开源AI
将AI模型（包括模型权重、训练代码、训练数据等）以开放形式公开发布的实践，与传统闭源商业AI相对，涉及技术民主化、公共产品属性及可持续资助等议题
核心事实
时间轴 (近 90 天)
Meta AI博客曾明确表态，开源AI是前进的唯一可行路径。
已进入公共领域的开源技术不在管制范围内；对于尚未发布的开源AI版本，商务部提议给予自动许可，实现「即报即出」。
开源模型（如Llama系列）允许任何人下载、修改和部署，支持者认为这促进了创新民主化和安全审计；反对者则担心权重一旦公开便无法收回，可能被恶意行为者用于制造生物武器或发动网络攻击。
许多AI领袖在竞争压力或监管信号变化下调整了开源立场，例如从早期支持开源转向呼吁限制。
开源AI本地部署的驱动因素是隐私合规、成本控制和可控性，使数据、会话、cookie、审计日志都保留在本机
开源促进会（OSI）对开源AI的定义要求四项自由：使用、研究、修改、分享
已经扩散出去的开源模型权重几乎不可能'召回'，而传统软件漏洞可以打补丁
决定模型能力上限的往往是训练算力和数据质量，这两者都难以通过简单的开源实现共享
开源模型让更多国家和机构能够在既有基础上进行本地化微调与二次开发
开源路线强调模型权重、代码与训练方法的公开共享，降低技术准入门槛
还有 9 条时间轴事件
全部知识事实 (20)
部分AI开源模型仅开放权重而非完整的训练数据和代码，被批评者称为'伪开源'
80%已验证面对AI冲击，简单地禁止使用AI在开放环境中无法有效监管，出路在于重新设计黑客松的目标与评判维度
70%已验证平台以AI取代人工审核在成本效率上高效，但一旦AI出错用户便陷入无人可申诉的困境，存在透明度与安全性之间的内在张力
70%待验证对于将AI深度集成到核心业务的企业，建立内部模型仓库和私有化部署关键组件正从可选项变为必选项
60%待验证Meta AI博客曾明确表态，开源AI是前进的唯一可行路径。
50%待验证已进入公共领域的开源技术不在管制范围内；对于尚未发布的开源AI版本，商务部提议给予自动许可，实现「即报即出」。
50%待验证许多AI领袖在竞争压力或监管信号变化下调整了开源立场，例如从早期支持开源转向呼吁限制。
50%待验证开源模型（如Llama系列）允许任何人下载、修改和部署，支持者认为这促进了创新民主化和安全审计；反对者则担心权重一旦公开便无法收回，可能被恶意行为者用于制造生物武器或发动网络攻击。
50%待验证开源AI本地部署的驱动因素是隐私合规、成本控制和可控性，使数据、会话、cookie、审计日志都保留在本机
50%待验证开源促进会（OSI）对开源AI的定义要求四项自由：使用、研究、修改、分享
50%待验证已经扩散出去的开源模型权重几乎不可能'召回'，而传统软件漏洞可以打补丁
50%待验证决定模型能力上限的往往是训练算力和数据质量，这两者都难以通过简单的开源实现共享
50%待验证开源路线强调模型权重、代码与训练方法的公开共享，降低技术准入门槛
50%待验证开源模型让更多国家和机构能够在既有基础上进行本地化微调与二次开发
50%待验证开源模型的透明性是安全审计的前提，而闭源系统的风险外界无从检视
50%待验证开源AI生态的开放性推动技术普及的同时也意味着安全隐患可能被快速放大
50%待验证开源AI模型的开放特性使其难以套用为封闭商业产品设计的监管框架
50%待验证开源模型的任何人可自由使用和修改的核心特性与严格追踪和责任认定的监管要求产生根本冲突
50%待验证开源AI模型的任何人可自由使用和修改的核心特性与要求严格追踪和责任认定的监管框架产生根本冲突
50%待验证金砖国家若形成合力推动开源生态，可能对现有技术分工与市场格局产生长期影响
50%