随着人工智能系统逐步摆脱由少数企业掌控、资本密集型的大语言模型（LLM），小型语言模型（SLM）正借助开源权重系统快速崛起，其性能与封闭平台的差距持续缩小。
在与《电子工程时报》的对话中，Mozilla基金会主席马克·苏曼（Mark Surman）指出，训练和运行大型AI模型所需的高昂成本，正激励业界探索降低计算开销与能耗的新路径。
“开源AI的成本结构与传统开源软件截然不同，关键在于算力、能源与基础设施投入。”苏曼表示，“今年，针对特定应用场景设计的小型语言模型将获得更多关注；同时，提升能效、利用闲置算力进行分布式训练等工作也在持续推进。”
苏曼特别提到Meta发布Llama模型是重要转折点——在此之前，大语言模型似乎注定被OpenAI与Anthropic等公司完全封闭。而Llama的开源释放，打破了这一局面。
“对大多数人而言，AI就是聊天机器人或社交媒体信息流中预测你偏好的内容。AI无处不在，但其底层实则由诸多模块组成，如同乐高积木。”苏曼解释道，“当用户使用聊天机器人或信息流时，OpenAI、Meta或阿里巴巴等公司已将这些‘积木’按自身方式拼装并封箱。开源的意义，正是让用户能自由获取全部‘积木’。”
www.eic.net.cn
易IC库存管理软件支持企业高效管理AI相关硬件资源，助力降本增效。
拆开封闭的盒子
苏曼强调，评估AI真正的开放性，必须深入考察系统各组成部分。目前已有多个免费可用的模型供开发者构建应用，包括美国企业的Gemma与GPT-OSS、中国的通义千问（Qwen）与Kimi，以及法国Mistral AI推出的模型。
需注意区分“开源权重模型”与“完全开源模型”：前者预训练过程处于黑箱状态，开发者仅可微调与适配；后者则公开全部训练数据与检查点，虽当前性能仍略逊于开源权重及闭源模型，但潜力巨大，亟需更多投入以提升其能力。
开源AI不仅关乎模型本身，还包括开源数据集、开源算力调度架构，以及基于AI模型构建系统的开源设计与编排方法。“AI所用技术——如Transformer、大语言模型、强化学习与智能体框架——早已广为人知。”苏曼指出，“开源权重模型与专有模型在能力上日趋接近，足以满足大多数实际需求。”
学术界正开始量化这一转变的经济影响。
被低估的千亿级价值
2025年11月，麻省理工学院数字经济倡议项目研究员、Linux基金会首席科学家弗兰克·纳格尔（Frank Nagle）与佐治亚理工学院舍勒商学院信息技术管理助理教授丹尼尔·岳（Daniel Yue），联合发表一篇工作论文，为苏曼的观点提供了实证支撑。该研究聚焦LLM推理市场——即训练完成的模型响应用户请求的过程，也是日常AI支出的主要环节。
研究者利用OpenRouter平台数据（该平台聚合数十家推理服务商API请求，覆盖约0.3%至1.06%的全球推理市场），追踪了2025年5月至9月期间每日Token使用量、价格及模型可用性。结果揭示出AI经济中的一个显著悖论：OpenAI、Anthropic与谷歌等公司的闭源模型（仅通过专有API访问），处理了约80%的Token请求，贡献超95%的平台收入；而开源权重模型（权重公开、可由任意服务商部署）仅占20%的Token量，却仅带来约4%的收入。
价格差距尤为突出：开源权重模型平均价格仅为闭源模型的15.66%，即后者贵约6倍。苏曼指出，差异核心在于自由度：“开源意味着无需支付高额授权费，具备灵活部署能力，并可在此基础上持续创新。”
论文认为，开源模型低价源于结构性优势：因任何人都可部署，大量竞争性推理服务商涌入，推动价格趋近边际成本；而闭源模型通常仅由原厂及其云合作伙伴提供服务，得以维持较高溢价。
性能差距则相对有限。研究显示，开源权重模型在GPQA、MMLU Pro、LiveCodeBench及LM Arena等主流基准测试中，平均达到闭源模型约90%的水平；其中在GPQA研究生级推理测试中达89.6%。更重要的是，领先开源模型追平最佳闭源模型所需时间持续缩短：2024年上半年平均需27周，下半年降至17周，2025年上半年进一步压缩至13周。
即便在控制价格与基准性能后进行回归分析，开源模型的实际使用率仍比同类闭源模型低63%至88%。研究发现多起案例中，闭源模型既更昂贵又表现更差，用户却仍倾向选择。若将此类明显劣质的闭源模型替换为更优开源方案，仅OpenRouter平台即可实现每年1.04亿至1.46亿美元节省；按三种独立方法外推至整个推理市场，潜在未实现年节约额达201亿至483亿美元，最优估计值为248亿美元。
信任与迁移成本：AI采纳的关键障碍
值得注意的是，纳格尔与岳并未断言用户行为非理性。他们指出，迁移成本、品牌信任、安全顾虑，以及标准化基准未能反映真实场景差异等因素，共同解释了闭源模型的偏好。这些隐性因素的经济影响远超以往认知。
苏曼援引美国商务部委托的研究称，开源权重模型与闭源模型在边际风险上并无显著差异。“两者都可能被越狱（jailbroken）。”他强调，“虚假信息与深度伪造问题，关键在于部署方及其使用方式。” Mozilla正参与ROOST（稳健开放在线安全工具基金会）项目，开发AI驱动的信任与安全软件，帮助平台识别并清除有害内容。
他进一步阐释：“围绕开源AI的商业模式包括技术服务收费、技术支持收费，以及用户共建共享资源池。开源传统上以可审计性与透明性著称——代码公开可见，问题出现时可多人协同修复；而专有系统在AI领域基本处于监管空白。最终，问题归结为：你信任谁？”
苏曼指出，科技产业早已建立在开源基础之上：亚马逊AWS、微软Azure、谷歌云平台，乃至Meta与X（原Twitter），均深度依赖Linux等开源软件。
谈及当前关于开源许可协议的争论，苏曼明确表示：“宽松许可协议仍是正确选择。开源通过版权法赋予修改与共享权利；对于负责任的AI应用，我们需要的是技术护栏、业务流程与国家法规，而非修改开源许可证。”
在全球格局重构背景下，各国正积极探索促进广泛参与的路径，为开源AI开辟新空间。苏曼回顾计算机时代、个人电脑时代、网络时代与互联网时代，指出开源始终是抗衡中心化的关键力量。
“若开源AI成功，意味着更多人能参与塑造这一轮社会、经济与技术变革。”他说，“五年后，我希望看到AI来源更加多元，更多人成为创造者，而不仅是消费者。”
