华盛顿管 AI，别顺手把开源这块地铲了

华盛顿最近对 AI 的手越来越重。

行政令要审查模型，国会有新的立法草案，围绕前沿模型访问边界的限制也在增加。上周又出现限制外国人访问 Anthropic 最先进模型的动作。单看每一件，都能说是安全焦虑；连起来看，监管重心正在从“管用途”滑向“管模型本身”。

这时最容易被一刀切打到的，是开源 AI。

它还没有被封禁。问题也不该写成已经发生的政策事实。但如果监管把“开放权重”默认等同于高风险，很多学校、创业团队、企业技术部门会先被迫停下来：采购延后，模型选型转向闭源 API，或者把本来能本地部署的系统重新交给外部供应商。

开源 AI 不是野路子，是技术产业的地基

开源软件不是 AI 时代才冒出来的理想主义。它早就是现代软件的底层设施。

全球 90% 以上的软件生态建立在开源之上。相关研究估算，开源软件创造的经济价值超过 8 万亿美元。这个数字不必被神化，但足够说明一件事：开源不是边角料，是产业土壤。

放到 AI 上，它至少撑住三条线：

闭源模型当然强。OpenAI 和 Anthropic 的能力、产品化和安全投入都不是摆设。

但强不等于应该成为唯一入口。价格、访问权限、能力阉割、使用边界，今天越来越集中在少数供应商手里。它们还不是法律意义上的垄断，但双寡头趋势已经很清楚。

对创业者来说，差别很现实：同一个 AI 功能，用闭源 API，上线快，但成本和策略受制于人；用开源模型，本地部署更麻烦，却能控制数据、成本和可审计性。

对企业技术负责人来说，选择也不是情绪题。客户数据、合规要求、内网系统、可解释审计，这些都决定了“能不能本地跑”不是锦上添花，而是采购门槛。

安全要管，但别把合规做成巨头门票

开源 AI 不是绝对安全。接近前沿能力的开放模型，确实需要安全评估、滥用监测和责任边界。把权重一放就当作万事大吉，是幼稚。

可把开源直接等同于失控，也是在偷懒。

开源的价值在透明。研究者能检查，工程师能修补，企业能把模型放进自己的基础设施，数据不必每次都流向外部 API。那句老话“足够多的眼睛，所有 bug 都浅显”，放到 AI 上不完全成立；模型风险不只是 bug。但方向没有错：黑箱不是安全，黑箱只是别人替你保管风险。

真正危险的地方在激励。

如果监管规则复杂到只有大公司能承担，安全就会变成门票。大公司有律师、游说、红队、安全团队；小公司、学校和普通研究团队没有。风险未必消失，入口一定变窄。

这对正在评估开源模型的团队，影响会很直接：

这里不是替开源要豁免权。该测就测，该报备就报备，高风险用途该限制就限制。

边界要落在能力、用途、部署场景和滥用后果上，而不是落在“开源”两个字上。否则监管管住的可能不是坏人，而是那些没钱进合规会场的人。

天下熙熙，皆为利来。AI 安全是正当议题，但正当议题进入产业竞争后，常常会被拿来重新分配权力。

真担心中国竞争，就别把本土开源赶出去

原文里有一个刺眼事实：不少美国 AI 公司已经在使用中国开源模型，覆盖代码、法律等场景。

这不该被简单写成“安全威胁”。也不能反过来美化成“开源无国界”。它至少说明一件事：当模型足够好、足够便宜、足够开放，用户会自然流过去。

如果华盛顿因为中国竞争而压制开源，后果会很别扭：美国学校、创业者和企业先被冷却，全球开发者再被推向中国模型生态。

这像不像当年 Linux 对 Windows、Android 对 iPhone 的制衡？不完全一样。AI 模型的安全外溢更强，能力扩散更快，监管不能照搬软件时代的逻辑。

但权力结构很像：巨头希望接口归自己，后来者需要地基保持开放。平台战争从来不只打产品，也打默认入口。

接下来最该看三件事。

一是政策是否区分模型能力层级。接近前沿能力的开放模型可以有更严监测，普通教育、研究、企业本地部署模型不该被同一刀切掉。

二是规则是否按用途和部署场景走。攻击性自动化、关键基础设施、敏感生物化学能力，和一个企业内部客服模型，不该进同一个筐。

三是美国是否加码本土开源。真要减少对外部模型生态的依赖，办法不是把开源用户赶进闭源围栏，而是让本土开源模型更强、更安全、更可用。

封禁开源 AI，不像安全政策。它更像把教育、创新和竞争的土壤铲掉，再把花盆交给少数公司出租。

华盛顿现在要想清楚的，不是要不要管 AI。该管。问题是管风险，还是顺手管死对手。