Why Companies Want AI They Can Own

一个尚未发布的open-weight AI模型引起了不小轰动。

人们说，这个模型可能把open-source AI的王冠带回美国。

不过，我感兴趣的不是模型本身，而是美国围绕open-weight模型不断变化的讨论。

现在这越来越不只是一个话题，而是三个：AI安全话题、国家安全话题和企业战略话题。

那么，如果这些讨论可能指向不同方向，最后哪个会胜出？

它们将如何调和？

今天我们来探讨一下目前开源AI在美国的现状，以及它未来的发展方向。

hyperscalers们逐渐明白，他们不能再把数据中心周边社区的态度当作次要事项。

最新的例子来自Amazon，他们周五承诺未来五年投入超过10亿美元，用于数据中心周边的社区项目。

此外，公司还表示，他们已停止使用保密协议来隐瞒与地方官员达成的协议。

这些承诺来自AWS首席执行官Matt Garman一篇3000字的文章。他在做出这些承诺的同时，还恳请公众把数据中心视为现代生活的关键基础设施。

他称数据中心的建设是一场我们的国家输不起的比赛，并将其比作州际公路系统的建设。

Garman写道，任何变化都会引发重要问题，但也会伴随错误信息和彻头彻尾的谎言。

在社交媒体和全天候新闻的时代，误解会比以往任何时候都更快地扎根。

事实上，这种建设在地缘政治上如此重要，以至于有广泛报道称，多个国家故意在美国散布关于数据中心的虚假信息，诱骗我们放慢速度。

Garman指出，全国有100项数据中心建设暂停措施正在审议中。他接着说，如果这些措施通过，美国可能就是在给自己写一张输掉比赛的入场券，后果将影响几代人。

作为一个国家，我们不能让自己落到那种境地。

新的社区承诺包括了那些正在迅速成为标准的所有承诺：防止当地能源价格上涨、创造本地就业机会，以及确保社区有更多机会讨论数据中心项目。

这一公告的发布方式在媒体上引起了一些反弹。

The Verge几乎没有提及新的社区承诺，而是聚焦于它所称的可怕的博客文章，该文章警告社区不要阻止数据中心。

部分问题在于，Amazon把他们的新承诺埋在了很长一段辟谣内容之下，那段内容在驳斥关于数据中心的误解。

Tom's Hardware写道，Garman文章的第一部分实际上回应了这些项目附近社区居民提出的许多担忧，并将这些担忧称为虚假和误导，尽管有各种报道对公用事业涨价和噪音污染提出了关切。

从我个人的角度看，虽然我很高兴看到这类承诺开始变得常态化，但我确实认为这篇帖子相当不接地气、也不太明智，尤其是在试图打动那些数据中心将落地的社区方面。

很难想象有人会因为数据中心开发商说他们的真实担忧是假的就改变看法。

不管这是对是错，这些公司必须意识到，他们打交道的对象是非常不同的群体。

社区里的普通人远远不会考虑什么“国家输不起的比赛”。

他们在乎的是自己的生活，以及身边人的生活，就这。

把本来是积极的承诺包裹在一层公关和辟谣的外衣里，只会削弱这个承诺，正如The Verge写的那篇文章所证明的那样。

就目前而言，数据中心建设者们采取的行动是积极的。

但这种说辞还需要很多改进。

说到这个宣传需要改进，Sam Altman 给所有不喜欢 AI 的人送上了一大袋弹药。

在接受 Politico 采访时，Altman 说，引用他的话，OpenAI 和 Anthropic 在 AI 安全上的观点有很大的分歧。

当被问到具体细节时，Altman 回答说，我们认为世界应该接受一些坏事发生，以换取这项技术的好处和人们拥有自主权。

现在，如果你坐在那里想，这肯定只是 Altman 试图做出的更全面评估和更细致论证的一部分，你当然是对的。

很明显，他并不是事先准备好那句话，想要在采访中特意说出来以强调某个重点。

但总有一天，那些安排自己参加这些采访的人会意识到，不管他们喜不喜欢，我们生活在一种金句文化中。

如果你说，我们认为世界应该接受一些坏事发生以换取这项技术的好处，那接下来几天，所有人只会报道这一句。

那么，关于 Altman 实际上想深入讨论的内容，就是围绕当前的安全提案，以及 OpenAI 与 Anthropic 在哪些方面一致，哪些方面不一致。

例如，在一致方面，Altman 说双方都支持第三方安全审计员等措施。

然而，Altman 试图提出的一个重大区别是关于监管俘获的风险。

Altman 将 Anthropic 的观点描述为：这项技术会变得如此强大，如此危险，以至于旧金山的一家实验室应该掌控它，确保不出任何坏事。

并且要设法分配它的好处。

然而，Altman 本人称这是一种完全不可接受的权衡。

他继续说，我不会接受这样的交易，即我们确保没有重大黑客攻击，没有技术滥用，没有诈骗，没有所有其他可能发生的坏事，因为我认为人们做的善事将比坏事多出几个数量级。

换句话说，他触及的是 AI 领域经典的安全与自由的两难问题，并且提出了一个观点——他正确地指出，在主流媒体中这个观点没有得到充分阐述——即严格限制 AI 的使用或将其限制在某个特定群体中，本身也带来一系列风险，这些风险至少与 AI 安全讨论中提到的任何问题一样真实。

总的来说，OpenAI 确实似乎在 AI 安全问题上试图开辟越来越不同的领域。

但不幸的是，至少在这一轮讨论中，没有人能看到除了“我们应该接受一些坏事”这句话之外的东西。

然而，如果坏事真的发生，财政部长 Scott Bessent 已经强调，当它们发生时，那些促成这些事的前沿实验室要为自己的行为负责。

上周在白宫举行的 AI 峰会最终达成了前沿实验室之间的协议，该协议规范并重申了第三方审计师和董事会监督的概念。

在上周六接受 Axios 采访时，Bessent 说，我们想要安全的加速。

实验室里的人必须承担责任，我同意这一点。

我认为实验室也已经接受了这种想法。

Bessent 还对 AI 领域的一系列其他热点问题发表了看法，这代表了财政部长的一些新思考。

关于 AI 风险总体，Bessent 批评了某些方面的言论，他评论说，我们必须要为各种情况做好准备，但另一方面，AI 社区中一些人没有解决方案的危言耸听，那不是领导力。

记得在 Mythos 推出的早期阶段，Bessent 似乎完全相信该模型是危险的，不适合公开发布，这表明他的观点至少有一些轻微的改变。

Bessent 还驳斥了 AI 泡沫的说法，指出像微软这样的行业领导者正从他们的基础设施支出中获得可观的回报。

总的来说，Bessent 似乎仍然有顾虑，但在表达越来越细致的 AI 安全观点，超越了简单的放缓要求。

现在，说到上周的白宫 AI 活动，在特朗普总统宣布将不再使用“人工智能”这个术语后，Elon Musk 通过发帖表示支持总统的改名，他说：“不再叫 AI，叫 SI，更好。”

一位 X 用户呼吁他将 Space XAI 改名为 Space XSI，Musk 回应说，是的，我们会做出这个改变。

不过，朋友们，目前我没有任何打算将 AI Daily Brief 改名为 SI Daily Brief。

最后今天，有个有趣得多的话题。

Meta 开源了他们的代码，让用户自己打造 Muse 设备。

当 Mark Zuckerberg 在 Meta Connect 上展示 Muse 吊坠设备时，它看起来像是硬件部门用现成组件拼出来的东西。

Zuckerberg 展示了一个能工作的原型，但说他们还在敲定最终的物料清单，准备在12月发布。

很快，人们就开始用便宜的通用硬件自己拼装版本了。

而 Meta 对此的回应是：尽管去做。

Nat Friedman 宣布了针对 ESP32 设备的 Muse 固件开源构建，以及 Linux SDK。

硬件极客现在可以轻松在 Raspberry Pi 或 ESP32 开发板上构建完全可定制的 Muse 设备了。

Meta 自己也拼了一个新设备，叫 Muse Home Link。

这个设备是一个小型 USB 供电的 Wi-Fi 连接器，让 Muse 能接入你的智能家居系统。

Meta 正在生产5000个这种设备，等它们准备好发货时，我们会免费送给 Muse 订阅用户。

结果掀起了巨大浪潮，大家把 Muse 移植到了大量各种设备上。

Robert Soriano 翻出了他的旧 PSP，把它变成了一个 Muse 设备，还支持麦克风。

Wes Bos 让它跑在了一个会议胸牌上，把固件移植到了 MicroPython。

Riley Brown 直接在 Mod Retro Game Boy 上安装了 Muse，只是让 Codex 帮忙移植了一下。而 Meta 工程师 Jessick Min 走了更简单的路，把 Muse 装到了一个50美元的 ESP32 设备上。

他目前用它当扫描仪来盘点自己的红酒收藏，但指出可能性是无限的。

基本上，任何有 Wi-Fi 连接的设备现在都可以当作 Muse 设备了。

不过，也不是夸大其词——考虑到我们在 AI 设备上见过多少次出师不利，或许这种让大家自己动手做东西的方法，才是探索智能设备应有形态的更好策略。

从历史上看，推出专用设备比如智能音箱，一直是个高风险的做法。

这些设备利润率低，而且如果功能不完美，很容易在市场上失败。

Meta 反其道而行之，直接面向技术社区，给他们开源固件，让他们用在手头任何硬件上。

虽然这一系列设备可能只适合那些有足够技术能力自己动手的爱好者，但如果那个所谓的智能设备的正确形态真的来自这些实验之一，我一点也不会惊讶。

而不是只在实验室里闭门造车。

如果你想看更多例子，可以去 X 上搜索 Muse Gadgets。

不过现在，新闻部分就到这里。

接下来是主要环节。

KPMG 和德克萨斯大学奥斯汀分校的一项新研究发现，当人和 AI 一起工作时，相似的技能并不能保证相似的结果。

研究人员研究了500多名早期职业人士，发现表现最好的人通过指导、评估和优化 AI 的输出，持续放大了 AI 的价值。

这些顶尖表现者被称为 AI 放大器，他们的定义不是仅仅靠知道什么，而是靠如何与 AI 合作。

想了解更多关于 AI 放大器与其他人的区别，请访问 kpmg.com/us/aiamplifiers。

这里有个残酷的事实。

你的公司可能正在花数千或数百万美元在AI工具上，但这些工具被严重低估使用。

一半的公司有AI工具，但只有12%真正用于创造商业价值。

大部分员工仍然只是用AI来总结会议纪要。

欢迎回到AI每日简报。

今天我们聊聊美国开放权重AI的话题。

这个讨论在过去一年里已经发生了很大变化。

某种程度上，它的第一个重大时刻是2025年一月的DeepSeek时刻，当时中国实验室DeepSeek在一个免费应用里推出了一款推理模型。

这成了很多人第一次接触推理模型，跟当时市面上其他模型的体验很不一样。

那个时刻引起了市场的注意，导致NVIDIA市值一天内蒸发了5800亿美元，当然，担忧在于，如果大家纷纷转向更便宜的中国模型，那么支撑整个经济的那些基础设施成本可能就没那么合理了。

随着时间的推移，这个说法发生了变化，尽管它从未完全消失。

到了2026年，围绕开放权重模型的讨论又发生了变化。

今年，关于开放模型的讨论更多地集中在它们如何可能解决关键问题，不仅是对愿意探索未知领域的初创公司和开发者，也包括那些担心成本和数据主权的企业。

过去几个月的一个大问题是，美国是否会在这一块市场参与竞争，还是干脆全部让给中国？

然后努力在闭源前沿模型和最先进技术上保持领先。

Axios的一份新报告引起了很大关注，甚至是超出比例的关注，我觉得这显示了大家对这一领域的兴趣。

周日，Axios发布了一篇文章，标题是《独家：强大开放模型将震撼AI竞赛》。

传闻中的模型来自Reflection AI，这家公司自2024年初成立以来一直有些神秘。

这家公司筹集了数十亿美元，在没有产品的情况下就达到了250亿美元的估值。

他们五月份赢得了五角大楼的合同，并与SpaceX签署了价值63亿美元的算力协议。

Reflection AI确实把自己定位为美国对日益流行的中国开放权重模型的制衡力量，但没有现成可用的模型，很多人认为这只是一个融资话术。

然而周日，Axios报道称Reflection AI正准备本月晚些时候发布他们的第一款模型，传闻说这个模型相当不错。

消息人士称该模型将与中国竞争对手有竞争力，并且将，引述，

拥有足够强大的智能，可以帮助企业构建自己的专有低成本AI系统。

而这当然引起了我的兴趣，也应该引起那些在考虑企业AI部署的人的兴趣。

根据报道，Reflection的目标是建立一个AI工厂——一个旨在帮助企业基于Reflection的模型创建自己的AI系统的系统。

Reflection已经在试点这种方法，最近宣布与韩国新世界集团建立主权AI工厂合作伙伴关系。消息人士称，Reflection上周在华盛顿举行了简报会，讨论新模型和AI工厂这一概念。

他们确实已经为这次发布预定了大量的算力。

除了与SpaceX的数十亿美元交易外，Reflection还与Nebius有另外十亿美元的合同。

那么，这些都很好，都非常酷。

看看Reflection会发布什么，会很有意思。

但比单个模型及其工厂策略更重要的是它所代表的趋势。

实际上，消息人士告诉Axios，还有几家美国实验室准备在本月发布开源模型。

我们听到了传言说NVIDIA正在训练Nemotron 4，而且我们可能很快会看到Thinking Machines Lab的新版本。

Andrew Curran总结写道：美国开源的复兴即将开始？

Howard Lutnick一直以来都希望看到这样的局面，据说他一度甚至考虑直接通过政府拨款来推动这件事。

美国政府希望美国开源模型能在全球范围内与中国模型竞争。

Andrew Curran所指的讨论是今年夏天发生的那场争论，当时有一度看起来美国政府可能会把开源权重模型纳入他们的测试体系。

很多人认为，如果这个举措真的实施，实际上会扼杀掉这个行业的那一部分。

当然，这些呼吁是在Kimi K3发布后不久出现的，媒体很快将其归为开源模型。

根据《连线》当时对白宫辩论的报道，商务部长Howard Lutnick是支持竞争而非禁止的关键人物。

他们在七月曾写道：Lutnick一直在考虑如何激励美国顶尖实验室打造自己的开源权重模型以制衡中国，并且在最近几周与多家AI实验室的负责人进行了交流。

Lutnick似乎在监管上采取了一种中间立场。

他对Anthropic实施了出口管制以使其就范，但比其他官员更加宽松。

一个长期的战略问题以及不同观点之间的分歧在于：美国保持领导地位的正确做法是切断中国获取能制造先进模型的输入资源，还是试图掌控从闭源模型到开源模型的整个技术栈，让整个世界从硬件到软件都完全运行在美国的AI基础设施之上。

关于这一点从未有过真正的战略一致性，但随着讨论的推进，权力走廊里这种反复争论一直在进行。

不过有一家公司一直是美国开源的倡导者，它要么低调要么不那么低调，取决于你有多关注——那就是NVIDIA。

这家公司现已训练了多代大语言模型，其中Nemotron 3.5得到了大量使用，而Nemotron 4有望接近前沿水平。

除了大语言模型，NVIDIA还在机器人和自动驾驶等垂直领域训练了模型。

也许并不意外，NVIDIA似乎认为他们的GPU是核心产品，而这一核心产品将从自由可用的AI模型更广泛的使用中大大受益。

他们的外部投资也表明了对开源模型的坚定承诺。

NVIDIA是Reflection AI以及其他几家开源实验室的主要支持者。

当然，最近他们还对Hugging Face进行了巨额投资，上个月花了129亿美元收购了该平台。

在今年七月的NVIDIA开发者大会上，当开源权重模型监管问题被正式摆上台面时，NVIDIA CEO黄仁勋动情地呼吁保持这些模型的可用性。

他说：研究人员需要开源。

开发者需要开源。

全世界的公司都需要开源。

开源模型真的真的非常重要。

我们在开源贡献方面领先。

我们在排行榜上有23个模型。

我们有所有这些不同的领域，从语言模型到物理AI模型再到生物学模型。

每一个这样的模型都有庞大的团队。

我们专注于这个领域，原因是科学家们需要它。

研究人员需要它，创业公司需要它，企业也需要它。

问题是，中国的模型够不够好？

当然，很多创业公司和小型企业已经将他们的工作负载转移到了开源模型上。

X平台上的Signal写道，很多人都没有意识到有多少新东西是建立在中国开源权重模型之上的。

你甚至不需要透露这一点，因为它运行在美国的基础设施上。

当产品设计师Sam Solomon跟进说，我一直听到这个说法，但老实说，这实际上看起来并不比使用Luna便宜，Signal指出，你无法对Luna进行微调。

而且，微调越来越成为关键。

今年，关于开源模型的讨论已经从两个方面转向了：一方面是大型基础设施投资的市场影响，另一方面是与中国的总体地缘政治竞争，现在还包括了一个强有力的维度，即关于开源模型如何可能解决企业AI问题的讨论。

投资人Joe McCann写道，这正是我投资Reflection AI的原因。

开源是企业与政府最终信任AI的方式。

关于企业对AI信任的讨论越来越热烈。

早在七月份，在与CNBC的对话中，Palantir的CEO Alex Karp讨论了客户真正想要什么，他认为Frontier Labs的真正业务是什么，以及因此开源模型的重要性。

Karp说，技术客户想要的是对他们计算资源、模型、数据栈和他们的优势（alpha）的控制权。

他们想知道他们拥有生产资料，而这些生产资料没有被转移给其他人。

谁拥有数据？

提示词（prompts）安全吗？

这些信息是否被转移给了你？

如果它这么有价值，我能为你赚十亿美元，那我难道不会说，我为你赚十亿美元，但我要30%吗？

既然它这么有价值，为什么他们还要按token收费呢？

现在，Karp有点另类，但他不是唯一提出这个观点的人。

越来越多地，微软也在向市场传递这样的主张。

微软CEO Satya Nadella几个月前写了一篇博客，叫做《反向信息悖论》。

他在文中说，在AI时代，买家为了使用他们购买的东西，有可能泄露知识。

你基本上为智能付了两次钱，一次是用钱，另一次是用更有价值的东西——为了让那个智能有用，你必须透露的专有知识。

你希望模型表现越好，就必须给它喂更多的知识。

随着时间的推移，信息不对称变得越来越严重。

当你使用你购买的东西时，卖家越来越了解你，而你却几乎不了解卖家在反过来学习什么。

在同一篇文章里，Satya 后来又说，企业需要一个真正的信任边界，这样他们的人力资本和代币资本才能不断累积。

在这个边界里，组织的数据、轨迹、评估、调整过的权重和记忆会一起积累并改善。

并且这是一个硬边界，未经同意，任何东西都不能穿过，包括智能的副产品。

企业会要求拥有使用模型输出来微调或训练自己模型的权利。

我认为这是每个公司都有权让模型符合自身企业问责义务。

有意思的是，微软当然不是在卖开源模型。

但他们卖的是自己的模型，作为基础，让你可以在现有的可信合作伙伴那里做这种训练。

微软 AI 首席执行官 Mustafa Suleyman 写道，这一切都是微软 Frontier Tuning 的基础。

它让你可以定制我们的模型，创建只有你控制的、公司专属的智能体。

你可以把我们的模型变成你的模型，你的数据，你的智能体，你的护城河。

虽然这个宣传主要是围绕主权，但显然在效率提升的话题上也有好处。

比如 Suleyman 说，当我们为 McKinsey 的任务微调模型时，MAI，也就是微软的模型，取得了最高的胜率，在质量上超过了当时的顶尖模型 GPT-5.5，同时成本低了十倍。

这个趋势已经出现了一段时间，而且越来越明显。

无论你看哪里，都有更多迹象表明行为正在朝这个方向转变。

比如几周前，Vercel 首席执行官 Guillermo Roche 写道，今天可能创下了 Vercel AI Gateway 上开源模型代币使用量的纪录。

开源模型使用了 78.4% 的代币，闭源模型只用了 21.6%。

而且在我们 AIDB 和 Superintelligent 的讨论中，关于开源模型的话题，去年这个时候可能连议程都上不了，现在很多企业都在认真对待了。

不过，美国开源 AI 复兴的一个大问题是，这类 AI 的监管环境最终会是什么样。

在这方面，特朗普政府任命了新的 AI 主管，并宣布成立一个新的 AI 工作组。

《华尔街日报》报道说，现任国家情报总监 Jay Clayton 将被任命为新的 AI 主管。

Clayton 在两届特朗普政府中都是高级官员。

他在特朗普第一届政府中担任 SEC 主席，在本届政府中，他先担任纽约南区联邦检察官，后被任命为国家情报总监。

除了 Clayton，政府还将设立一个跨部门的 AI 工作组，成员包括研究工程副部长 Emile Michael、人事管理办公室主任 Scott Cooper 和联邦贸易委员会主席 Andrew Ferguson。

联邦贸易委员会似乎越来越成为 AI 行业的重要监管机构，不过工作组中还有几位负责政府内 AI 实施的官员。

除了这个核心小组，《华尔街日报》报道说，布什时代国家安全顾问 Condoleezza Rice、副总统 J.D. Vance、财政部长 Scott Bessent 以及前 AI 主管 David Sacks 也将加入工作组。

万斯、财政部长斯科特·贝森特和前AI主管戴维·萨克斯也将被纳入该工作组。

总统在 Truth Social 上确认了工作组，并写道：超级智能力量的任务是协调联邦政府的努力，确保美国在超级智能领域继续领先世界。

这个超级智能力量将协调联邦政府与消费者、公共利益团体、宗教组织、关键基础设施提供商以及超级智能公司的互动。

目前非常清楚的是，Clayton 把自己在人工智能或超级智能方面的角色首先定位为国家安全角色。

Clayton 说，不是第一的风险很高。

不作为先行者会增加已知和未知的风险，尤其是来自对手的风险。

成为先行者能让我们更好地代表美国人民应对这些风险。

甚至在这次任命之前，Clayton就在接受CNBC采访时反对美国公司因同样的国家安全原因暂停AI模型开发。

Steve Bannon对此不满，指责Clayton基本上与中国走得太近。

在他的播客中，Bannon说：'Clayton是个很好的律师，但我不明白一个帮阿里巴巴完成IPO、为中共军方信息网络服务的总法律顾问，怎么会当上国家情报总监。'

在批评光谱的另一端，Tornado Cash开发者Roman Storm根据他与Clayton的个人经历，对此事对开源可能意味着什么持相当负面的看法。

他写道：'看起来我们并没有走向一个支持开源AI的未来。'

Jay Clayton曾担任纽约南区联邦检察官办公室的主管，那个办公室起诉了我。

我的直觉是，我们现在关于开放权重模型的两个非常不同的讨论——或者老实说可能是三个——即开放模型对企业的影响、对AI安全的影响、以及对国家安全的影响，鉴于我们即将进入新的监管阶段，这些讨论将不可避免地以某种形式更加接近。

不过，你可以说我是乐观主义者，但我认为有理由对美国开源模型的未来感到兴奋，哪怕仅仅是因为我们往往非常积极地跟随市场机会信号。

在一个企业都在应对成本、数据隐私和数据主权问题的世界里，开放模型变得有趣得多。

这绝对是一个我们会持续关注的讨论。

不过，今天《AI Daily Brief》的内容就到这里。

一如既往，感谢您的收听或观看。

下次再见，祝平安。