成“新工业革命”。铁路、无线电、光纤的历史一再表明,即便技术进步是真的,基础设施可以留下来,投资者的钱仍然可能打水漂。理解了这一点,也就理解了Kimi K3为什么伤人:它动摇的是“前沿模型高溢价”的整套定价逻辑。
闭源阵营还有一个更精致的指控:“开源本质上是减速主义”,因为开放权重模型压低了前沿实验室的利润,减少了可再投资的资本,从而拖慢下一代模型的研发。这个论证将对三家头部闭源实验室的资本回报不利,偷换成了对整个人工智能发展不利。长期追踪开源生态的研究者兰伯特的反驳很精确:“一个减速,一个加速”——开源对前沿实验室的租金积累是减速的,对智能在整个经济中的扩散却是加速的。宏观测算给出了硬数据:若各国都不投资开源,长期GDP将平均缩水2.2%,企业软件总支出将涨至目前的3.5倍。[7]人工智能的推理市场正复刻同一格局,开放模型以闭源1/6的价格提供九成能力,[8]性能差距数月内即可抹平,仅2025年少兑现的消费者收益就在200亿至480亿美元之间。[9]在经济史上,蒸汽机和电力对增长的贡献,主要不来自发明本身,而来自技术扩散到千行百业的过程。熊彼特所说的“创造性破坏”,破坏的从来是租金,创造的从来是能力。[10]
与“减速”指控相对的,是闭源阵营自己的选择性减速。Anthropic首席执行官阿莫迪呼吁:中美竞赛剧烈,政府应当收紧芯片出口、打击蒸馏、实施上市前的分级安全测试,并支持“为前沿配速”(Pacing the Frontier)的监管理念。阿莫迪最近为这一立场添上了新的注脚:他向美国人工智能标准与创新中心和白宫建议的测试制度,对前沿模型更严格,对非前沿模型更宽松;所谓配速,调节的是最领先模型的发展速度,而不是限制正在追赶的模型——按照Anthropic所支持的实施方式,这种制度甚至会损害前沿实验室自身的商业利益,同时惠及包括开放权重模型在内的挑战者。这个新说法值得认真对待,但它恰恰道出了问题的核心:自封为赛道配速的人,首先占据了定义“前沿”、测定速度的位置——减谁的速、减多少,闸门仍握在守门人手中。何况这套辩解只及于安全测试一项,同一揽子主张中的芯片出口管制与反蒸馏立法,落点依旧几乎全部在中国企业和开源模型身上。正如19世纪英国的《红旗法》要求机动车前面有人步行举旗开路,名义上也是安全,实际保护的是马车生意。真正的减速,从来不写在管制条文里,而是写在智能供给被守门人收窄的那一刻。
利害之争讲完,机制问题还在。要理解开源何以构成对智能封建化的实质性反抗,必须先在概念上做一番清理。“开源”首先不是一种信息被公开的事实状态,而是一种分配技术控制权的制度安排。网络空间不存在不受规制的自然状态,技术架构与法律、市场、社会规范一样,能够直接限定行为者能够做什么。[11]因此,开源并非法律退出之后留下的技术自由,而是对架构控制权的特定配置。它同时也是一条被三十年实践验证过的生产路径,从Linux占据服务器操作系统近四成份额,到Apache长期统治Web服务器市场,[12]经济学家由此确认,开源“同时是尖端技术、大宗商品和公共品”[13]。史蒂文·韦伯的概括最经典:开源的真正产品不是软件,而是一种组织生产的方式——“分布式创新”,把分散在人群中的创造力和即时需求汇集起来。[14]
但人工智能模型没有一个能单独叫作“源代码”的东西:模型权重、模型架构、训练代码、训练数据、过滤规则共同影响模型行为,只公开其中一层,通常不足以复现训练过程。但即便被公认为开源标杆的DeepSeek,也没有公开完整训练数据。更准确的理解,是把开放看作一个连续谱:接口开放、权重开放、开发开放、生态开放,四个层次对应的创生性(容许使用者做出改变的程度)依次增强。[15]具有决定意义的分界线在第二层。所谓权重,可以理解为模型全部“记忆”所在的数字文件;权重开放,意味着使用者可以在自己控制的基础设施上运行模型,摆脱远程接口的持续许可、日志留存和单方停用。开放权重模型一经合法下载,原提供者通常无法再即时改变它的运行规则——控制关系由此改变。
当然,开源在制度上既不浪漫也不免费。它是奥斯特罗姆意义上的公地治理:为了维护可持续的共同资源,需要确定参与边界、监测机制和分级制裁,开源许可证正是核心的治理机制。[16]支撑这片公地的,不是抽象的利他主义。[17]实证研究反复表明,开发者贡献开源的第一动机是“代码写起来有智识上的刺激感”,其次是“学习并掌握新技能”。在某种意义上,开源是规模最大、成本最低的自愿培训体系。[18]但也必须清醒地意识到,开放能够分散应用和部署层面的依赖,却不能自动消除基础设施层面的集中。[19]模型托管平台提供存储、版本与社区讨论,是开源生态的咽喉要道。国内主要开源项目几乎都选择境外平台发布,这种借用他人开源基础设施的行为,无异于把自己的庄稼种在别人的土地上。GitHub此前就曾限制伊朗、叙利亚等国开发者访问。许可证自由可能被基础设施控制抵消——这是开源政治经济学的另一半,也是中国路径必须回答的问题。
▍私人立宪的法治限度
在利益之争之外,另一场更安静的争夺发生在规范层面:谁来为人工智能设定行为边界。2026年上半年发生在Anthropic身上的一连串事件,堪称一部浓缩的宪制剧。这家以“安全优先”为信条的公司,2022年提出“宪法性人工智能”,以一套人类预先撰写的行为准则取代大量人工标注;2026年1月,它发布了八十余页的“宪法”文件。然后,这部“宪法”与国家权力正面相撞:2月,美国国防部要求该公司删除使用政策中禁止产品用于致命自主武器与大规模监控的条款,遭拒后将其标记为“供应链风险”,而这个标签此前从未用于美国企业;6月,美国政府发出出口管制令,迫使其对所有客户突然禁用两个最新模型。一家试图以内部“立宪”约束自身技术的企业,在国家安全叙事面前发现:它精心构建的“宪法”,不过是一纸可以随时被撤销的技术承诺。这个故事的另一面,是这部“宪法”自身的底色——它植根于美国西海岸自由放任主义的文化语境,并通过奖励函数(训练中告诉模型什么行为会得分的机制)植入模型的深层语法。
从法学视角看,要害在于定性。宪法之为宪法,不取决于原则措辞是否高扬,而取决于规范生成的三项要件:正当程序,制宪权属于人民,而不属于私人公司;公共参与,根本价值须经公共空间的争论、妥协和持续解释;历史时间,须经不同历史情境的检验。以此衡量,“宪法性人工智能”无一满足:原则由企业内部团队选取和修订,用户与受影响者既无授权通道,也无异议机制;原则一经转化为训练目标,便不再以“应当遵守”的规范形态出现,而以消除“违反可能性”的概率结构发挥作用。但法律规范的生命力,恰恰在于保留违反、抗辩、解释与修正的可能。因此,Anthropic的“宪法性人工智能”可以是技术规范,也可以是产品安全政策,唯独不是宪法。
褪去修辞外衣,“宪法性人工智能”的真实属性是一种“自我认证”型的伦理服务:服务提供者同时是被评估对象的生产者,评估标准由其单方拟定,评估结论服务于自身商业利益。任何规范评估都必须遵循的中立性原则,在这里被结构性地违反了。[21]平台企业通过代码、算法和服务条款,同时承担规则制定、执行与争议处理职能,成为网络空间的“新治理者”。[22]出路不在于让企业把“宪法”写得更漂亮,而在于把问题从“模型应遵守哪些价值”推进到“谁有权制定并验证这些价值”。笔者主张“评建分离”,将具有公共影响的伦理评估从企业内部流程中剥离,交由具备法定资质、

