本文来自微信公众号： Internet Law Review ，作者：张颖
2026年7月27日，月之暗面（Moonshot AI）正式开源了Kimi K3的完整模型权重，并成为首个在主流编程排行榜上超越Fable 5和GPT-5.6的中国模型，也是全球“最大”的开放权重模型之一；智谱于6月中旬发布的GLM-5.2也被美国NIST评价为“可能是目前最强大的开源权重AI模型”，并成为Vercel在2026年追踪的所有模型中采用速度最快的模型。
事实证明，中国的DeepSeek时刻并非昙花一现，而且中美在前沿AI模型水平上的差距正在迅速缩小至数月，而中国的开放权重模型已发展成为默认基础设施，甚至是在美国公司中也极受欢迎。
随着中国开源人工智能模型的能力和普及程度不断提高，美国政府内部开始讨论禁止这些模型，于是行业内应该如何应对它们的争论再次达到了白热化阶段——7月24日和22日，由英伟达和小科技协会（Little Tech Association）分别牵头公开的两封重量级行业信，代表了美国近300多家大中小科技企业，反对美国政府对中国开放权重模型实施广泛封禁。
一、英伟达-微软的巨头信：把"开放权重"上升为美国主权战略
2026年7月24日，英伟达、微软、Meta、IBM、戴尔、Hugging Face、Palantir等25家机构联署《开放权重和美国人工智能领导地位》（Open Weights and American AI Leadership）。英伟达CEO黄仁勋在X平台写道：“世界既需要前沿的闭源模型，也需要前沿的开源模型。开放模型增强安全性和网络防御，加速创新和扩散，并实现主权。"截至7月28日签署方已扩至133家，OpenAI中途补签，Anthropic目前仍旧缺席。
这封信发表于美国白宫正在权衡是否限制中国开放权重模型（如Kimi K3）进入美国市场的敏感时刻，实质是美国AI产业界向政策制定者递交的一份"路线宣言"——主张美国AI领导力不取决于某一个前沿闭源模型，而取决于能否建立一个强大、开放的生态系统。
所谓的"开放权重模型"，在该文中被定义为：任何人都可以下载、检查、修改并在自己基础设施上运行的AI模型。更精准地说，开放权重≠开源软件（开源AI），"开源AI"要求的是训练代码、训练数据信息、参数三件套齐备；但“开放权重”没有训练数据或训练代码，其他人就无法审查或复现训练过程，可以让人们得以一窥深度学习模型的最终状态。
公开信的核心论证有三个支点：
1、降低AI经济的准入门槛：开放权重降低企业进入AI经济的门槛，让中小组织无需购买专有LLM即可构建应用；
2、竞争与主权：开放权重在模型开发者之间、云、芯片、应用和服务等全栈层面激发竞争，"使AI收益广泛分布于整个经济，而非集中在少数几方手中"；
3、保障客户控制权与数据主权：单纯依赖封闭模型本质上并不安全，开放权重通过社区审查提高安全性。
其中最值得关注的是，关于"蒸馏"的关键立场。英伟达-微软的这封公开信强调，合法蒸馏是AI创新发挥重要作用的技术，不应被全面限制；从封闭模型中非法提取价值的行为确实引发正当关切，但这些关切应当通过有针对性的法律和商业框架来处理，而不是通过全面限制创新技术来应对。
这实质上是在对美国对中国模型蒸馏表态所进行委婉反击——把"蒸馏"从"工业规模盗窃"的叙事中拉回到"合法且必要的技术手段"的定位。这也是为什么，OpenAI在最开始没有署名、而Anthropic一直未参与的原因。
这封信所代表的产业界的潜台词似乎是——可以限制"中国模型"，但不能创立"禁止开放权重"这个先例，否则美国自己的开源生态也会受伤。这种"精准脱钩+保留开放范式"的思路，很可能就是美国政府2026财年在针对AI的出口管制"新框架"的真实方向。
二、初创公司的信：用"生存"话语反对开放权重的封禁
小型科技协会（Little Tech Association）于2026年7月22日向白宫科技政策办公室提交了一封公开信，由179位创始人和成员公司联署。它在白宫正在权衡是否限制中国开放权重模型进入美国市场的关键时刻发出，代表了美国小型科技公司与初创企业群体的立场——与微软-英伟达联盟的公开信形成互补但略有差异的声音。
它与微软-英伟达联盟的公开信一样与反对过早、过度限制开放权重模型，主张通过"与能力、用户和部署场景挂钩的安全保障"来管理风险，而非全面禁止或限制开放权重的发布与访问。
信中明确承认中国开放权重模型是"竞争战略"，但结论不是"因此要限制"，而是"因此美国更需要自己的开放权重模型，并保留访问权"。这种"承认对手优势但不自我封闭"的务实姿态，主要代表了初创企业的生存焦虑。
Replit CEO Amjad Masad对媒体表示："禁止中国开放模型，等同于禁止开放模型本身。这是一个生态系统，禁令开创的先例是糟糕的。"而Particle创始人Suhail Doshi的警告更为直白：如果禁止中国的AI开放权重，"将有数百家公司瞬间死亡"。这一判断的技术依据是：近半数受访初创公司的产品底层直接运行着DeepSeek、Qwen、Kimi等开放权重模型上，一旦切断访问，不是换供应商的问题，而是产品架构的基础层停摆。
三、依赖的三个层次：成本、安全、学习
用"DeepSeek时刻"来概括中国开放权重模型的崛起，已经不够准确。中国模型如今已具备足够的性能、成本优势和开放性，足以重塑全球人工智能竞争格局。斯坦福HAI与DigiChina项目2025年12月发布的政策简报《Beyond DeepSeek》明确指出："今天，中国制造的开放权重模型在全球竞争性AI格局中已不可避免"。
中美之间AI竞争是真实且“非此即彼”的。中国和美国控制着用于前沿人工智能开发的约90%的计算能力，而且据统计，排名前50位的基础模型全部出自两国之手。也就是说，全球任何公司若要部署AI模型，在中美模型之外几乎没有什么第三选择。
但美国产业界对中国开放权重模型的依赖，也是真实的，而且是结构性的。
一方面，美国AI初创企业对中国开放权重模型的依赖是经济性的。
a16z合伙人Martin Casado估算，80%向a16z路演的开源AI初创企业基于中国模型构建。自今年2月8日以来，美国公司通过OpenRouter（一个允许开发者访问各种人工智能模型的平台）使用代币购买中国人工智能模型的比例每周都保持在30%以上，最高甚至达到46%。因为以前美国公司优先考虑采用人工智能而不考虑模型，但现在他们更加注重成本。当一项任务不需要最好的模型时，美国企业就会开始选择价格最低且足够好的模型，而中国的开放权重模型正在赢得这种竞争。
有美国公司表示，其采购的模型从Claude换成DeepSeek后，几个月内为其节省数百万美元。
就如Little Tech Association在联名信中的警告：禁止美国开发者访问中国开放模型，相当于对整个行业征收一笔“智能税"（intelligence tax）——提高成本、缩小选择、巩固在位者地位。
另一方面，在AI安全与防御场景中，中国开放权重模型正在成为美国基础设施的"互补性防御资产"。
2026年7月16日，Hugging Face监测到其生产基础设施被失控的OpenAI代理入侵后，团队最先调用美国商业闭源前沿模型API协助分析，但请求被模型的安全护栏一刀切拦截，因为无法区分防御者的取证请求与攻击者的恶意请求，最终救场的是中国智谱的开源模型GLM-5.2。风险投资家兼特朗普顾问大卫•萨克斯（David Sacks）也公开分享过一些案例，说明当美国前沿模式无法完成任务时，美国公司会转而求助于中国系统来弥补安全漏洞。
第三，中国开放权重模型的创新型正在被美国公司“借鉴”和学习。
Arcee AI首席技术官Lucas Atkins在TechCrunch采访中的表态具有代表性。他指出：中国开放权重模型并不比企业日常使用的其他任何开源软件更危险；开放权重模型让美国开发者能够学习、借鉴和改进，Arcee也从中国模式中获益匪浅。
Replit CEO Amjad Masad也曾披露过，Thinking Machines Lab的新开放模型Inkling，就是在Moonshot的Kimi 2.5帮助下训练的。这意味着美国前沿AI实验室的模型开发工作，已经直接建立在中国开放权重模型的基础之上。
所以，把中国模型简单视为"威胁"会误判生态现实。当美国政府辩论"是否封禁中国模型"时，科技行业已经用脚投票给出了答案。上述既成事实和来自科技巨头和初创公司呼吁构成了一幅比"中美AI对抗"更为真实的图景：竞争中有依赖，依赖中有防备，防备中有互鉴。
四、从行业"情绪"到监管"规则"：下一篇文章预告
两份行业信的出现，表面是产业利益表达，深层是美国AI管制范式转移的征兆。当英伟达、微软、Meta等巨头与179家初创企业在"反对按来源封禁"上形成统一战线时，美国政府面临的不是"是否管制"的选择，而是"管制什么、用什么工具管制"的技术问题。
2026年7月14日，美国商务部工业与安全局（BIS）副局长Jeffrey Kessler在众议院外交事务委员会作证时明确表示，针对人工智能和半导体的监管行动"即将到来"。商务部2026财年监管计划将替代规则的发布列为BIS首要立法任务，并承诺在9月30日前以临时最终规则（IFR）形式发布——这意味着新规将"先生效、后征求意见"，无需事先通知即可落地。
那么，替代框架会管什么？6月BIS对Anthropic的"知情函"目前看起来很像是阻力最小的一种可能性：控制模型及其访问权限，而非芯片本身。如果BIS的新框架转而管制"谁可以远程调用什么模型"——那么开放权重"可自由下载、随处部署"的状况，还能持续多久？
明日发布的第二篇《从ECCN 4E091到"能力管制"：美国AI权重监管的现在与未来》
《互联网法律评论》主编
【免责声明】本文撰写所需的信息采集自合法公开的渠道，我们无法对信息的真实性、完整性和准确性提供任何形式的保证。本文仅为分享、交流信息之目的，不构成对任何企业、组织和个人的决策依据。