2024年8月，风投人Peter Thiel在JRE节目中提出一个推论：掌握超光速旅行技术的文明不存在中间态，必须同时是魔鬼与天使。这一逻辑正被部分观察者用来映射当前美国AI领域的“减速论”争论。Anthropic首席执行官Dario Amodei与OpenAI首席执行官Sam Altman近期均公开主张对前沿AI模型实施更严格的监管，包括第三方驻场评估、训练管线审计、发布许可及对齐流程要求。
从监管细节看，上述主张的实际门槛在于：只有具备充足资金、法务团队和安全团队，且有能力游说国会制定审计规则的头部实验室，才能承担合规成本。这意味着监管框架一旦落地，前沿模型赛道将被限定在OpenAI、Anthropic及少数几家美国实验室范围内。对于中国开源实验室和美国新兴实验室而言，通过更便宜的训练方法、开放权重分发和后训练垂直化实现追赶的路径，将因赛道规则被重新定义而受阻。
经济数据揭示了闭源与开源模型之间显著的收入差距。博通首席执行官Hock Tan在高盛Communacopia会议上披露，全球推理基建成本约为每年2000亿美元，模型相关收入仅约1500亿美元。其中，闭源模型与开源模型的token量大致各占一半，开源甚至略多，但收入结构严重失衡：闭源模型收入约1200亿美元，开源模型仅约300亿美元。开源模型定价平均仅为闭源模型的25％左右。这意味着闭源阵营以约1000亿美元成本获取1200亿美元收入，而开源阵营以同等成本仅获得300亿美元收入。值得注意的是，这300亿美元并未流入中国开源模型开发者的报表，而是通过自有API、AWS Bedrock、Azure托管溢价以及Fireworks、Together等中间商，主要流向了美国算力运营商和芯片供应商。
美国算力运营商和英伟达对开源模型持支持态度的底层逻辑正在于此：token在中国训练，推理收入却大量进入AWS、Azure、xAI云和英伟达的账户。开源模型越强，算力中心收益越大。模型商品化程度越高，利润越向算力层集中。AWS放弃训练前沿模型转而承载开源模型，实质是通过开源模型将前沿模型商品化，无需承担训练成本即可获取开放权重带来的多数收入。
白宫AI事务负责人David Sacks亦对Amodei的立场提出批评。Sacks与英伟达观点一致：免费权重能扩大下游GPU负荷。美国作为全球约80％算力的供应方推崇开源，是因为限制开放权重无法阻止中国出现下一个Kimi，只会损害Harvey等基于开源模型构建垂直应用的美国公司，成本由美国AI用户承担。在Sacks看来，美国AI优势是芯片、云、模型、应用、规则五层结构的全面优势，美国芯片上运行的载荷越高，标准、工具链、安全认证和企业采购清单就越围绕美国体系运转。
开源派与减速派的方法论不同，但终点同构：前者主张用开放权重做大美国算力载荷，标准和生态从芯片与云向上生长；后者主张用前沿许可收窄模型层，标准和生态从模型向下游供应链传导。两者均在巩固美国AI多层栈的全球主导地位，区别仅在于利润和规则制定权在栈内的分配方式。对于中国开源模型生态和全球AI治理而言，这一博弈的走向将直接影响未来数年技术路径的选择空间。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
