美华头条7月26日综合报道　美国多家科技企业、人工智能初创公司及行业组织近日在华盛顿集中呼吁联邦政府，不要对开放权重人工智能模型实施全面限制，而应根据模型能力、使用者身份和部署场景制定分级监管措施。7月22日，一个代表179名创始人和成员企业的行业组织向白宫科技政策办公室和商务部提交公开信；7月24日，微软、英伟达、Meta、OpenAI等35家企业及机构发表联合声明。截至7月25日，美国政府尚未宣布针对中国开放权重模型的全面禁令。

这场政策争论发生在中国人工智能企业持续推出高性能开放权重模型之际。阿里巴巴、DeepSeek和月之暗面等公司的产品在部分评测和应用任务中缩小了与美国领先模型之间的差距，并因允许企业自行部署而受到开发者关注。与此同时，美国政府正评估相关模型可能涉及的国家安全、出口管制和知识产权风险。

两批企业相继向美国政府表达立场

7月22日，小型科技协会向白宫科技政策办公室主任迈克尔·克拉齐奥斯和商务部长霍华德·卢特尼克提交公开信，并将信函抄送总统、副总统和国家网络总监。

公开信由179名创始人和成员企业联署，提出五项政策原则，包括保留美国开发者发布模型权重的权利、维持企业对现有开放模型的使用渠道，以及对特殊能力、受限制用户、敏感部署和超大规模云端推理实施更严格的安全措施。

该组织还建议，政府和关键基础设施在使用受外国司法管辖的模型时，可以执行更严格的采购与安全标准；但美国企业在本地运行已经公开的模型，不应仅因模型来源而自动受到覆盖整个经济领域的限制。

7月24日，微软、英伟达、Meta、OpenAI、IBM、思科、GitHub、Hugging Face、Mozilla、Linux基金会和Y Combinator等35家企业及机构发布联合声明，支持开放权重模型在美国人工智能生态中的发展。

声明认为，开放权重模型可以扩大人工智能技术的使用范围，促进模型、芯片、云计算、软件和应用服务之间的竞争，并让企业对自身数据、运行环境和技术积累拥有更多控制权。

开放权重不等同于完全开源

开放权重模型通常允许用户下载模型参数，在自己的服务器、私有云或第三方计算平台上运行，并根据具体业务进行调整。

不过，公开模型权重并不意味着开发商同时公开训练数据、源代码、训练方法和全部技术细节。因此，开放权重与传统意义上的完全开源软件并不完全相同。

与之相对，封闭模型通常由开发企业集中托管，客户通过订阅服务或应用程序接口使用模型。企业无需自行购买和维护计算设备，但需要持续支付服务费用，并依赖供应商制定的数据处理、价格和使用规则。

中国模型进步改变市场竞争条件

部分行业评估认为，到2026年年中，阿里巴巴、DeepSeek和月之暗面等中国企业推出的开放权重模型，在推理、编程和通用任务的部分指标上，已经进一步缩小与美国领先模型之间的差距。

不过，不同模型在测试方法、语言能力、稳定性、安全性和实际行业应用中的表现仍有差异，单一评测结果并不能证明其整体能力完全相当。

开放权重模型的扩大使用，正在改变人工智能市场的竞争方式。过去，许多企业主要通过付费接口使用美国公司的先进模型；如今，一些企业可以选择下载模型，在内部系统或私有云中运行，并根据业务需要进行调整。

对于开放模型开发商而言，免费提供模型权重并不意味着放弃商业收益。开发商仍可通过云计算、企业部署、模型定制、开发工具和技术支持获得收入。一个模型如果被大量企业采用，还可能扩大其开发者在行业标准和技术生态中的影响力。

“免费模型”仍需承担计算成本

开放权重模型可以免费获取，但企业运行模型仍需支付计算和维护成本，包括图形处理器或其他专用芯片、内存、存储、电力、冷却、网络安全及技术人员费用。

因此，开放权重与商业接口之间并不存在适用于所有用户的统一成本结论。

对于调用量有限、缺少技术团队的中小企业，购买商业接口或订阅服务可能更经济，因为供应商负责设备、安全和日常维护。对于使用量较大、拥有现有计算资源，或者必须将敏感数据保留在内部网络的机构，本地部署则可能在较长周期内降低单位使用成本。

模型压缩、量化和蒸馏等技术正在降低部分模型的运行门槛，但训练最先进的基础模型，以及同时为大量用户提供稳定服务，仍需要大规模芯片、能源和资本投入。

从成本结构看，开放权重并非消除人工智能费用，而是将部分支出从模型接口转移至设备、云计算、能源和系统维护。

安全风险与开放价值并存

主张加强监管的人士认为，高性能模型权重一旦公开，原开发商便难以控制其复制、修改和传播，也很难撤回已经下载的版本。经过调整的模型可能被用于网络攻击、自动化欺诈或其他有害用途。

支持开放权重的一方则指出，封闭模型同样可能遭到滥用、攻击或出现外部研究人员难以及时发现的漏洞。模型是否开放并不是判断风险的唯一标准，模型能力、访问规模、使用者身份和运行环境同样会影响实际风险。

联合声明提出，允许研究机构和安全团队检查模型，可以扩大漏洞测试和防御工具的开发范围；但发布模型权重后难以追踪和逆转的风险，也需要通过模型评估、客户核验、运行记录和敏感用途限制等措施加以控制。

蒸馏争议涉及授权与知识产权

美国政策讨论的另一项焦点是模型蒸馏。蒸馏通常是利用能力较强模型的输出，训练体量较小或针对特定任务的模型，是人工智能行业常见的技术方法。

美国部分企业和官员指控，一些外国开发者可能通过大规模获取美国模型输出，改进自身产品，并涉嫌规避服务限制。这些指控涉及合同、商业秘密和知识产权问题，相关企业是否存在违法行为仍需依据证据和法律程序认定。

支持开放权重的企业认为，合法蒸馏、开放模型发布和未经授权的数据提取属于不同层面的问题，不应直接等同。对于盗用账户、绕过技术限制或未经许可大规模提取模型输出的行为，可以通过有针对性的司法和商业措施处理，而不必限制全部开放模型。

审慎监管者则认为，模型文件能够以较低成本跨境复制，现有法律能否及时处理跨国技术提取和传播问题，仍有待检验。

市场依赖可能从模型转向基础设施

开放权重模型可以减少企业对单一模型供应商的依赖，但不会消除其对芯片、内存、数据中心和云计算平台的需求。

随着更多企业自行部署模型，人工智能芯片和云端推理服务的需求可能继续增长。企业减少向封闭模型开发商支付接口费用后，仍可能需要向少数大型芯片和云服务企业支付基础设施费用。

不同企业支持开放权重的原因也不完全相同。模型开发商重视生态规模，芯片企业关注计算需求，云服务商关注模型托管和推理业务，网络安全公司则可能围绕模型评估和防护开发新服务。

封闭模型企业则需要依靠订阅和接口收入，收回模型训练、数据、芯片及研发人员方面的投入。高性能开放模型数量增加，可能对现有收费模式形成价格和竞争压力。

因此，开放权重带来的变化不仅是模型是否免费，也涉及未来人工智能市场的定价权、技术标准和基础设施控制权。

分级监管成为业界提出的主要方案

两批企业提交的文件均未主张取消人工智能监管，而是要求将监管重点放在可以识别的高风险能力和使用场景上。

根据相关建议，普通商业、科研和本地部署可以维持相对开放；政府、国防、关键基础设施和其他敏感系统，则可执行更严格的采购审查、模型评估和数据隔离要求。

对于提供前沿规模推理服务的云平台，企业建议通过客户身份核验、运行记录、速率限制和受限制用户管理降低风险。涉及模型盗取、凭证欺诈和未经授权大规模提取的行为，则可采取司法、制裁或商业限制措施。

截至7月25日，美国政府尚未公布最终监管方案。白宫官员表示，任何正式政策将由政府直接宣布，相关报道并不代表已经形成决定。公开信息同时显示，全面禁止中国开放权重模型尚未成为已确定的政府政策。

这场争议显示，美国人工智能政策正在同时面对四项相互关联的目标：保护国家安全和知识产权、维持初创企业的技术选择、避免产业过度集中，以及推动美国本土开放模型继续发展。

未来规则如何界定高风险模型、如何管理外国模型在敏感系统中的使用，以及如何区分正常技术训练与未经授权的数据提取，将影响美国企业的开发成本、芯片和云计算需求，也将改变中美人工智能产业的竞争方式。