开放权重AI迎来它的Kubernetes时刻
开放权重模型正在成为下一代AI生态的基础。美国应该在这个生态中竞争，而不是自我封闭。
这个故事我似曾相识。
2013年，我联合创立了Mesosphere，一家开源云原生软件公司。我们基于Apache Mesos构建——这个项目是我联合创始人Ben Hindman在加州大学伯克利分校参与创建的。后来我们又围绕Mesos打造了DC/OS（数据中心操作系统），将其开源，并通过提供企业级发行版（包含支持服务和专有功能）实现商业化。
在经历了数年的高速增长后，Kubernetes颠覆了我们。它更新、完全开源，并迅速激发了云原生社区的活力。全世界最顶尖的分布式系统和基础设施工程师纷纷押上自己的职业生涯，甚至我们最忠诚的社区成员中也有人改弦易辙。
一旦发生，创新就转移到了Kubernetes上。平台缺少什么，就有人开始构建什么：网络、存储、可观测性、部署工具、策略引擎。大量初创公司涌现，传统厂商也纷纷加入。几乎每个在Kubernetes上生产运行所需的组件都以开源形式出现。云服务商以及Mesosphere/D2iQ、Rancher、Red Hat、Nutanix等公司，则围绕集成、企业功能、支持和运维构建了各自的业务。
Kubernetes胜出并非仅仅因为它的仓库是公开的。它成为了一个中立的基底，工程师、云服务商和企业级厂商都可以在此基础上扩展，以满足客户需求。通用的接口和厂商中立的治理，让所有人都对基于它构建充满信心。
我从中学到的不是开源总能赢，而是：一旦一个可定制的开放平台成为行业的重心，没有任何一家厂商能匹敌围绕它产生的创新总和。
我认为AI正在接近同样的节点。
开放权重把模型变成平台
首先，一个术语说明。我们随口称为“开源”的模型，更准确地说其实是开放权重（open-weight）。你可以下载并修改已训练好的参数，但训练数据和完整训练过程通常不公开。这不符合开源倡议对开源AI的定义。这个区别很重要，但并不会阻碍围绕那些可运行、可修改的模型构建生态系统。
拿Kubernetes来类比并不完全恰当。Kubernetes的贡献者可以审查和修改实际源码，改进也能回流到共享的上游项目。模型的微调通常不是这样运作的。前沿模型的权重或许可以下载，但仍需要昂贵的硬件，而且AI领域也缺少像CNCF那样提供中立治理和通用接口的组织。这些都是实实在在的差异。但两者的共同机制是：一个足够强大、可移植的基础层，能够吸引远超其原始创造者单打独斗所能实现的互补创新。
最初使用开放权重模型的原因是为了自托管。企业希望掌控自己的数据，把模型部署在自己的云或数据中心里。随着使用量和推理成本的增长，它们也越来越希望控制成本。
这种需求催生了一个健康的开源推理服务栈：vLLM、SGLang、llama.cpp、Ollama、MLX 等。
但自托管只是开始。开放权重让模型本身变成了开发者可以适配和再分发的产物。Hugging Face 现在托管了超过200万个公开模型。围绕 Qwen、Gemma 等热门系列，开发者们正在产出：
- 针对不同芯片架构和规模进行量化和转换的权重；
- 面向编程、医学、法律、数学和智能体工作流的微调模型及LoRA适配器；
- 融合不同微调结果的模型合并；
- 针对 TensorRT-LLM、vLLM、MLX 等运行时环境的适配版本。
直到不久前，前沿的这些动作还很容易被忽视。开源模型确实有用，但基础模型在最高难度的编码和智能体任务上还不够好。如今差距正在迅速缩小。Z.ai 发布了 GLM-5.2，以 MIT 许可公开了权重。其自评报告显示，在 SWE-bench Pro 上该模型得分 62.1%，而 GPT-5.5 为 58.6%，不过不同基准和智能体框架下的结果有所差异。
Moonshot 表示 Kimi K3 在长周期编码任务上已接近闭源前沿水平，并承诺于 7 月 27 日公开权重。Artificial Analysis 支持这一性能表述，其独立评测将 Kimi K3 与 Opus 4.8 和 GPT-5.5 并列评分。
一旦基础模型足够好，整个生态就会产生复利效应。我预计会出现一批围绕智能体运行时、编码框架、沙箱、评测、可观测性以及专项微调的新项目。它们组合起来可以形成一套生产级技术栈：一个运行在开源软件上的开放权重模型，并能根据团队的工作负载、硬件和经济状况进行定制。
这套技术栈能在每个基准上都击败所有闭源模型吗？可能不会。但我不会赌任何一家供应商能长期超越整个开放生态的联合创新。前沿技术是一场人才争夺战，而开放生态让全球各地的优秀人才都有理由在同一个基础上构建。
封禁中国模型无异于自摆乌龙
这就引出了华盛顿当前的争论。在 Kimi K3 和其他有能力的中国模型发布后，特朗普政府据报道正在考虑限制中国开放权重模型。可能的禁令具体形式仍不明确。
如果全面禁止美国研究人员和公司使用中国的开放权重模型，结果将完全不同。这会让美国脱离一个已经吸引全球众多顶尖 AI 研究人员和工程师（包括大量中国研究者）的生态。世界其他地方将继续建设，而美国开发者反而会被拒之门外。
我们已经从Qwen身上看到了这种动态。Hugging Face 报告称，过去一年中国模型占到了模型下载量的41%。如果最优秀的开源权重基础模型越来越多来自中国，那么创新就会像围绕Kubernetes那样聚集在它们周围。美国该如何竞争
美国应该在这个生态中参与竞争，而非退缩。
发布前沿级别的美国模型
美国实验室需要以初创公司真正能在此基础上构建的许可协议发布前沿级别的开源权重模型。目前已取得一些进展。NVIDIA的Nemotron模型在NVIDIA自有的宽松许可下可商用。Thinking Machines以Apache 2.0许可发布了Inkling，OpenAI和Google也分别发布了gpt-oss和Gemma 4。但OpenAI和Google最强的模型仍然封闭，大多数美国前沿实验室也是如此。
利用采购创造开放市场
政府应通过采购创造对可移植、可互操作系统的需求，而非让用户永久依赖单一API供应商。美国国防部此前就做过类似事情。Platform One提供开源工具和企业产品，供不同军事项目在此基础上构建。同样的策略可加速开源权重模型周边的创新。
构建其余技术栈
美国公司需要构建技术栈的其余部分。初创公司可以定制和扩展模型，将其嵌入产品，并提供服务、工具、支持和运营层。美国领先的芯片公司将持续改进硬件。超大规模云服务商和新型云厂商可以为模型及其生态系统提供支持。
制定标准，而非禁止模型
安全是主张限制的最有力理由，但全面禁止过于粗暴，会牺牲对整个生态系统的访问。更好的做法是对前沿模型进行独立测试并制定标准。这个类比并不完全贴切：Kubernetes 一致性认证测试的是兼容性，而非安全性。但治理模式值得借鉴。Demis Hassabis 已提议成立一个美国主导的独立标准机构，思路与此类似。
美国不应针对中国开源模型的做法，在自家开发者周围筑起高墙。我们应该亲自运行这些模型、拆解分析、基准测试、加以改进，并打造出更好的美国替代品。然后，让美国的技术栈成为全世界最容易采用的那一套。
美国花了数十年时间吸引全球最顶尖的技术人才，并给他们创造空间去创造。如果全世界都在向更开放的技术栈标准化靠拢，美国却把这一优势变成封闭的围墙花园，那将是极其糟糕的乌龙球。我们等于主动放弃了人工智能领导者的地位。