人工智能领域在2022年底迎来了一次重大冲击——OpenAI推出的ChatGPT横空出世，这款看似能"魔法"般回答问题的聊天机器人，让整个科技行业为之震动。

早期，OpenAI、Anthropic和谷歌等公司推出的前沿大语言模型已具备推理、解题和自然语言问答能力，但这些模型内部究竟运行着什么，外界几乎无从得知。

随后，Meta的Llama和Mistral等AI模型相继出现，打破了专有AI的垄断格局。这类模型可以免费下载，并能针对特定应用场景进行修改定制。

2024年底，中国公司DeepSeek发布了开放模型V3，据报道其训练成本仅为美国顶级实验室的一小部分。2025年1月，推理模型R1随之发布，被视为对前沿模型的有力挑战。

过去一年里，阿里巴巴的Qwen和月之暗面的Kimi等开放模型，也在推理、智能体和物理AI等企业应用场景中持续取得进展。研究机构SemiAnalysis在本月的一篇分析文章中指出："趋势已经非常明显：每经历一代更迭，开源模型追上同时代第一款闭源模型所需的时间就缩短一半。"

开放权重模型与开源模型有何区别

目前市场上流通着多种"开放"AI模型，包括"开放权重"模型和"开源"模型。两者听起来相似，但实际上存在重要差异。

在企业中使用最广泛的"开放"模型是开放权重模型。这类模型允许企业根据内部需求定制AI服务和工具，企业管理者和IT决策者可以查看模型内部结构、进行审计，并针对自身数据进行调整。

权重是通过数学技术处理后产生输出结果的参数。企业可以通过微调权重、导入内部数据，并在本地环境中部署，从而实现对模型的定制化。英伟达CEO黄仁勋在上月发布的一封公开信中表示："开放权重模型让组织能够掌控自身数据，按需评估和调整模型，并在业务所需的任何环境中部署，从而提供切实的保障。"

然而，开放权重模型与真正意义上的开源模型之间存在关键区别：开放权重模型会隐藏代码和训练数据等信息，因此某些部分无法被修改。根据开源促进会（OSI）的定义，真正的开源模型还需公开训练数据及其他相关信息，使模型能够被研究、检验、使用、修改并自由分发。

为什么企业越来越青睐开放模型

ChatGPT、谷歌Gemini和Anthropic的Claude等闭源产品确实提供了全面的AI能力，短期内不会退出市场。但这些服务价格不菲，对于特定企业场景而言可能过于冗余。

对许多企业来说，专注于特定需求的小语言模型或大语言模型更能切合实际。Gartner高级分析师Deepak Seth表示，开放模型就像一块空白画布，企业可以在上面描绘自己的工作流程。

"企业真正的需求集中在特定工作流程和特定数据上，而基于整个互联网训练的通用闭源模型，对大多数场景来说都是资源过剩。"Seth说。

中国作为美国的AI竞争对手，积极支持开源和开放权重模型。德国、法国和印度等其他主要经济体也在鼓励采用开放模型。

ServiceNow和RWS等公司已部署了数十个专注于特定任务的开源模型（同时也使用专有模型）。Gartner研究总监Max Goss表示："如果我们认为可以从不同AI工具中获得价值，就不应该害怕采用多供应商策略，而不是冒着被单一AI工具绑定的风险。"

在车载或现场作业等物理环境中，决策往往需要在毫秒内完成，有时直接在设备本地执行。Samsara工程副总裁Praveen Murugesan表示，这种场景更适合专用、高效且能在数据生成端就近运行的模型。

"开放模型使分层部署成为可能，因为企业可以自主决定每个模型的运行位置及其所能访问的数据。"Murugesan说。

开放模型如何增强安全性与数据治理

随着越来越多的企业拥抱AI，系统稳定性对保持工作流程顺畅运转变得至关重要。开源模型让企业对AI未来拥有更强的掌控力，也能更好地防范专有大语言模型中暴露的安全漏洞。

对AI系统和数据的安全管控，是企业成功部署AI所需治理体系的重要组成部分。Spruce Peak Ventures创始合伙人韩真淑表示："企业实际上是在主动划定边界，让负责任的AI从一开始就内嵌其中。"

开放模型可以在与云端隔离的内部环境中运行，为数据管控要求严苛的受监管行业提供额外的安全保障。韩真淑说："确实能感受到企业对开放模型的倾向越来越强，大家都在说：'我希望所有东西都部署在本地，运行在我自己的工作系统上。'"

Forrester Research副总裁兼首席分析师Craig LeClair表示，企业希望使用基于自有专有信息训练的模型，并需要对工具保持严格管控，以防止知识产权泄露。"开源模型将在受控的本地环境中运行，这样一来，它们很快就变得不那么'开放'了。"LeClair说。

Gartner的Goss也指出，开放模型允许企业"检查权重、审计训练数据或进行物理隔离部署"，并强调："看不见的东西，就无法治理。"

开放模型与主权AI的关系

开放模型有助于各国将AI定制化，以契合本土文化、传统、政策和地区监管要求。穆罕默德·本·扎耶德人工智能大学基础模型研究院副总裁兼常务董事Richard Morton表示："开放模型对主权AI至关重要，它让各国能够理解、适配和掌控驱动数字基础设施的系统。"

英伟达生成式AI软件副总裁Kari Briski也表示，开放模型在基于本地化知识和需求进行创新方面表现更优。"开放模型和开放数据就是那块跳板：你不必从头开始重建捕捉互联网知识的预训练模型。"Briski说。

开放模型面临的挑战与风险

专有技术可能会抑制创新，尽管其安全性通常高于开放技术。J. Gold Associates首席分析师Jack Gold指出，虽然主要服务商也提供开放模型，但在许多情况下，模型的部署、维护和更新仍需由企业自行负责。

此外，开放模型不一定都经过完整验证，存在一定风险——模型中的专有信息可能在企业边界之外泄露。

以OpenClaw为例，这一能够扫描文件系统、访问个人信息并与大语言模型通信的智能体引发了广泛关注，但也可能创造新的攻击面。正因如此，顶级技术专家们都在谨慎试验，而非贸然在企业中部署。

Temporal联合创始人兼CEO Samar Abbas表示："我们是开源的坚定支持者，非常期待看到围绕这些开源模型的生态系统蓬勃发展。随着时间推移，这些开源模型将开辟出属于自己的一片天地。"

Abbas最后强调，企业最终需要建立一份涵盖所有模型和智能体的清单，无论是官方认可的还是影子部署的，都需要清晰掌握每个模型所访问的数据。"有些工作流程确实需要顶级闭源模型，但很多并不需要——一个经过内部数据调校的开放模型，往往能超越通用闭源模型的表现。"

Q&A

Q1：开放权重模型和开源模型有什么区别？

A：开放权重模型允许企业查看和调整模型参数，并可导入内部数据进行本地部署，但训练数据和部分代码不对外公开，无法被完整修改。而真正的开源模型则需要同时公开训练数据及所有相关信息，允许任何人研究、修改和自由分发。简单来说，开放权重是"部分透明"，开源才是"完全透明"。

Q2：企业为什么要选择开放模型而不是ChatGPT或Claude这类闭源服务？

A：主要有三个原因：一是成本，通用闭源模型价格较高，对许多具体业务场景来说性价比不高；二是定制化，开放模型可以基于企业自有数据进行微调，更贴合特定工作流程；三是数据安全，开放模型可以在本地隔离环境中运行，避免敏感数据上传云端，满足合规要求。

Q3：开放模型有哪些安全风险需要注意？

A：开放模型并非没有风险。首先，并非所有开放模型都经过严格验证，存在专有信息泄露的可能性。其次，企业需要自行负责模型的部署、维护和更新，运维压力较大。此外，像OpenClaw这类能访问文件系统和个人信息的智能体，可能引入新的攻击面，因此技术专家建议在正式部署前进行充分测试和评估。