大模型路线之争：闭源与开放权重的角力与未来

事件概述

2026年6月底，智谱发布开放权重模型GLM-5.2，外媒报道其在网络安全、漏洞发现等任务上接近美国前沿模型水平。这一消息背后，凸显出AI行业最重要的分裂不再是中美或大厂与创业公司之间，而是闭源API与开放权重两条路线之争。

核心信息

1. 闭源与开放的两条路

• 闭源派将最强模型藏在API后（如OpenAI、Anthropic），平台控制访问、计费和迭代，开发者依赖外部能力，成本与风险随调用量上升。
• 开放权重派（如Meta Llama、Mistral、DeepSeek、Qwen、智谱）公开模型权重，允许下载、部署、微调、量化，企业和开发者可自控部署环境。

2. 闭源巨头松动

• OpenAI在DeepSeek冲击下，萨姆·奥尔特曼承认开源可能“站在了历史错误的一边”，并补发开放权重模型，但前沿能力仍封闭。
• 闭源公司以“我们最负责”的安全叙事维持封闭，同时从卖API转向卖“数字员工”等高客单价产品。

3. 开放权重的商业逻辑

• 开放模型本身类似Linux免费，利润转移至算力调度、数据治理、安全护栏和私有化运维。
• Meta押注开放模型以削弱苹果、谷歌生态；云厂商（如微软）通过托管和工具链获利。这是一种“延迟的闭源”：先占住生态，再谈商业条款。

4. 类比Android

• 开放权重像Android：不需要在所有维度击败最强闭源（iOS），只要在足够多任务上“够用”、更便宜可控，就能大规模扩散到企业部署、端侧设备等各类场景。一个85分但可控的模型往往比100分但完全租用的模型更有吸引力。

5. 开放的安全与监管难题

• 开放权重使能力可被复制、拆除安全过滤后重新部署，原始发布方难以追责。闭源可通过账号、内容审核保留控制。双方争论聚焦：开放促进透明与创新，但可能带来不可逆的扩散风险。未来需明确“开放到哪一层”——调用接口、权重、训练数据，以及由谁评估风险、如何追责。

6. 中国AI的开放权重优势

• 闭源路线直面OpenAI、谷歌等存在算力、生态、品牌落差。开放权重能绕过产品入口壁垒：只要模型够便宜够强，全球开发者可直接使用，无需下载App或建海外销售体系。DeepSeek已证明此路径可行。美国USCC 2026年报告指出，开放模型可国内反哺产业链、国外扩张影响力，形成“两个循环”。但需解决如何将开发者热度转化为企业收入和生态控制力。

7. 未来：混合路线与模型调度层

• 最前沿高风险模型仍由少数公司闭源控制；大量中高性能模型以开放权重形式扩散。企业从“选一个模型”变成“编排一组模型”：困难任务交给闭源前沿，普通任务用开源，隐私任务用本地模型。
• 新的中间层机会：模型调度层，能在闭源、开源、本地、行业模型间自动分配任务。微软同时押注OpenAI、Hugging Face和GitHub Copilot，无论用户用闭源还是开源，都可能用到其云、工具或代码托管。

值得关注

• 争论核心正从模型能力转向部署权、成本结构和生态议价权。未来两年问题将从“谁能做出最强模型”变为“模型足够强后该属于谁”。
• 实际迁移已在发生：创业公司将普通任务从闭源API切到开放权重模型；医院为合规本地部署；车企为端侧速度训练小模型。真正改变格局的，可能是越来越多的人问：“这套能力，我为什么一定要一直租？”