黄仁勋首篇博客：开放权重模型是AI领导力关键

老黄来了，他第一篇聊了开放模型，有了开源：

🔥 创业公司不用从零训练大模型 🔥 企业可以根据需求修改和部署模型 🔥 研究者可以检查、评估和改进模型 🔥 更多人参与 AI 创新

译文如下：

20 世纪 80 年代，早期的开源软件先驱者挑战了当时普遍存在的一种观点：只有当公司严格控制软件代码时，软件才能持续发展。

这一运动推动建立了一个更加透明的生态系统，使全球开发者能够研究、修改和改进软件。

如今，由开源社区开发的软件支撑着互联网的大部分基础设施，并成为全球最大科技公司使用的系统，以及美国军方和联邦机构开展科学研究、网络安全和其他关键任务的基础。

开源软件带来的不仅仅是降低软件成本；它还创造了一个共享的知识基础，让几代美国工程师和企业家能够建立自己的技术自主能力。

如今，美国在人工智能领域面临着类似的选择。

美国的 AI 领导地位，不应该仅仅通过某一个前沿 AI 模型来衡量，而应该看美国是否建立了一个强大的开放生态系统，让 AI 能够扩散到各个行业。

这对于创造全国范围内的创新机会和经济繁荣至关重要。

这需要：

扩大 AI 的获取渠道； 鼓励竞争； 建立强大的应用层； 让美国人能够更好地掌控他们所依赖的技术。

开放权重模型（Open-weight models）——即任何人都可以下载、检查、修改，并在自己的基础设施上运行的 AI 模型——是这一基础的重要组成部分。

因为它们让先进 AI 变得：

更容易获取； 更容易适应不同需求； 更广泛可用。

开放权重能够扩大 AI 经济的参与范围。

创业公司、成熟企业、大学以及公共机构，都可以基于先进模型进行构建，而不需要：

从零开始训练一个模型； 或者为每一次任务支付前沿模型的高昂费用。

开放权重让每个组织都能够：

在正确的成本下，为正确的任务选择正确的模型。

这样，可以把前沿规模的计算能力留给真正需要突破的问题，同时在其他场景中运行高效、专业化的小模型。

这种方式，才会让 AI 在未来面对数十亿日常任务时保持经济可持续性。

美国赢得 AI 时代的方法，是让 AI 深入：

工厂； 医院； 农场； 教室； 普通商业环境。

开放权重也能够增强竞争。

而竞争，正是确保 AI 红利不会集中在少数人手中，而能够被更广泛分享的关键。

通过允许更多组织：

构建； 调整； 部署

先进模型，

开放权重不仅会促进模型开发者之间的竞争，也会推动：

云计算厂商； 芯片公司； 应用开发者； 服务提供商

之间的竞争。

这种竞争会：

推动创新； 降低成本； 让 AI 的收益更广泛地进入整个经济体系。

开放权重也能够让客户拥有更大的控制权。

随着组织不断投资 AI，他们希望确保：

不会被锁定在某一个供应商； 不会失去长期积累的数据、知识和能力。

开放权重模型通过允许组织：

控制自己的数据； 根据自身需求评估和调整模型； 根据业务需求选择部署位置；

来提供这种保障。

而当组织通过 AI 创造价值时，开放权重也允许他们通过：

自我改进的模型； 专门化能力； 积累的知识资产；

拥有这些价值。

这将推动美国的技术自主能力和经济繁荣。

当然，开放权重也存在真实且独特的风险。

模型权重一旦发布：

原始开发者将无法完全控制它； 修改后的版本可能难以追踪或逆向分析。

但是，面对这种风险，正确的回应并不是禁止开放权重。

在一个网络攻击者使用先进 AI 的世界里，防御者也需要能够访问具有类似能力的模型。

这样他们才能：

检测威胁； 模拟攻击； 应对不断出现的新风险。

开放模型可以：

扩大防御能力； 提高透明度； 让更多团队发现并修复漏洞。

事实上，开放性可能是 AI 安全和可靠性最重要的发展路径之一。

仅仅依赖闭源模型，并不天然更安全。

它们同样可能：

被攻击； 被滥用； 出现外部无法发现的问题。

同时，把先进 AI 能力集中在少数几个闭源模型中，会进一步放大风险。

这会导致：

少数系统成为单点故障； 削弱竞争； 让关键技术掌握在少数供应商手中。

相比之下，开放权重模型允许更广泛的：

研究者； 开发者；

检查模型行为：

发现漏洞； 开发安全措施； 持续改进。

正如开源软件证明的：

透明性可能比隐藏更安全。

AI 安全可能依赖于让更多人拥有测试和强化社会所依赖模型的能力。

这也意味着：

更严格的基准测试； 模型评估； 红队攻击测试； 针对真实风险制定保护措施；

而不是默认认为：

闭源系统天然更安全。

一个强大的 AI 生态系统并不是必然会出现的。

政策制定者拥有重要的行动机会。

这包括：

扩大创业公司和研究人员获取算力的渠道； 投资共享训练资源（数据集、工具、评估体系）； 通过避免过早限制开放模型，保持 AI 前沿竞争的多样性。

因为过早限制开放模型可能：

削弱竞争； 抑制创新； 迫使创新转移到海外。

这些措施还必须关注：

如何通过强大的应用层，让 AI 在整个经济体系中发挥更大的自主价值。