OpenAICEO奥特曼重申拒开源最先进模型，称将威胁网络安全与生物安全

OpenAI CEO山姆·奥特曼近期在接受媒体采访时再度明确表态：公司短期内绝不会开源其最先进的大语言模型。这一立场并非首次提出，但随着全球AI竞争格局加速演变，其背后的动因与现实依据正受到越来越多审视。

奥特曼给出的核心理由仍聚焦于“安全”——他指出，若将当前美国最先进的大模型开源，将迫使整个互联网安全体系进行结构性重建；更进一步，还需额外构建一层“生物安全防护层”。该说法延续了OpenAI自2023年以来对闭源策略的官方解释逻辑，即防止模型被恶意利用、降低潜在风险。

然而，这一论调在当下语境中已显乏力。一方面，开源模型生态持续壮大，中国多家机构推出的开源大模型在多项基准测试中表现接近甚至局部超越国际头部闭源模型。例如，智谱AI发布的GLM-5.3模型，在中文理解、代码生成与多模态能力上达到世界先进水准，且以完全开源方式提供；其技术透明性反而成为部分开发者社区信任的基础。

值得注意的是，OpenAI与另一家美国AI公司Anthropic在闭源立场上高度一致，且双方近期均将矛头指向中国开源模型。Anthropic曾专门发文质疑GLM-5.3的安全性与责任机制，试图塑造“中国AI不负责任”的叙事。但该举动适得其反——不仅未能削弱GLM-5.3的公信力，反而间接验证了其能力已跻身全球第一梯队。

事实上，近年来公开披露的AI安全事故中，多数涉及的是闭源模型的实际部署案例。例如，有记录显示，某些由OpenAI或Anthropic技术支持的系统曾被用于发起网络探测或自动化攻击行为；而开源社区则多次在发现异常后主动介入，协助阻断潜在风险扩散。这使得“闭源=更安全”的传统假设面临现实挑战。

从技术演进路径看，早期AI发展确曾依赖开源协作，如Meta的LLaMA系列推动了全球研究热潮。但自2022年后，以OpenAI为代表的企业逐步转向商业闭环模式：GPT-4及后续版本均未开源，API调用成为主要接入方式。这种转变既源于商业化压力——OpenAI需通过订阅与企业服务实现盈利反哺研发，也反映出对模型能力边界失控的深层担忧。

但问题在于，安全风险并非仅来自“是否开源”，更取决于模型部署环境、使用权限控制与监管响应机制。开源模型虽可被任意下载，但其运行通常受限于本地算力与工程能力；而闭源模型一旦通过API大规模分发，则可能被集成至缺乏安全审计的第三方应用中，反而扩大攻击面。

行业观察者指出，当前真正的分歧已不在于“开源与否”，而在于“谁掌握定义安全的标准权”。OpenAI与Anthropic试图将自身定位为“负责任AI”的守门人，却未充分公开其内部安全评估流程与事故响应机制。相比之下，国内开源项目普遍采用GitHub等平台托管代码，配合社区审核与漏洞赏金计划，形成了一套可见、可验、可追溯的技术治理路径。

值得玩味的是，奥特曼本人也在采访中承认：“其他团队已能将同级别模型开源，且性能差距微乎其微。”这句话实质上动摇了其“唯闭源可保安全”的逻辑根基——当技术能力不再构成绝对壁垒时，封闭策略更多体现为商业护城河而非公共安全必需。

从产业影响来看，闭源趋势正在重塑全球AI开发范式。中小型研究机构与初创企业难以获取前沿模型底层能力，转而聚焦于垂直场景微调或推理优化；而大型科技公司则通过模型即服务（MaaS）构建新的平台型生态。这种分化可能加剧技术资源集中度，不利于长期创新多样性。

另一方面，中国开源社区的活跃度持续提升。除GLM系列外，百川智能的Baichuan2、阿里巴巴的Qwen系列、百度的ERNIE Bot等均提供不同程度的开源选项，并配套中文文档与本地化部署工具。这些努力不仅降低了AI应用门槛，也为跨国合作提供了替代路径。

需要强调的是，开源本身并非万能解药。模型滥用风险真实存在，无论开源或闭源，都需配套健全的伦理框架与法律约束。但关键在于：规则制定应基于实证而非预设立场，治理机制应开放透明而非单方面宣示。

目前，OpenAI尚未公布其下一代模型的具体发布时间表，但市场普遍预期其将在2024年底至2025年初推出新版本。届时，若继续坚持完全闭源策略，或将面临更强烈的外部质疑与政策压力——尤其是在欧盟《人工智能法案》全面实施、美国国会加强对AI出口管制的背景下。

归根结底，AI发展的终极目标不是争夺“最先进”的名号，而是构建可持续、可信赖、普惠的技术基础设施。当一家公司反复以“安全”为由拒绝共享成果，却无法证明其实际防护效果优于开放协作模式时，公众的信任便难以维系。真正的责任感，或许不在于藏起模型，而在于敢于直面问题、接受检验，并与全球社区共同寻找解决方案。