美国前沿 AI 为何总在开源赛道上掉队

创业邦 · wechat · 2026-07-29

为什么美国前沿 AI 总是和开源渐行渐远

这篇文章借 Jason Calacanis 的疑问——为什么美国没有领先的开源模型——展开，结论是：问题不是某家公司不努力，而是 AI 的经济结构天然不利于开源。

训练一个前沿模型要花数亿美元，而且模型的“保质期”大约只有 12 到 24 个月，新一代一出，上一代就迅速贬值。
在这种压力下，闭源 API 成了几乎唯一能回收成本的商业模式：必须按 token 计费、按调用收钱，不能让用户绕过你直接拿到模型能力。
文章强调，AI 不是 Linux：模型不只是“写出来”就结束了，后续每一次推理都在烧算力和电费，复制不是零成本。
Meta 被描绘成美国开源 AI 的唯一旗手，但作者认为它做开源更多是为了打击竞争对手，而不是公共生态建设。
文中还称，Llama 4 表现不及预期后，Meta 正转向代号 Avocado 的闭源项目，这被视为美国大厂用实践投票后的结果：前沿 AI 赛道上，闭源更符合商业现实。
对美国开源权重创业公司来说，现实同样残酷：受模型条款限制，不能随意用竞品输出做蒸馏，而最好的研究者、最多的算力和最高的薪水又都集中在头部实验室。

文章最终的判断是：AI 时代的开源需要持续真金白银供养，而这与软件时代的开源逻辑已经完全不同。

「漫话AGI」频道最新