人工智能走向实用化之后，产业演进出两条路线。一条是闭源体系，以美国几家头部公司为代表，模型能力最强，技术细节却秘不示人。另一条是开源体系，Meta的Llama开了先河，国内主流模型几乎全数跟进。开源阵营声势日盛，国内舆论对此津津乐道，谈到闭源路线时不免带几分冷嘲热讽，仿佛封闭注定失败，开放必然胜出。
这种情绪可以理解，只是其中有个概念被悄悄置换了。AI所说的开源，与软件业几十年形成的开源传统，并不是一回事。
传统意义的开源，以Linux、MySQL、Nginx为典型。这类软件的全部源代码公开可查，任何人都可以阅读、修改、分支，也可以直接用于生产环境。更重要的是，开源保证了软件的生命不系于一家企业。即便有一天源头公司不复存在，社区手里握着完整的代码，各种衍生版本依然会在网上流传、继续演化。开源在这里意味着彻底的可复现与可延续，这是开源软件能赢得世界信任的根本原因。
AI模型的开源不是这个概念。所谓开源模型，公开的通常只是训练完成后的权重文件，外加一份使用说明。训练数据从何而来，数据如何清洗配比，训练代码怎样写成，算力如何调度，中间踩过哪些坑，这些真正决定模型能力的东西，一概不在公开之列。拿到权重的人可以部署、可以微调，却无法从头复现，更谈不上独立演化。
技术概念抽象，不妨用做菜打个比方。同样是麻婆豆腐，传统开源软件给出的是一份完整菜谱，从原料产地到刀工火候再到成本核算，全流程和盘托出，照着做就能端出同样一盘菜。AI模型的开源则只是告诉你，豆腐一块，肉末少许，郫县豆瓣酱一勺，剩下的靠自己悟。好一点的模型会多提示几句细节，但那盘出神入化的麻婆豆腐究竟如何炒成，永远不会说破。
如此看来，模型开源提供的不过是入门知识。厂商所求的，是让更多人接受并使用自己的产品，让开发者的工具、数据和应用都生长在自己的技术底座之上，进而围绕核心技术形成生态体系。生态一旦成型，迁移成本会把使用者牢牢锁住。厂商真正想做的，是产业链的链主。开放是手段，掌控是目的，这与Linux社区那种把命运交给所有人的开放，逻辑上南辕北辙。
这样说并非否定开源路线。权重开放毕竟降低了门槛，让中小企业和研究者用得起先进模型，客观上推动了技术扩散，价值不容抹杀。我对开源路线从来都非常认可。只是在为开源欢呼之前，不妨先弄清楚欢呼的对象是什么。此开源非彼开源，把生态策略当作理想主义来礼赞，把入门菜谱当作独门秘方来传颂，恐怕既高估了自己得到的，也低估了别人留下的。
