开源权重AI的Kubernetes时刻
开放权重模型正成为下一代AI生态的基石。美国应主动参与竞争，而非自我封闭。
我曾亲历过类似的故事。
2013年，我联合创立了云原生开源软件公司Mesosphere。我们基于Apache Mesos开发产品——该项目由我的联合创始人本·欣德曼（Ben Hindman）在加州大学伯克利分校参与创建。后来，我们围绕Mesos打造了DC/OS（数据中心操作系统），先以开源形式发布，再通过包含技术支持和专有功能的企业版实现商业化。
经历数年高速增长后，我们被Kubernetes颠覆了。作为新一代全开源平台，它迅速凝聚起云原生社区的力量。全球众多顶尖分布式系统与基础设施工程师投身其中，就连我们最忠实的部分社区成员也转投其门下。
从那时起，创新的重心彻底转向Kubernetes。平台缺什么，就有人补什么：网络、存储、可观测性工具、部署工具、策略引擎……大量初创公司应运而生，传统厂商也纷纷入局。几乎所有支撑Kubernetes生产环境运行的组件都有了开源版本。随后，Mesosphere/D2iQ、Rancher、红帽、Nutanix等云服务商与企业，围绕集成服务、企业级功能、技术支持和运维管理构建起各自的商业模式。
Kubernetes的成功，绝非只因代码仓库公开这么简单。它成为了一块中立的基础平台，工程师、云服务商和企业厂商都能对其进行扩展，以满足客户需求。统一的接口和厂商中立的治理机制，让所有人都确信：在这个平台上投入建设是可靠的。
我从中得到的教训，并非“开源永远必胜”，而是：一旦一个可定制的开放平台成为行业重心，任何单一厂商的创新速度，都无法匹敌围绕该平台形成的集体创新合力。
如今，我认为AI领域正站在相似的转折点上。
开放权重让模型变身平台
首先说明术语问题：我们常随口称其为“开源”的多数模型，更准确的说法是开放权重（open-weight）。你可以下载并修改已训练完成的参数，但训练数据和完整训练流程通常不对外公开。这并不符合开源促进会（Open Source Initiative）对开源AI的定义。这种区别很重要，但并不妨碍围绕人们可以运行和修改的模型本身形成生态系统。
用Kubernetes类比并不完全恰当。Kubernetes的贡献者可以查看并修改源代码，改进成果还能回馈到共享的上游项目中。但模型微调通常并非如此：前沿权重虽可下载，却仍需昂贵硬件支持；而且目前也没有类似云原生计算基金会（CNCF）的机构，为AI领域提供中立治理机制和统一接口。这些都是真实存在的差异，但两者的核心逻辑是相通的：一个功能足够强大、具备可移植性的基础平台，能吸引的互补性创新，远非其原开发者单打独斗所能企及。
最初，企业采用开放权重模型的目的是自我托管。它们希望掌控自身数据，在自有云或数据中心运行模型。随着使用量和推理成本攀升，企业对成本的掌控需求也日益强烈。
这种需求催生了一套成熟的开源服务栈：vLLM、SGLang、llama.cpp、Ollama、MLX等工具相继出现。
但自我托管只是开端。开放权重让模型本身成为开发者可以改造和重新分发的对象。如今，Hugging Face上托管的公开模型已超200万个。围绕Qwen、Gemma等热门模型家族，开发者产出了大量衍生成果：
- 针对不同芯片架构和规模优化的量化与转换后权重；
- 适用于编码、医疗、法律、数学及智能代理工作流的微调版本与LoRA适配器；
- 融合不同微调模型的模型合并产物；
- 适配TensorRT-LLM、vLLM、MLX等运行环境的定制版本。
直到不久前，业界还容易轻视前沿开放模型的进展：它们虽有实用价值，但基础模型的性能仍不足以应对最复杂的编码和智能代理任务。如今，这一差距正在迅速缩小。智谱AI（Z.ai）发布了采用MIT协议开源权重的GLM-5.2。据其自测，该模型在SWE-bench Pro基准测试中得分62.1%，高于GPT-5.5的58.6%——不过不同基准测试和代理框架下的结果会有所差异。
Moonshot表示，其Kimi K3在长周期编码任务上已接近闭源前沿模型水平，并承诺于7月27日公开权重。第三方机构Artificial Analysis的独立测评支持这一性能说法，将其与Opus 4.8、GPT-5.5归为同一梯队。
一旦基础模型性能达标，整个生态的创新就会进入复利增长阶段。我预计，围绕智能代理运行时、编码框架、沙箱、测评工具、可观测性系统和细分领域微调的新项目将不断涌现。它们共同构成一套生产级技术栈：基于开源软件运行的开放权重模型，可根据团队的工作负载、硬件环境和成本需求灵活定制。
这套技术栈能在所有基准测试中击败所有闭源模型吗？恐怕未必。但我绝不相信，长期来看任何单一厂商的创新能力能胜过整个开放生态系统的合力。前沿技术的竞争本质是人才的竞争，而开放生态能让全球各地的人才都有理由在同一基础上深耕。
封禁中国模型实为自毁长城
这就引出了当前华盛顿的争议话题。据报道，在Kimi K3等高性能中国模型发布后，特朗普政府正考虑对中国开放权重模型实施限制，但具体禁令形式尚未明确。
若广泛禁止美国研究人员和企业使用中国开放权重模型，只会产生一种后果：将美国隔绝于一个已吸引全球众多顶尖AI研究者和工程师（包括大量华人研究者）的生态系统之外。世界其他地区会继续推进建设，被拒之门外的反而是美国开发者。
Qwen的发展已经体现出这种趋势。Hugging Face的数据显示，过去一年中国模型的下载量占比达41%。若未来最优秀的开放权重基础模型越来越多地来自中国，创新资源将像当年围绕Kubernetes一样，不断向这些模型汇聚。
美国应如何参与竞争
美国应投身这一生态系统参与竞争，而非退缩回避。
发布前沿级美国开放权重模型
美国AI实验室需要发布前沿级开放权重模型，且许可证条款要能让初创企业真正基于其开展建设。目前已有一些进展：NVIDIA的Nemotron模型采用NVIDIA自有宽松许可证，可用于商业场景；Thinking Machines、OpenAI、谷歌分别以Apache 2.0协议发布了Inkling、gpt-oss和Gemma 4。但OpenAI、谷歌及多数美国前沿实验室的最强模型仍处于闭源状态。
以政府采购培育开放市场
政府应通过政府采购，引导市场对可移植、互操作性系统的需求，避免永久依赖单一API供应商。美国国防部已有成功先例：Platform One项目提供开源工具和企业级产品，供不同军事项目基于其开发。这套思路同样能加速开放权重模型领域的创新。
完善配套技术栈
美国企业需要构建完整的配套技术栈：初创企业可对模型进行定制和扩展，将其嵌入产品，并提供服务、工具、技术支持和运维层；头部芯片企业持续优化硬件；超大规模云服务商和新型云厂商可提供模型及生态系统的托管服务。
制定标准而非封禁模型
安全是限制措施最有力的理由，但全面禁令过于生硬，会让美国失去整个生态系统的参与权。更好的方案是对前沿模型进行独立测试并制定标准。这与Kubernetes一致性测试并不完全相同——后者测试兼容性而非安全性，但治理模式值得借鉴。DeepMind创始人德米斯·哈萨比斯（Demis Hassabis）已提议成立一个由美国主导的独立标准机构。
面对中国开放模型的崛起，美国不应筑起高墙将本国开发者困在其中。我们应亲自运行这些模型，拆解、测评、改进它们，打造更优秀的美国替代方案，进而让美国技术栈成为全球最易于采用的选择。
数十年来，美国一直致力于吸引全球顶尖技术人才，并为他们提供发展空间。若在世界其他地区纷纷转向更开放技术栈的当下，将这一优势转化为封闭壁垒，无疑是一记自毁长城的昏招——我们将主动放弃AI领域的领导者地位。