乌镇世界互联网大会的辩论环节把开源与闭源、速度与审慎的争论再次推到台前。DeepSeek的研究工程师高曦在台上直言:如果实现通用人工智能原本需要十年,“我们希望缩短到一年;如果还要一年,我们希望它明天就到来”。这是本次讨论的一个明确表态,也成为会场上多方论点交锋的起点。
近几年,硅谷的安全研究者频繁走上国会和公开场合,强调前沿模型带来的极端风险与监管必要性。Anthropic的对齐团队负责人Evan Hubinger等人曾公开表示,在未来十年内,前沿模型导致毁灭性失控或人类灭绝的概率“高于10%”,并称在几个月内出现过至少5起高危申请,意在利用模型协助改进蚊媒病毒传播能力或诱导哺乳动物禽流感变异。此类公开警示成为推动相关企业与监管机构讨论更严格发布与许可机制的背景之一。
同时,一些大型AI公司高层多次赴华盛顿,主张把“超级AI”的发布纳入更严格的许可或合规制度,强调算法权重不宜开源、要以云端托管并通过API控制访问。这种主张在行业内引发讨论:一方面是以安全为由的集中式发布路径;另一方面是技术社区长期以来倡导的开源实践与透明审查。
回溯历史,OpenAI 于2015年由伊隆·马斯克与山姆·奥特曼等人共同发起,机构名称所体现的“开放”初衷,是为了防止算法与算力集中导致的黑箱垄断。但在随后的模型发展路径中,随着“Scaling Law”对算力投入的正相关性被验证,部分实验室逐步将模型权重上锁于云端,以API服务形式对外提供能力访问,这一转变既有技术考量,也与商业化模式有关:闭源云端模式以按调用计费为主,开源则意味着将模型配方下放给更广泛的开发者群体。
在乌镇的讨论中,提出了几个可观察的事实指标:对闭源模式的影响可关注主要API提供方是否调整定价;对开源生态的影响可观察私有化部署开源模型的单位数量及其安全响应速度;对算力与成本结构的影响可关注头部实验室公开的训练成本与模型能力比值变化。大会上,DeepSeek方面披露其通过多头潜隐注意力机制(MLA)与GRPO强化学习框架,将V3与R1的训练成本压缩到约560万美元,并称其推理产品DeepSeek-V4.1-Flash在每百万Token的推理成本区间约为0.035到0.12美元。这些数字在会场上被用来说明在算法与工程优化下,训练与推理成本的可变性。
另一个已发生的市场反应是:2025年1月,R1发布次日,英伟达股价单日下跌约18%,创下美股单日市值回撤的显著记录。这一事件被市场参与者解读为对“靠堆算力维持技术垄断”预期的一次短期冲击。
与此同时,来自云服务方的观点也被带到讨论中。阿里云Qwen负责人刘大一恒在现场指出,开源模型权重一旦被下载并在本地运行,就难以回收;这一“不可逆性”在技术层面对安全研究与漏洞响应提出了不同的要求。闭源云端服务在出现问题时,可以通过关闭接口实现一定程度的快速控制;而开源路径则依赖更广泛的社区协作来发现并修补问题。
在会场之外,讨论者列举了几类需要进一步披露或验证的事实点:一是前沿模型在实际被提交用于危险用途时的具体案例与处置结果;二是不同发布模式下安全公告与补丁响应的时间统计;三是不同实验室公开训练成本的可比性与披露标准;四是API与本地部署两类产品在价格与可及性上的长期演进趋势。
本文梳理了乌镇讨论中的公开表态、已披露数据与可供观测的事实节点,不作结论性判断,后续进展应以各方权威发布为准。本文仅整理各方公开表态与已发生事实,不做局势预判,后续进展以权威发布为准.