未來的AI領(lǐng)航者可以通過建立“動態(tài)開源”機制，在技術(shù)開放與商業(yè)回報間找到平衡點。通過API接口控制核心技術(shù)訪問權(quán)限，同時開源部分衍生工具構(gòu)建生態(tài)護城河。

文｜胡嘉琦

ID | BMR2004

當OpenAI首席執(zhí)行官薩姆·奧爾特曼（Sam Altman）在開發(fā)者大會上公開承認“閉源策略可能是個錯誤”時，硅谷的AI精英們嗅到了風向的轉(zhuǎn)變。這場自我糾偏的背后，折射出OpenAI從閉源到開源策略的態(tài)度轉(zhuǎn)變。隨后OpenAI發(fā)布輕量級模型o3-mini并首次免費向用戶開放。

對OpenAI來說，大模型的市場格局正在發(fā)生重大變化。2025年以來，DeepSeek憑借開源策略和數(shù)理邏輯領(lǐng)域的壓倒性性能快速崛起。與OpenAI的GPT-4相比，DeepSeek-V3在保證性能的前提下，大幅降低了API調(diào)用價格。其訓練成本僅為GPT-4的1/10，其API調(diào)用價格僅為OpenAI GPT-4的1/30。多名業(yè)內(nèi)人士認為，OpenAI此舉旨在遏制中國模型DeepSeek的迅猛擴張。

據(jù)不完全統(tǒng)計，目前英偉達、英特爾、亞馬遜、微軟、AMD等海外科技大廠，均宣布在自家產(chǎn)品中接入DeepSeek，直接沖擊了OpenAI在人工智能領(lǐng)域的市場地位。為此，OpenAI不得不在“技術(shù)護城河”與“商業(yè)價值”之間做出選擇。

01

開源與閉源策略的動態(tài)博弈

2015年成立的OpenAI曾以非營利機構(gòu)自居，致力于推動人工智能技術(shù)的開放共享，其早期行動印證了這一理念：2019年開源GPT-2模型，試圖通過全球開發(fā)者協(xié)作完善技術(shù)生態(tài)。

然而，隨著GPT-3等大模型的突破性進展，千億美元級別的訓練成本使其難以維持非營利模式。在此情況下，2019年，OpenAI引入微軟10億美元的戰(zhàn)略投資，這也成為其從開源轉(zhuǎn)向閉源的轉(zhuǎn)折點，即其核心模型不再開源，轉(zhuǎn)而通過ChatGPT訂閱服務、GPT-4閉源API構(gòu)建商業(yè)閉環(huán)。

這一轉(zhuǎn)變背后存在雙重邏輯。首先，在安全防控需求方面，OpenAI認為，隨著模型能力的指數(shù)級躍升，開源可能會放大技術(shù)濫用風險。例如，GPT-4級別的模型若被惡意利用，可能引發(fā)虛假信息“海嘯”或自動化網(wǎng)絡攻擊，閉源被視為控制技術(shù)擴散的“安全閥”。

其次，在構(gòu)筑商業(yè)壁壘方面，通過API接口限制模型底層訪問權(quán)限，OpenAI既保障了技術(shù)護城河，又形成可持續(xù)的商業(yè)模式。OpenAI的GPT-4系列模型采取閉源策略，通過向企業(yè)和開發(fā)者提供付費的API服務獲取收入。根據(jù)2024年的數(shù)據(jù)，OpenAI的收入中，API接口服務約5億美元，為公司貢獻了15%的收入。

當OpenAI在閉源道路上高歌猛進時，開源陣營正醞釀顛覆性力量。國產(chǎn)大模型DeepSeek在IEEE測試中以92%的數(shù)學解題準確率超越GPT-4 87%的準確率，印證了開源模型的技術(shù)突破；Meta的Llama系列更催生出數(shù)萬個社區(qū)改進版本，形成“開源軍備競賽”。這些低成本、高性能的開源方案，正在沖擊以OpenAI為首的閉源巨頭的壟斷優(yōu)勢。

面對壓力，OpenAI在2025年啟動“有限開源”策略，發(fā)布輕量級模型o3-mini。

天使投資人、人工智能專家郭濤認為，OpenAI此番博弈背后的行業(yè)邏輯，其開源試探實為多重力量博弈的結(jié)果。

第一，開源社區(qū)的“群體智能”可加速技術(shù)迭代。以Stable Diffusion為例，其開源后涌現(xiàn)的2000余個衍生版本，推動圖像生成技術(shù)進化速度提升3倍；第二，閉源模式的封閉性正遭遇挑戰(zhàn)。Hugging Face平臺已匯聚50萬開發(fā)者，開源模型下載量年均增長400%，倒逼商業(yè)公司重新評估技術(shù)開放邊界；第三，當開源模型性能逼近閉源產(chǎn)品時，企業(yè)競爭優(yōu)勢將從技術(shù)獨占性轉(zhuǎn)向生態(tài)整合能力。OpenAI的API商店計劃正試圖構(gòu)建“閉源核心+開源外圍”的混合生態(tài)。

02

AI技術(shù)民主化的雙重變奏

當前，OpenAI的開源“決心”其實并不徹底。即便已經(jīng)推出了開源輕量級模型，但核心模型（如GPT-4.5、GPT-5）仍將維持閉源狀態(tài)。

對此，中信證券原高級副總裁、騰訊資深專家、深度科技研究院院長張孝榮指出，這種“分層開源”策略折射出雙重考量，一方面需應對開源陣營的競爭壓力，通過釋放部分技術(shù)紅利鞏固行業(yè)影響力；另一方面需保護核心商業(yè)利益，避免底層技術(shù)優(yōu)勢被稀釋。

張孝榮預測，未來OpenAI可能分階段開源不同版本模型，同時建立更透明的社區(qū)協(xié)作機制，但短期內(nèi)全面開源核心技術(shù)的可能性極低。

在張孝榮看來，OpenAI的開源選擇標志著AI技術(shù)民主化進程的深化，這一趨勢對整個行業(yè)產(chǎn)生深遠影響：

第一，開源模式大幅降低技術(shù)門檻，中小開發(fā)者可基于開源框架快速構(gòu)建應用，推動行業(yè)從“巨頭壟斷”向“長尾創(chuàng)新”轉(zhuǎn)變。

第二，企業(yè)通過復用開源資源減少重復研發(fā)投入，發(fā)展中國家也能平等獲取先進技術(shù)工具，縮小全球AI發(fā)展鴻溝。

然而，技術(shù)民主化也伴生兩大挑戰(zhàn)：首先，模型開源可能降低惡意使用的技術(shù)門檻，深度偽造、自動化攻擊等威脅陡增；其次，開源項目存在代碼漏洞、數(shù)據(jù)偏見等問題，但缺乏統(tǒng)一的評估標準與追責機制。

張孝榮預判，AI行業(yè)將呈現(xiàn)“底層集中化、應用分散化、監(jiān)管全球化”的三角格局。

技術(shù)層上，大模型研發(fā)需要百億級資金與頂尖人才，OpenAI、Google等巨頭仍主導核心技術(shù)創(chuàng)新；應用層上，基于開源生態(tài)的細分場景創(chuàng)新爆發(fā)，醫(yī)療、教育、制造等領(lǐng)域?qū)⒂楷F(xiàn)大量“AI+解決方案”；監(jiān)管層上，各國加快立法進程，圍繞數(shù)據(jù)主權(quán)、倫理規(guī)范展開國際協(xié)調(diào)，但技術(shù)發(fā)展速度與監(jiān)管滯后性的矛盾將持續(xù)存在。

在此過程中，OpenAI等企業(yè)面臨關(guān)鍵抉擇：如何在技術(shù)開放與商業(yè)回報間找到平衡點？張孝榮建議建立“動態(tài)開源”機制。通過API接口控制核心技術(shù)訪問權(quán)限，同時開源部分衍生工具構(gòu)建生態(tài)護城河。這種“半開放”模式或?qū)⒊蔀橹髁鳎葷M足社區(qū)創(chuàng)新需求，又保障企業(yè)的可持續(xù)發(fā)展動力。

“未來的AI競賽不僅是算法與算力的比拼，更是價值主張與生態(tài)治理能力的較量。唯有構(gòu)建開放可控的技術(shù)共享機制，方能推動AI真正成為普惠人類的進步力量。”張孝榮說。

03

開源的技術(shù)護城河在哪里？

面對DeepSeek、xAI等新興對手的挑戰(zhàn)，OpenAI開源的o3-mini模型及Agents SDK工具包，吸引了全球開發(fā)者參與生態(tài)共建，形成技術(shù)護城河。

需要注意的是，開源不等同于免費，OpenAI開源o3-mini的本質(zhì)是降低使用門檻以擴大生態(tài)。通過免費開源基礎(chǔ)模型吸引開發(fā)者與企業(yè)使用，再針對B端提供定制化部署、私有化訓練、系統(tǒng)維護等收費服務。據(jù)了解， OpenAI被曝出計劃推出月費2萬美元的“AI代理服務”，包含o3-mini的深度定制功能。

為應對開源陣營的沖擊，OpenAI還推出“免費API+付費工具”的混合商業(yè)模式

OpenAI的Responses API免費開放，該API整合了對話生成、工具調(diào)用（如網(wǎng)絡搜索、文件檢索）等核心功能，成為構(gòu)建Agent應用的基石。

OpenAI的高階功能分層收費，基于token使用量、企業(yè)級文件搜索工具、博士級研究代理（定價2萬美元/月）等增值服務實現(xiàn)盈利。據(jù)高盛預測，預計OpenAI代理產(chǎn)品未來將貢獻20%~25%的總收入，成為核心增長點。

這種模式既能快速擴大用戶基數(shù)，又通過高附加值的代理服務實現(xiàn)盈利。例如，國泰君安使用其文件搜索工具后，文檔管理效率提升70%，人力成本下降35%。

不僅如此，Agents SDK的推出極大地降低了AI代理開發(fā)的門檻。開發(fā)者無需從零開始構(gòu)建復雜的系統(tǒng)，而是可以快速配置和部署多代理協(xié)作系統(tǒng)，讓更多的企業(yè)和個人能夠參與到AI代理的開發(fā)領(lǐng)域。例如，某電商平臺利用Agents SDK搭建的客服自動化系統(tǒng)，處理效率較傳統(tǒng)方案提升了5倍，極大地提高了服務客戶的質(zhì)量和效率。

來源 | 2025年4月刊