和产品寿命。
Anthropic的担忧也有现实基础。蒸馏可以让较小模型借助强模型输出快速提升能力，降低训练门槛。它有合法的研究和工程用途，但当操作规模足够大、目标模型明显复制某个商业模型的能力和风格时，数据来源、合同许可、知识产权和安全责任会同时出现问题。技术上能做，不代表商业上就能做。
这和软件行业早期的开源争论有相似之处。开放代码带来了协作和竞争，但软件许可证并没有消失；使用开源组件仍要遵守再分发、署名和修改披露要求。模型权重面对的限制更复杂，因为模型还牵涉训练数据、输出责任和部署场景。把“开放”直接写成“没有限制”，会给开发团队留下错误预期。
对使用开放模型或蒸馏技术的创业公司，眼下最实际的动作不是根据公开信调整口号，而是把证据链补齐：
- 记录模型权重、训练数据和输出数据的来源；
- 核对许可证是否允许商用、微调、再分发和跨境部署；
- 保存蒸馏数据的生成时间、调用模型、授权依据和过滤规则；
- 对高风险用途设置人工复核，避免把未经审查的合成数据直接用于安全关键产品；
- 给核心能力保留一个可替换模型，避免供应商改条款后被迫停工。
一旦规则收紧，最先承压的通常不是拥有专职法务的大公司，而是依赖第三方模型、预算有限的小团队。它们可能已经用蒸馏把推理成本压低，却没有留下足够的授权和数据审计记录。到那时，技术迁移只是工程问题，能不能证明自己有权使用这些数据，才会决定产品能否继续上线。
“放慢前沿”有现实理由，但还没有执行工具
“Pacing the Frontier”公开信把焦点移向自动化AI研发，要求美国政府支持国际合作，发展能够有意控制前沿自动化AI开发速度的技术和治理工具。它声称获得1324名前沿AI公司员工签名，其中包括OpenAI首席科学家Jakub Pachocki、曾任OpenAI研究负责人的Ilya Sutskever、Anthropic CEO Dario Amodei和Anthropic研究负责人Jack Clark等人。
但员工签名不能自动代表公司背书。这封信也没有提出一套已经可以执行的全球减速方案。谁来定义“前沿模型”？什么程度的自动化研发需要报告？模型跨境训练和开放发布如何监管？如果只有美国放慢，而其他地区继续推进，政策效果又如何评估？这些问题目前都没有现成答案。
公开资料中的几个案例，解释了这份倡议为何在此时出现。Anthropic曾称，Claude Code已经生成其约80%的代码；OpenAI曾称，名为Sol的系统将端到端服务成本降低了20%；Kimi则在其关于K3的材料中称，模型参与了面向自身架构的芯片设计。它们都是机构自述，统计口径和可复核程度不能混为一谈，但至少说明一件事：AI系统正在更多地参与代码、推理优化和硬件设计，研发自动化不再只是实验室设想。
企业技术负责人面对的选择会因此更具体。开放模型可能减少供应商集中风险，也可能增加许可证审查、部署安全和升级维护成本；闭源模型通常更省集成时间，却把价格、接口和服务连续性放在供应商手里。采购决策不应只比较榜单分数，还要把退出成本、数据留存、版本锁定和合规证据算进预算。
接下来真正有信息量的观察点有三个：政策是否区分开放权重与完整开源；蒸馏是否按规模、授权和用途划分，而不是一概禁止；自动化研发是否能形成跨国、可审计、可执行的控制机制。公开信可以改变舆论方向，却不能替代这些细则。
对于开发者和创业公司，模型迁移与蒸馏项目可以继续做，但应把许可证和数据记录当作交付物的一部分。对于企业采购方，暂时没有理由因为一封联署信立刻全面转向开放模型，也没有理由把闭源服务当成天然更安全。谁能把能力、成本和责任边界写清楚，谁才真正拥有选择权。