作者｜宇航猿

编辑｜靖宇

 

「 我问了很多人，为什么美国没有领先的开源模型。没人能给我答案 。」

在最近一期 20VC 播客上，知名投资人 Jason Calacanis 抛出了这个问题，语气里带着困惑。他数了一遍美国有能力做这件事的公司名单 Google、Meta、xAI，然后摊手：

没有一家在认真做 。

这个困惑在 2026 年的夏天显得格外刺眼。

中国模型公司月之暗面的 Kimi K3 模型刚一推出，不仅把美国芯片股打趴下了，而且撕裂了整个硅谷 ；OpenAI 的 GPT 5.6 Sol 在测试中越狱，直接攻陷了 Hugging Face， 以至于后者不得不在本地部署中国公司智谱的 GLM 5.2 模型，才分析出了此次攻击的细节。

同时，Hugging Face 的数据显示，中国开源模型的下载量已经占到平台总量的 41% 。

NPR 报道，美国初创公司正在批量转向更便宜的中国模型来压缩成本。一位匿名的美国创业者告诉媒体，使用阿里巴巴的 Qwen 模型每年能省下 40 万美元。

全球最有钱、最有人才的美国 AI 产业，在「开源模型」这件事上集体缺席。

这不是偶然，而是一个结构性问题。

01

开不起的源

要理解美国为什么做不出开源 AI，得先理解美国前沿 AI 的经济账。

训练一个前沿模型的成本是数亿美元。OpenAI 和 Anthropic 的年训练开支已经远超大多数上市公司的全部研发预算。

但比成本更要命的是时间。

20VC 播客中，投资人 Rory 指出了一个残酷的现实： 一个前沿模型的「保质期」大约只有 12 到 24 个月。 新一代模型一出，上一代就贬值。这意味着数亿美元的训练投入，必须在一到两年内通过 API 定价回收，否则就是沉没成本。

在这种压力下，闭源不是一种选择，而是生存逻辑 。

OpenAI 和 Anthropic 卖的不是模型本身，而是通过模型提供的「智能服务」——按 token 计费，按调用收钱。整个商业模式建立在一个前提上：用户无法绕开你，直接获得模型的能力。开源会直接摧毁这个前提。

那能不能像软件行业那样，靠社区力量来做开源 ？

答案也是否定的。一个分析文章说得很直白： 开源 AI 不是 Linux。 Linux 之所以成功，是因为全球的程序员可以贡献代码，而代码一旦写出来，复制和分发的成本几乎为零。但训练一个前沿 AI 模型，需要集中调度数十万块 GPU 跑上几个月，这不是任何社区能众筹的事情。

所以在美国 AI 的版图里，要么靠闭源卖钱（OpenAI、Anthropic 的路），要么靠一个不需要模型盈利的「金主」来养（Meta 曾经的路）。没有第三条路。

Ramp 的经济学家 Ara Kharazian 在接受 NPR 采访时说了一句大实话——中国开源模型的崛起，恰恰证明市场上存在一个巨大的需求，而美国的模型公司目前没有在满足它。

美国前沿 AI 的成本结构，天然排斥开源。训练成本要回收，推理成本要覆盖，投资人要超额回报——三重压力之下，「免费」是一个付不起的代价。

02

Meta 的「叛变」

如果说美国 AI 圈曾经有一个真正的开源信徒，那就是 Meta。

2024 年，Mark Zuckerberg 写了一篇长文，标题就叫「 开源 AI 是前进之路 」。在一次播客上被问到对闭源模型的看法时，他的回答简洁有力——Fuck that。

Meta 接连发布 Llama 2、Llama 3，成为美国开源 AI 事实上唯一的旗手。

但 Meta 做开源的逻辑，从一开始就不是为了建设公共生态。它的算盘是竞争策略——如果开源模型足够好，就能侵蚀 OpenAI 和 Google 的护城河。而 Meta 自己靠广告赚钱，不需要模型直接盈利。 说白了，Llama 是一把递给全世界的武器，目标是 Meta 的竞争对手，不是 AI 普惠的理想。

可惜，这把武器在 2025 年末失灵了。

Llama 4 的内部表现没有达到预期，在与 GPT 和 Claude 的对比中落了下风。Meta 随即做出了一个震动整个行业的决定——放弃开源路线，转向一个代号为「Avocado」的闭源模型项目。

这个转向的深层原因，比 Llama 4 的失败本身更值得关注。

Meta 多年来优化的一直是开源的分发效率——怎么让更多人用上 Llama，怎么让生态长得更快。但它从未真正在「前沿性能」这个维度上全力以赴。 一旦战场转移到闭源模型之间的能力比拼，Meta 发现自己已经落后于始终只做一件事的对手。

有分析文章说得很直接：当全世界最坚定的开源 AI 公司亲手放弃了这条路，这本身就验证了 OpenAI 和 Anthropic 从一开始选择的商业模式。

Meta 的 Avocado 转向，不是小扎的心血来潮，而是整个美国 AI 产业用实践投出的一张票—— 在前沿 AI 这个赛道上，闭源是唯一在商业上成立的路径。

03

被锁死的路

Meta 不干了。有没有其他美国公司愿意接这个位置？

理论上是有的。美国至少有四五家公司具备训练前沿模型的技术能力。但它们面临一个「结构性困境」。

假设你是一家美国初创公司，想做一个低成本开放权重模型，你面对的第一个问题是效率。从零训练一个模型，成本是天文数字。业界公认的一种高效方法叫「蒸馏」——用一个更强模型的输出来训练一个更小、更便宜的模型。

这不是什么灰色手段， 马斯克在法庭上公开承认自家公司 xAI 也用蒸馏 ，并表示这是行业常规做法。

但问题来了。OpenAI 和 Anthropic 的服务条款，明确禁止用户将模型输出用于训练竞争性模型。如果你是一家守规矩的美国公司，你就不能用市场上最强的模型来加速自己的训练。

Thompson 一针见血地指出了这个悖论的荒诞之处—— 美国的开放权重模型制造商遵守前沿实验室的服务条款，结果是它们比不遵守这些条款的竞争对手更弱。

再叠加人才和资本的虹吸效应。美国最好的 AI 研究者几乎全部被 OpenAI、Anthropic 和 Google 锁定，因为那里有最大的算力、最高的薪水和最前沿的课题。剩下的创业公司，要用十分之一的资源做出同等水平的东西，这几乎是一个不可能完成的任务。

也不是没有人在尝试。

2026 年 7 月 15 日，OpenAI 前 CTO Mira Murati 的 Thinking Machines Lab 发布了 Inkling，一个 9750 亿参数的开放权重模型，使用了最宽松的 Apache 2.0 许可证。

但 Thinking Machines 自己也坦承——Inkling 不是前沿模型，它的定位是「 微调的好底座 」。

一个前 OpenAI CTO 带着 120 亿美元估值的创业公司全力以赴，做出来的东西还是够不到前沿。 这恰恰证明了开源条路被锁得有多死。

04

回不去的开源时代

如果把视野拉远一点，美国做不出开源 AI 这件事，指向的可能是一个更大的命题—— AI 时代的经济规律，和软件时代根本不同。

回头看，开源软件的黄金时代几乎是一个经济学上的奇迹。

1991 年，一个 21 岁的芬兰大学生 Linus Torvalds，在自己的卧室里写出了 Linux 内核的第一个版本，然后把源码发到了网上。没有风投，没有算力账单，没有 GPU 集群。他需要的全部工具就是一台 PC 和一个编译器。

关键在于， 一旦代码写出来，「复制」的成本几乎为零 。任何人都可以下载、修改、再分发。全世界的程序员通过互联网协作，每人贡献一点代码，积少成多，最终让 Linux 长成了一个能撑起全球互联网基础设施的操作系统。Apache、MySQL、Python、Android——整个开源生态都建立在同一个经济前提上： 代码是一种写出来之后就不再消耗物理资源的东西。你写了一个函数，一亿个人调用它，你不需要为这一亿次调用多付一分钱。

在这个前提下，开源是一件经济学上完全自洽的事。个人程序员贡献得起，因为贡献的只是时间。企业参与得起，因为维护社区的成本远低于自己从头开发。用户受益，因为免费使用不增加任何人的负担。这是一个完美的正和博弈。

AI 模型把这个前提彻底打碎了。

一个大模型的「复制」不是 Ctrl+C。它的「复制」是推理——每回答一个问题，每生成一段文字，都在消耗真实的算力和电力。模型越大，推理越贵。

当 Claude 在为你写一封邮件的时候，Anthropic 的数据中心里有一排 GPU 正在满负荷运转。这不是零边际成本，这是每一次使用都在烧钱。

更残酷的是训练端。Linux 内核可以迭代 30 年，每一行新代码都叠加在旧代码之上，知识是累积的。 但 AI 模型的训练是「推倒重来」式的 ——每一代新模型都需要重新投入数亿美元，上一代的训练成本基本无法复用。软件时代的开源像滚雪球，AI 时代的开源像填无底洞。

Rory 在 20VC 播客中点出了另一层差异：微软当年能用捆绑策略碾压竞争对手，是因为把浏览器塞进操作系统的成本几乎为零。但 AI 公司不行——你每降一次价，你的推理成本不会跟着降。你的边际成本是刚性的，是由物理定律和电费账单决定的。

这就是为什么「开源 AI」，在经济学意义上是一个反自然的存在。

你不可能让一个有持续物理成本的东西真正免费。有人必须持续为这些成本买单——用风险投资、用广告收入、用国家战略预算，或者用别的什么。但无论哪种方式，都不是 Linus Torvalds 在卧室里就能启动的那种模式了。

所以美国做不出低成本开源 AI 模型，不是某家公司的失败，不是某个政策的缺陷。 这是 AI 这种技术的经济本质，和「开源」这种模式之间的深层矛盾。

一个值得追问的悬念是：如果开源在 AI 时代注定需要真金白银来支撑，那愿意持续为全世界「付出」的那个角色，最终会是谁？

中国模型公司不断给美国同行带来的「惊喜」，是这个问题最好的答案。

*头图来源：WIRED

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO