李开复最近在公开场合抛出了一个观点：开源模型是实现"AI主权"的更优路径。
"AI主权"这个词值得先拆解一下。它的核心意思是：一个国家、一个组织、一个开发者，应该对自己的 AI 能力有自主权——不依赖外部公司的 API，不受制于别人的服务条款，能随时修改、部署、优化自己的模型。
在这个定义下，开源确实看起来是最优解。但你如果只看到了"开源=自由"这个等式，就太简单了。
开源的显性价值
李开复说的没错，开源有几个硬优势：
自主可控。 模型权重下载下来，跑在自己的服务器上，不需要经过任何第三方。不怕 API 被封、不怕服务停更、不怕数据出境。
可审计。 开源意味着任何人都可以检查模型的行为——有没有后门、有没有偏见、有没有安全风险。闭源模型你只能相信厂商的承诺。
可定制。 开源模型可以针对特定领域做微调，可以适配特定的硬件，可以裁剪掉不需要的功能。闭源模型是一个黑盒，你能做的只有调整 prompt。
这些都是实打实的好处。对于政府机构、金融企业、医疗行业来说，这些好处几乎是刚需。
但开源的隐性代价呢
算力门槛。 开源模型的"免费"只是指使用权免费。要运行一个 70B 参数的模型，你需要价值几十万的 GPU 集群。这不是普通开发者或中小企业能承担的。
维护成本。 下载了模型权重不等于万事大吉。你需要懂模型部署、推理优化、版本管理、安全加固。这些人才的价格不便宜。
迭代速度。 闭源厂商有几百人的研究团队在持续优化模型。开源社区靠的是志愿者和有限的商业公司，迭代速度通常慢半拍。当你用开源模型追上了上一代闭源模型的能力时，闭源厂商已经发布了下一代。
安全更新。 闭源模型发现漏洞，厂商直接修复。开源模型发现漏洞，你自己修——或者等社区修。这个时间差可能是致命的。
被忽略的第三条路
李开复的叙事框架是"开源 vs 闭源"的二元对立。但现实中还有第三条路：开源模型 + 商业服务。
Mistral、Qwen、Llama 这些开源模型背后都有商业公司在支撑。你可以免费用模型，也可以付费获得部署支持、优化服务、安全更新。这种模式兼顾了开源的自由度和商业的可持续性。
这才是"AI主权"的真正最优解——不是纯开源也不是纯闭源，而是在开源模型的基础上，根据自己的需求选择合适的商业服务层级。
我的看法
李开复的大方向没错。在 AI 主权的叙事下，开源确实是比闭源更好的起点。但如果把开源当成终点，那就低估了"用好一个开源模型"的真实难度。
对于中国 AI 生态来说，开源模型的意义不只是技术层面的自主可控，更是产业层面的基础建设。Qwen、GLM、DeepSeek 这些开源模型的价值，不仅仅在于模型本身的能力，而在于它们降低了整个行业使用 AI 的门槛。
但降低门槛不等于消除门槛。开源让 AI 变得"可用"，但要用好、用安全、用出竞争力，需要的不只是开源模型，还有工程能力、人才储备和产业生态。
这些，不是下载一个模型权重就能解决的。
主要来源：