当前，人工智能成为我国政策关注的焦点——本周中央发布的《“十五五”建议》8次提及“人工智能”，为未来五年人工智能产业的发展绘就清晰蓝图；国务院8月发布的《关于深入实施“人工智能+”行动的意见》，明确将人工智能作为重塑生产生活范式的核心驱动力。
在这场关乎未来的全球科技竞争中，开源还是闭源的路线选择尤为关键。与美国主导的闭源模式不同，中国的选择已然明朗：坚定拥抱开源。
为何中国坚定走“开源”路线？将为我国人工智能及相关产业带来什么？大湾区人工智能应用研究院理事、特聘专家，长江商学院投资研究中心主任刘劲长期关注人工智能产业发展，他接受记者采访时表示，开源路线有助于构建一个远超14亿人的全球性网络，增加人才数量和提高创新效率，打破脱钩陷阱。
“开源”战略意义在于打破脱钩陷阱
南方日报：在人工智能这条赛道上，中国为何坚定走“开源”路线？
刘劲：“开源”的战略意义在于构建一个远超14亿人的全球性网络，放大人才数量和创新效率，打破脱钩陷阱。
以DeepSeek为代表的优秀开源模型发布后，迅速在全球开源社区中传播，吸引数以万计的开发者下载、使用、评估和贡献，这就将中国的创新网络从国内延伸至全球，来自不同国家、不同文化背景的开发者会基于中国开源的模型进行微调、优化和再创造，无论是修复漏洞、优化算法，还是开发全新的应用，都在实质上为中国主导的技术生态添砖加瓦。
当一个中国的开源大模型因其性能优越、成本低廉而被全球开发者广泛采用时，它的架构、API接口、数据格式就可能成为事实上的行业标准。这将引导全球的AI应用、硬件（如AI芯片）和下游工具链主动与之适配，从而打破美国在AI领域设下的技术壁垒和生态护城河。一旦全球开发者习惯了在中国的技术生态与网络中进行创新，所谓的“脱钩”就失去了根基。
南方日报：以DeepSeek为例，开源对AI大模型开发者有什么价值？
刘劲：DeepSeek开源给其带来了巨大的红利。首先是收获了大规模的用户和“间接用户”，飞书、微博、腾讯元宝等应用都接入DeepSeek，全球的企业本地部署大模型和大模型下游应用开发者都将其作为最主要的模型选项，在美国和全球一度连续登顶苹果、谷歌应用商店下载榜；研究论文登上《自然》封面，成为首个经过严格同行评审并在权威期刊发表的主流大语言模型研究。
另一方面，DeepSeek成为大模型开源社区的明星后，迅速构建了生态价值。以DeepSeek R1在代码托管平台GitHub上的页面为例，受到超过9万的开发者关注，产生1.1万+的项目副本、58个代码贡献提交申请。社区成员自发地对模型进行测试、微调、创建应用、修复漏洞，极大地拓展模型的应用边界和影响力。
开源是后发挑战者的最佳策略
南方日报：对大模型企业而言，开源大模型能否构筑自己的护城河？
刘劲：由于技术复杂、数据依赖和伦理挑战，AI大模型开源比传统软件开源要复杂得多。要达到软件开源那种“即看即用”的效果，大模型理论上需要同时开源代码、模型权重和训练数据。但在现实中，主流的开源大模型并不会这样做，他们一般会公开自己的权重，也就是大模型“学习”到的所有知识和能力的数学表示；而不会开源训练代码和训练数据，这是大模型最核心的技术秘密和竞争力来源。
公开权重好比给你一道做好的菜，而公开训练数据和代码则相当于将米其林三星厨房的秘方、供应链和厨师团队全盘托出，这将极大削弱其技术和商业护城河。此外，开源训练代码有被滥用的风险，如生成有害内容或训练偏见模型，监管方面（如欧盟AI法案）也鼓励大模型厂商控制核心组件，开源数据则还存在巨大的版权和隐私风险。
值得一提的是，DeepSeek虽然没有开源其训练代码，但在论文、技术文档和活动中，仍然披露了许多训练过程中的创新细节，如关于混合专家架构的优化、改进的多头注意力机制、强化学习上的优化、混合精度训练上的做法等，这为整个行业的技术进步带来了启发。
南方日报：美国人工智能公司Anthropic联合创始人兼首席执行官达里奥曾质疑，大模型开源权重不同于软件开源，无法获得开发者社区的反向贡献。如何看待这些质疑的声音？
刘劲：这些质疑不无道理。不过，我们必须认识到，开源通常是后发挑战者的最佳策略。如果没有开源，DeepSeek不可能在短时间内获得如此巨大的网络规模。从竞争角度看，开源也拖慢了领先闭源模型的商业化步伐，为追赶者赢得了宝贵的发展空间。
南方日报：您对未来中国人工智能产业的发展有何展望？
刘劲：对于中国人工智能产业而言，继续推进高质量的开源大模型，不仅有助于提升在全球人工智能竞争中的话语权，更能为构建更加开放、包容、创新的全球AI生态贡献中国智慧和汲取全球智慧。
另外，开源大模型企业在制定策略时，必须审慎平衡网络规模的扩张与核心技术优势的保护。从这个角度看，DeepSeek开源权重和推理代码是理性的选择，较多地披露训练技术细节则是一招险棋，虽赢得了巨大的关注度，但也可能加速竞争对手的追赶。
南方日报驻京记者 赵晓娜
