DeepSeek工程师：开源是为了让AGI更快到来

在人工智能领域，开源与闭源的路线之争从未停歇。DeepSeek研究工程师近日在B站分享了他对开源动机的思考，以及如何看待大模型公司之间的竞争。他的观点直白而深刻：开源不是为了打败同行，而是为了跑赢时间。

开源的核心动机：加速AGI的到来

这位工程师坦言，DeepSeek^广告之所以将辛苦研究的成果开源，答案“非常简单”——推动AGI更快到达。在他看来，如果通过技术创新构建技术壁垒，短期内确实能阻挡对手追赶、获得领先优势，但把时间视野拉长，这种壁垒在阻挡别人的同时，也可能延缓整个AGI进程。

技术壁垒的双刃剑效应值得深思。对单个公司而言，壁垒是护城河；对行业而言，壁垒可能是减速带。DeepSeek选择开源，本质上是放弃短期独占优势，换取整个领域加速演进的长期收益。

AGI（通用人工智能） 是人工智能研究的一个长期目标，指能够在广泛任务上达到或超越人类水平能力的智能系统，与当前专注于特定任务的“窄人工智能”（如语音识别、图像分类、大语言模型问答）相对。AGI 并非一个严格定义的技术规格，而更像一个方向性概念：它强调跨领域泛化、自主学习和迁移能力。正因目标宏大且路径不确定，AGI 的进展高度依赖整个研究社区的协同探索，任何单一机构都难以独立完成全部基础突破。这也解释了为何“加速 AGI 到来”会成为一些团队选择开源的底层动机——开源能扩大参与面、加快试错频率，从而缩短从当前大模型能力到更通用智能之间的探索周期。

竞争心态：对手是时间，不是友商

“在人工智能的竞赛中，我个人认为我们的对手不是国内的其他大模型公司，而是时间。”这句表述点明了DeepSeek看待竞争的底层逻辑——无论哪家公司取得成果，本质上都是人类向AGI迈进的一步。

这种视角转换意味着，同行不是零和博弈的对手，而是共同推进同一目标的参与者。在算力、数据、人才都相对有限的现实约束下，开源能减少重复造轮子，让更多研究者站在已有成果上继续向前。

零和博弈 是博弈论中的概念，指一方所得恰为另一方所失、总收益恒为零的情形。在商业竞争中，零和视角假设市场份额、用户和利润是固定蛋糕，同行成功必然意味着自己失败。然而在大模型与 AGI 研发中，这一假设并不完全成立：基础模型能力的提升、工具链的成熟和评测方法的公开，往往具有正外部性，能被整个行业复用。DeepSeek 将“对手是时间”作为竞争框架，本质上是把同行关系从零和博弈重新定义为正和博弈——各方在共同推进技术前沿的过程中都能获益，竞争的重点转向谁能为整体进程贡献更多有效进展。

开源的双重价值

从工程角度看，开源带来的外部反馈能加速模型迭代，社区贡献的优化、工具链和评测方法，往往比闭门造车更高效。从生态角度看，开源降低了中小团队和研究者的准入门槛，让更多创新在开源基座上发生。DeepSeek的实践表明，开源并非慈善行为，而是一种战略选择——用生态的厚度对冲单点领先的脆弱性。

技术壁垒 通常指企业通过专利、专有数据、独特算法或工程经验构建的竞争护城河，使竞争对手难以在短期内复制其能力。在大模型领域，技术壁垒可能表现为高质量训练数据、分布式训练基础设施、对齐与评测方法等。壁垒对持有者而言能带来定价权和领先窗口，但对整个行业而言，重复研发和封闭探索会降低知识流动效率。开源则相当于主动降低部分壁垒，把内部成果转化为公共知识资产，使外部研究者能在同一基座上继续改进。这种策略并不否定壁垒的价值，而是权衡其短期保护作用与长期可能延缓行业整体进展的风险。

对行业的启示

当头部模型公司开始将“对手是时间”作为共识，大模型竞争的逻辑可能从比拼谁更封闭，转向比拼谁能让技术更快流动。开源不是放弃竞争，而是把竞争提升到更高维度：比谁对AGI进程的贡献更大。这一判断是否正确，最终要看时间给出的答案。