DeepSeek引爆硅谷开源闭源之争，科技巨头阵营分裂

DeepSeek开源模型震动硅谷，AI路线之争白热化

当DeepSeek发布其开源大模型时，美国科技界的震动远超预期。这款模型不仅一度让美国科技股承压，甚至有关键公司市值出现大幅蒸发。更重要的是，它撕开了一道硅谷内部长期存在却未曾如此公开的裂痕——人工智能究竟应该走开源还是闭源路线？

DeepSeek之所以引发如此强烈的冲击，在于其技术路线的突破性。该模型采用了混合专家架构（Mixture of Experts, MoE）等前沿技术，在大幅降低训练成本的同时实现了接近顶级闭源模型的性能表现。MoE架构的核心思想是将模型拆分为多个专家子网络，每次推理时只激活其中一部分，从而在保持模型总参数量庞大的前提下显著减少计算资源消耗。这意味着即使在算力受限的环境下，也能训练出高水平的大语言模型——这一点对受到芯片出口管制的中国AI企业尤为关键。

据纽约时报报道，中国在前沿人工智能领域起步较晚，但正借助开源路线迅速追赶。此前有美国科技智库预测，中美之间AI差距原本约为六到七个月，如今已缩短至仅四个月左右。这一急速追赶让美国监管层与部分企业陷入焦虑。

说个细节，中国的开源策略并非单纯的技术选择，而是带有明确的战略深意。通过开源模型吸引全球开发者——尤其是全球南方国家——进入自己的生态体系，谁能定义模型中的内容，谁就在未来的信息话语权中占据主动。

OpenAI坚持闭源，微软英伟达力挺开放生态

围绕开源与闭源的争论在硅谷已持续多年，而DeepSeek等中国开源模型的加速追赶，使这场争论彻底摆上台面。争执的双方阵营清晰可见。

要理解这场争论，首先需要厘清开源与闭源模型的本质区别。所谓开源模型，是指将模型的权重参数（即模型通过训练学习到的所有数值）公开发布，允许任何人下载、使用、修改和再分发。更严格意义上的开源还包括公开训练数据和训练代码。闭源模型则仅通过API接口提供服务，用户无法接触底层参数。开源模型的优势在于透明度高、可定制性强、社区创新活跃，但也存在被恶意使用的风险——一旦模型权重公开，开发者便无法控制下游用途。闭源模型虽然便于管控，但也意味着技术垄断和缺乏外部审计的可能。

闭源阵营：以安全为由限制开放

以OpenAI和Anthropic为代表的一方认为，部分先进模型风险过高，不适合公开发行，应由企业严格控制。他们向华盛顿监管机构表达了对中国开源人工智能模型的担忧，美国财政部长贝森特和特朗普政府的科技顾问也参与了相关讨论。

开源阵营：构建健康AI生态

另一方则包括微软、英伟达、Meta、帕兰提尔等科技巨头。就在当地时间24日，英伟达CEO黄仁勋首次在社交平台X上发文称："世界既需要最前沿的闭源模型，也需要最前沿的开源模型。"

仅仅9分钟后，微软CEO立刻发文响应："开源软件对于健康的人工智能生态至关重要。"两人还共同为一封支持开发开放权重模型的行业公开信发声，该公开信获得了英伟达、微软、Meta、帕兰提尔等头部企业的联署支持。

值得注意的是，这封公开信中提到的"开放权重模型"（Open Weight Model）是介于完全开源和完全闭源之间的一种折中方案。它公开模型的推理权重，允许他人使用和微调模型，但通常不公开完整的训练数据、训练代码或训练流程。Meta的LLaMA系列就是典型的开放权重模型。这种模式被视为在促进创新和控制风险之间取得平衡的务实选择，也是当前硅谷主流科技公司之间能够达成共识的最大公约数。

苹果与美光的芯片博弈折射硅谷深层矛盾

开源闭源之争并非硅谷唯一的内部矛盾。在存储芯片领域，苹果与美光科技也展开了一场激烈角力，而特朗普恰好被夹在两家科技巨头之间。

存储芯片（Memory Chip）是所有电子设备不可或缺的核心组件，主要分为DRAM（动态随机存取存储器）和NAND Flash（闪存）两大类。DRAM用于设备运行时的临时数据存储，NAND Flash则用于数据的持久保存。全球存储芯片市场长期由韩国三星和SK海力士主导，美国美光科技是唯一能与之抗衡的本土企业。随着AI大模型对高带宽存储器（HBM）需求激增，存储芯片已从传统消费电子元器件跃升为AI基础设施的战略物资，其供应链安全直接关系到一个国家在AI竞赛中的底气。

据华尔街日报报道，苹果高层近几周积极游说特朗普、商务部长拉尼克、财长贝森特等官员，希望美国政府允许苹果在销往美国以外的产品中采用中国生产的存储芯片。苹果指出，此举有助于缓解全球存储芯片供应紧张的难题，并降低美国消费者的购买成本。

然而美国唯一的大型存储芯片制造商美光则强烈反对，警告一旦允许中国企业向美国科技巨头供货，可能重演当年冲击美国钢铁业和制造业的历史，摧毁美国本土正处于关键发展期的存储芯片产业。

这场博弈的本质，是美国科技企业在商业利益与产业保护之间的深刻矛盾。苹果需要稳定且低成本的供应链，而美光则需要政策壁垒来维系生存空间。

AI与历史真相：一场不容忽视的认知战

在技术竞争之外，AI正被卷入一场更为隐蔽的认知战。中国国家安全部在微信公众号发表题为《AI造不了真相，篡改洗不掉血痕》的评论文章，直指日本右翼势力正借助AI炮制"南京大屠杀是谎言"等篡改侵华历史的虚假信息。

文章引述日本朝日新闻报道称，日本右翼势力通过Crowd Works等大型众包平台付费招募，大规模利用AI批量炮制"批判中国类"视频。发包方提供详细操作指南，接单者只需向AI软件输入简单指令，几分钟就能造出一条颠覆历史的视频。

数据显示，2015年以来日本已以"海外战略信息传播"为名累计投入超过560亿日元，用于对华抹黑舆论。

这一现象揭示了AI时代的深层隐患：如果训练数据被污染，AI在回答历史问题时也会带有偏见和扭曲认知。从技术机理上看，大语言模型的知识来源于训练数据——通常是从互联网上大规模抓取的文本语料。模型并不具备独立判断事实真伪的能力，它本质上是在学习数据中的统计模式和语言规律。如果训练语料中关于某一历史事件的虚假叙述占比显著增加，模型在回答相关问题时就可能倾向于生成与虚假叙述一致的内容。这种现象被称为"数据投毒"（Data Poisoning），是AI安全领域的重要研究方向。更危险的是，AI生成的虚假内容一旦在互联网上广泛传播，又会被后续模型作为训练数据抓取，形成"虚假信息-AI生成-再传播-再训练"的恶性循环。

网络是青年一代了解历史的重要渠道，一旦虚假历史内容通过AI技术大规模扩散，容易对历史知识储备尚不完整的青少年群体造成误导，让历史记忆在代际传递中被稀释和扭曲。更令人担忧的是，境外生成的虚假信息可能倒灌至中国国内网络空间，甚至污染国内大模型的训练数据。

技术路线背后的战略博弈远未结束

从DeepSeek引爆硅谷开源闭源之争，到苹果与美光的芯片博弈，再到AI被卷入历史认知战，这些看似分散的事件实则指向同一个核心命题——在AI时代，技术路线的选择从来不只是技术问题，而是战略博弈的延伸。

开源还是闭源，本质上是关于话语权与生态主导权的争夺；芯片供应的选择，牵动着产业安全与商业利益的天平；而AI对历史真相的塑造能力，则提醒我们警惕技术被滥用于扭曲集体记忆。

对于普通用户而言，未来的AI很可能成为生活中的"字典"和核心信息来源。因此，在信息爆炸的时代，保持独立思考、辨别信息真伪，将比以往任何时候都更为重要。历史应该被证实，而证实历史需要一件件证据的支撑——这是任何AI技术都无法替代的责任。