国内 AI 圈流传挺广的一种论调：开源模型就是闭源的免费劳动力。DeepSeek、Qwen 砸了真金白银训出来的模型，权重白送，闭源巨头坐享其成，把社区验证过的路子吸收进自己的商业版图——这不是给闭源打白工吗？
这话听着解气，反过来一问就露馅了：几个亿砸出来的东西，说送就送，图什么？总不能真是做慈善。
图什么？开源的四笔账
第一笔：反卡脖子，打掉闭源溢价。先看谁在带头开源。恰恰是不靠卖模型吃饭的那批公司。DeepSeek 背后是家量化私募，主业在二级市场；阿里的主业是电商和云，都不是靠卖 token 过活的。可如果模型这块儿只剩海外几家闭源巨头说了算，这些公司的下场就是被卡脖子——要么付授权费，要么看人脸色。把顶级模型开出去，等于亲手把大模型技术变成大路货，闭源的溢价空间当场塌掉。国内 API 价格战这两年卷得多凶，一百万 token 卖到几块钱，固然有同行内卷的成分，但被一波接一波的高性能开源权重按着头打，才是主因。海外剧本一模一样：Meta 的主业是社交广告，同样不卖 token，最怕的就是模型话语权攥在别人手里，开源 Llama 打的是同一个算盘。
第二笔：定标准，立规矩。比降价更值钱的是定标准。谁的模型用的人多，谁就立规矩。Qwen、Llama 这几套架构，全球几百万开发者、主流推理工具链都围着转，衍生模型在 Hugging Face 上挂了满坑满谷，不少国内公司做行业模型，底座直接从 Llama 换成了 Qwen。大家写适配、做优化，等于免费替阿里和 Meta 修路。路修通了，阿里云上的 B 端生意自然找上门。生态这东西，长起来就拔不走。
第三笔：全球众包的人力账。最划算的一笔账是人。闭源公司优化推理速度，得养一支昂贵的工程师队伍；开源模型一发出去，全球的黑客、教授、学生抢着免费干活——写微调工具、做量化压缩。vLLM、Ollama 这些框架，极短时间里把开源模型的运行速度抬了几倍，还顺手适配了一堆边缘设备；国内的魔搭社区上，微调教程和现成模型一抓一大把。这种全球规模的众包迭代，哪家闭源公司花钱都买不来。
第四笔：Open-Core，开源获客。最后还有一笔明账：Open-Core，开源核心、闭源商业。智谱的 GLM 系列是典型，海外的 Mistral 也是同一套打法——开源的中小尺寸实力款赚名声、攒生态，真正收钱的企业私有化部署闭得严严实实。免费的模型不是损失，是获客成本。
所以开源不是不发工资，它只是换了个发法。至于开源会不会一直落后，得拆两截说。
会一直落后吗？差距在收窄
极限能力上，闭源确实领先过。GPT-4o、Claude 这些顶级闭源模型常年霸着天花板，OpenAI 的 o1、o3 率先把复杂数理和长思维链这堵墙捅破，那时候开源确实只能看着。但差距收得很快——DeepSeek R1 直接把推理这条路开源复现了，时间差从「按年算」压到「按月算」。原因说出来有点好笑：蒸馏。闭源前脚发布，开源社区后脚就拿它的 API 批量造高质量合成数据，反哺自家模型。说难听点，开源也在白嫖闭源，还是全球一起白嫖。这笔账，跟「免费劳动力」正好对冲。
真正的翻盘在落地端
这一点在国内尤其明显。成本上，闭源按 token 长期收费，企业连定价权都摸不着；开源权重拿回来自己量化、蒸馏，普通显卡就能跑。数据上就更没得选——政务、金融、医疗有合规红线，核心数据压根不许出门，何况 GPT、Claude 这些海外 API 本来就悬在半空，说断就断。所以这些行业的动作高度一致：买卡（越来越多是国产卡）、下权重、私有机房里深度微调。病历分析、风控这种具体任务上，微调过的开源模型打赢没微调的通用闭源，不算新闻。定制化更是没得比——闭源只让你写 prompt，开源让你改到模型的骨头里。
端侧：闭源够不着的领地
手机和 AI PC 要的是零延迟、断网可用、零边际 token 成本，云端算力再猛也鞭长莫及。苹果的 Apple Intelligence 和国内外手机厂商，走的都是同一条路——拿 3B 到 8B 的小模型，压缩、剪枝，直接写进芯片。这块蛋糕，按 token 收费的商业模式从根上就吃不着。
连芯片厂都在下注
英伟达、AMD 不乐意看到算力话语权被一两家模型巨头攥在手里，开源生态越繁荣，买卡的需求就越多样；华为昇腾这些国产芯片更是如此，开源模型适配得越多，国产算力的路才越走越宽。再加上算法的边际效应在递减——单纯把模型做大越来越不划算，而在有限尺寸里把性能榨干，恰恰是开源社区最擅长的事。
分工很清楚：探路者与普及者
绕了一圈，这场博弈的分工其实很清楚：闭源是探路者，烧最好的钱、请最顶尖的人，负责捅破天花板——眼下还在探路的主要是海外那几家；开源是普及者，负责把捅破的东西以最快速度平民化，送进千行百业——而这半场，国内已经站到了最前排。谁也不吃掉谁，比的是谁先找到下一口饭。
探路的和铺路的，各挣各的钱。