REPORT & INSIGHTS

开源人工智能可能是解决方案而非威胁

当一家机构希望在自己的服务器上运行 AI,或者需要针对内部数据调整模型时,开放权重能提供托管服务通常很难提供的控制权。美国卡托研究所研究员 Jennifer Huddleston 从这类需求出发,质疑将开放模型一概视为高风险的做法。她认为,如果政策过早限制开放模型的发展,美国企业可能失去一条有市场需求的创新路线。

开放程度决定用户能做什么

闭源模型通常通过应用或 API 提供。供应商负责模型托管和更新,使用方可以较快接入,也能把一部分日常运维交给服务商。开放权重模型允许用户取得模型参数,并在许可条款和硬件条件允许时自行部署或微调。部署者相应承担版本管理、安全更新和运行监控等工作。

开源倡议组织(OSI)的定义进一步要求提供用于研究和修改模型的参数、相关代码和足够详细的训练数据信息,并保障使用、研究、修改和分享的自由。因此,能下载权重只说明模型开放了其中一部分。评估具体模型时,参数的可获取性、配套材料和许可条款都值得查看。开源倡议组织《开源 AI 定义》

灵活性怎样影响成本和竞争

如果企业希望把内部文档处理留在自有环境,或者需要围绕专业术语和本地语言调整模型,开放权重增加了可选的部署方式。对调用量较大、负载相对稳定的团队,自行部署有机会降低部分推理成本。实际支出还取决于硬件利用率、工程投入和维护要求。对于使用量波动较大的团队,托管服务的按量调用和快速接入也有价值。

Huddleston 认为,开放模型还给新进入者提供了竞争空间。开发团队可以在已有模型上构建面向特定行业的产品,也可以更换底层模型来适应不同场景。她警告,如果美国的政策显著抬高开放模型的开发和发布门槛,海外市场对这些模型的需求仍会存在,美国企业在满足这些需求时可选择的技术路线会变少。

安全要求可以对应具体用途

Huddleston 认为,网络安全和关键基础设施面临的风险需要具体讨论,政策应给开放和闭源模型保留各自适用的空间。落实到部署时,机构可以审查模型来源、运行环境、可访问的数据以及操作权限。用于整理公开资料的模型,与接入关键基础设施并能执行操作的模型,面对的是不同的风险。美国卡托研究所原文