黄仁勋注册 X 之后发的第一条帖子没有谈下一代 GPU也没有秀机器人或数据中心而是转发了一封支持开放权重模型的联署信。落款是 25 家美国头部科技公司微软、IBM、Meta、英伟达、Palantir 都在其中。这封信的核心主张只有一句话的分量美国 AI 的领导地位不应该只取决于是否拥有某一个领先的前沿模型而应取决于能否建立一个开放的、能渗透进各行业的 AI 生态。开放权重被摆在了这个生态的地基位置——因为它让先进能力更容易获取、更能被改造、也更广泛可用。导火索并不神秘。就在此前一周一款参数规模巨大、性能逼近顶级闭源模型、却开放权重可自由下载的模型问世再次引发市场对 AI 竞争格局的担忧也让英伟达等芯片股出现回调。市场害怕的是同一件事如果强模型可以免费下载还有谁愿意持续为算力和 API 买单黄仁勋给出的答案恰恰相反。在他看来越便宜、越开放的 AI越有利于芯片、有利于数据中心。表面上这是一场开放还是封闭的技术路线之争。但如果只把它读成开源理想主义与商业利益的对撞就低估了这件事。真正在发生的是 AI 产业链内部围绕利润分配的一次重新站队。卖模型的人希望智能保持稀缺卖算力的人则希望智能无处不在。两边都能谈创新、谈生态、谈安全。但在这些宏大词汇背后是两套截然不同的商业逻辑一方想把最先进的智能封装成持续收费的服务另一方想让任何公司、任何国家、任何设备都跑起模型来。前者需要墙后者需要流量。一、封闭模型卖的不是能力是一种持续依赖封闭模型的商业模式并不复杂。企业不必买下模型也不必知道它怎么训练出来的只需通过 API 或订阅调用能力按用量、按人头、按服务等级持续付费。这对客户很方便不用维护训练集群不用养庞大的模型团队也不用自己扛每一次版本升级。模型公司负责训练、部署、优化客户只管用。但方便不是免费的。企业每一次调用都在把自己的业务流程、数据结构和使用习惯一点点绑到某个供应商身上。一开始买的可能只是一个文本生成接口。接着客服知识库、合同分析、销售预测、内部搜索陆续接了进去。再往后Agent 开始调用企业系统模型渗进采购、运维、审批和决策。当能力长进业务流程之后换模型就不再是改一个 API 地址那么简单。提示词要迁移工具接口要重写评估体系要重建员工习惯要重训围着模型长出来的数据和工作流全要重新适配。这时候模型公司卖的就不再是计算结果而是一种持续依赖。真正值钱的锁定不是让客户无法离开而是让离开的成本越来越高。这和过去的企业软件如出一辙。早期 SaaS 靠数据格式、工作流和协作关系筑墙模型公司则可能靠推理接口、Agent 框架、长期记忆和业务知识,建起一堵新墙。模型越强企业越依赖企业越依赖模型公司越有资格决定价格、产品边界和能力开放的程度。所以对封闭模型公司而言最理想的市场未必是模型遍地开花而是最先进的能力始终攥在少数平台手里。企业能用智能却不真正拥有智能;买得到结果却拿不到生产结果的核心资产。二、卖算力的人不需要某一个模型永远赢芯片和基础设施公司的处境完全不同。封闭模型公司必须证明自己比别人强因为客户只有选它才产生收入。但对算力提供者来说谁赢没那么重要。不管企业用的是封闭模型、开放模型、行业模型还是自己微调的小模型只要模型要训练、要推理就得用芯片、服务器、网络、存储和软件栈。模型竞争越激烈算力需求反而可能越大。如果全球只有三四个超大模型多数企业只是通过 API 使用训练和推理就会高度集中在少数几个数据中心。但如果每家银行、医院、工厂、车企和政府都开始部署自己的模型市场结构就彻底变了企业要建私有集群云厂商要提供更多推理资源设备厂商要加边缘算力,软件公司要为不同模型做适配,国家也要建自己的 AI 基础设施。模型于是从少数公司的产品变成整个社会的基础能力。这正是算力公司最想看到的局面。封闭模型想把智能集中起来收费算力公司想把智能扩散出去耗电。从这个角度看开放权重不是在削弱 AI 的商业价值而是在扩大能买算力的客户数量。一个创业团队训练不起基础模型但可以下载一个开放模型、微调后部署在自己服务器上;一家制造企业不愿把生产数据传给外部服务却愿意买本地算力在厂内跑模型;一个国家担心长期依赖外国 API却愿意建数据中心、部署可自主控制的模型。每一次从API 调用转向本地部署都可能减少模型公司的直接收入却增加芯片、服务器、云和部署服务的需求。所以黄仁勋支持开放模型不代表基础设施公司突然放弃了商业利益,恰恰相反,这是一笔极其清醒的账最好的芯片生态不是服务一个永远领先的模型而是承载一万个彼此竞争的模型。三、开放模型不是免费只是把利润搬到了别处人们常把开放模型理解成免费模型这不准确。开放权重意味着用户能拿到模型参数在许可范围内自行部署、修改、微调。它降低了对单一 API 的依赖却没有消除成本。模型仍要算力企业仍要服务器、存储、安全、运维和工程团队还得围绕自身业务做数据整理、评估、微调和持续更新。一个模型可以免费下载但让它稳定进入生产环境往往是一项昂贵而漫长的工程。所以开放模型没有消灭商业价值只是改变了价值出现的位置。封闭模式下价值集中在链条顶端训练模型 → 控制模型 → 提供接口 → 按调用收费开放模式下价值沿产业链摊开开放模型 → 芯片与云 → 私有化部署 → 数据治理 → 行业微调 → 应用开发 → 安全与控制 → 运维服务过去由一家模型公司独吞的大部分收入会被分给基础设施公司、云厂商、行业软件公司、系统集成商和企业内部团队。这也是为什么开放模型的支持者并不都是理想主义者——芯片公司能卖更多算力,云厂商能承载更多部署,软件公司能把模型嵌进自家产品,开发者平台能拿到更多项目和用户。甚至一家同时握着封闭模型和云业务的公司也可能支持开放生态。因为它未必要求所有客户都用自己的模型只要客户还在它的云上跑模型、存数据、调数据库、买企业服务它就照样赚钱。开放与封闭不是道德阵营而是不同公司在产业链位置上的利益选择。模型公司关心的是每一次智能调用由谁收费。基础设施公司关心的是整个世界一共产生多少次调用。一个想抬高单次调用的价值一个想把调用总量放大一百倍。四、模型越像商品算力越像基础设施AI 早期市场最关心谁能训出更强的模型。参数、数据、推理能力和榜单成绩构成了模型公司的核心叙事投资者相信领先模型会像搜索引擎或操作系统一样形成强集中效应。但随着开放模型不断追上来企业开始有了更多选择——而且并不是每个场景都需要最强的通用模型。客服分类、文档提取、设备诊断、内部问答、固定流程自动化往往只需要更小、更便宜、更好控制的模型。当多个模型都能做到足够好模型间的差距就不再能无限换算成价格差距。企业会开始算另一笔账推理成本多少、数据能不能留在本地、能不能针对业务微调、能不能跨云迁移、供应商涨价后能不能替换、模型停服后业务能不能继续、积累的知识还算不算自己的。这会把模型从稀缺产品慢慢逼成可替换的组件。但模型越好换跑模型的基础设施反而越重要。就像互联网时代网站越多服务器和云的价值越大;移动应用越繁荣芯片、操作系统和应用商店越接近基础设施。当模型从产品变成原材料决定利润的就不再是谁拥有一块原材料而是谁控制加工、运输和使用它的整条产业链。这也是卖算力的人愿意把门打开的原因。门外不是竞争者门外是更多客户。五、企业真正怕的不是价格而是智能资产归谁对企业来说开放模型最大的吸引力未必是便宜而是控制权。一家企业用 AI 的时间越长越会攒出一批独特资产内部知识库、行业术语、业务判断规则、用户反馈、工具调用方式、工作流数据、专用评估集、微调后的模型能力。这些不是普通使用记录而是企业在 AI 时代一点点长出来的组织智能。如果这些能力完全依赖外部平台企业就绕不开一个问题自己投入数据、人才和时间形成的智能到底属于谁模型提供商也许不直接拥有企业数据但它控制着能力运行的基础条件——它可以调价、换版本、下线接口、改服务区域甚至因监管或商业原因终止服务。企业围着模型建起来的能力都可能因此受影响。开放权重提供了另一种可能企业可以把模型部署在自己控制的基础设施上锁定特定版本自己决定何时更新围绕自身数据持续优化。这不意味着企业必须亲自训练一切而是意味着它握着更多选择权——能跑本地也能上云能自维护也能托管能继续用当前模型也能迁到另一个兼容模型。这份选择权本身就是商业价值。企业买 AI 时真正要保护的不是某一次调用的价格而是长期积累的组织智能不能沦为供应商的人质。于是开放模型之争最终会溢出技术圈变成企业采购、数据治理、供应链安全和长期战略的一部分。六、但拿到权重不等于拿回了控制权开放模型当然不是万能解。权重能下载企业照样可能不知道模型为什么给出某个答案;模型能本地部署也不代表它天然安全;企业能改模型同样意味着攻击者或内部人员也能移除限制。更要命的是企业真正承担风险的地方往往不在模型生成内容而在模型开始执行动作之后。一个本地部署的开放模型若握着财务系统、生产设备、云平台和客户数据库的高权限一样能酿成大祸。企业掌握了模型却未必掌握了模型的行为边界。所以开放权重解决的主要是所有权、部署权和修改权它没有自动回答这些问题AI 能调用哪些工具、能拿多大权限、哪些动作必须由人确认、最终执行对象有没有被改、模型被改后安全规则还在不在、高风险结果能不能在落地前被独立拒绝。拿到模型只说明企业拿回了智能的生产工具;能不能控制执行才决定它是否真正拿回了结果的控制权。未来企业很可能开放模型和封闭模型一起用最强的通用能力走外部服务敏感数据和稳定任务跑在内部边缘设备用小模型不同业务按成本和风险各取所需。在这种混合环境里安全不能押在某一个模型厂商的承诺上——模型可以被替换安全边界却必须保持稳定。无论请求来自哪个模型、部署在云端还是本地凡涉及真实资产和高风险系统的动作都得过一套统一的身份、权限、证据和执行控制。这正是开放模型普及之后新的基础设施机会所在。七、真正的战争不是开放对封闭而是谁控制价值链未来几年开放和封闭不会只剩一个。封闭模型会继续守住前沿能力、产品体验和服务优势开放模型则在成本、可控性、定制化和本地部署上不断扩张。两者会长期共存。真正的竞争不是哪种理念在道德上获胜而是谁能卡住 AI 产业里最关键的价值节点。封闭模型公司想控制能力入口芯片公司想控制计算底座云厂商想控制部署环境软件公司想控制业务流程数据公司想控制训练材料应用公司想控制用户关系,而企业客户想保住迁移权、数据权和最终决定权。所以那封公开信看似在讨论模型是否开放实际讨论的是一个更现实的问题未来 AI 产生的利润究竟集中在少数模型公司手里还是沿着芯片、云、软件、应用和企业内部能力重新分配开放模型不是把 AI 变成公共福利而是把一座封闭的收费站改造成一整片可以修路、建仓、造城的土地。卖模型的人想守住收费站卖算力的人手里握着修路的机器。路修得越多车跑得越多算力烧得越多它赚得也越多。它当然希望把门打开。八、门打开之后新的墙会砌在哪里每一轮技术开放都在拆掉一部分旧壁垒的同时砌起新的壁垒。开源软件拆掉了代码的封闭却让云计算和平台生态变得更重;移动互联网拉低了应用开发门槛却让操作系统和应用商店握住了分发权。开放模型可能削弱单一模型的锁定力却会抬高芯片、云、数据、行业场景和执行控制的重要性。所以企业真正该想的不是应该无条件拥抱开放还是死守封闭。而是无论选哪种模型都不能把自己的数据、知识、业务流程和执行权整个交给某一个外部供应商。模型会不断更新价格会不断下探开放与封闭的边界也会不断移动。但有几样东西企业必须攥在手里对数据的控制、对模型的选择权、对业务知识的所有权以及对最终执行结果的否决权。企业可以租用智能但不能把自己的未来一起租出去。黄仁勋打开的表面是一扇模型开放之门。门后真正铺开的却是一场更大范围的产业重构。当模型不再只有少数公司能拥有智能会更快涌进每一家企业、每一种设备、每一个业务流程。模型公司的围墙或许会因此降低——但围绕算力、数据、场景和控制权的新城墙才刚刚开始动工。卖模型的人想把智能留在墙内卖算力的人希望智能奔向世界;而企业真正要做的是确保无论用谁的智能最后的控制权都还留在自己手里。