谷歌前CEO：我很担心，以后大多数国家会用中国AI，因为中国的AI都是开源、成本很低的 谷歌前CEO埃里克·施密特近期在播客节目中的一番言论引发了全球关注，他直言“美国最先进的模型是闭源的，而中国最先进的模型却是开源的”，并担忧大多数国家会因成本优势选择中国AI。 这番话并非空穴来风，而是基于当前全球AI发展的真实格局，要理解其中的关键，首先得弄明白开源和闭源这两个核心概念。 简单来说，开源AI就像一本公开出版的食谱，任何人都能免费获取配方、跟着制作，还能根据自己的口味修改配料和步骤，甚至分享给别人。 而闭源AI则像一家高端餐厅的招牌菜，食客只能花钱享用成品，永远不知道后厨的配方和烹饪技巧，更无法自己复刻。 施密特之所以有这样的担忧，根源在于两种模式背后的成本差异和普及潜力。 美国的AI巨头们大多走闭源路线，比如OpenAI的GPT-4、谷歌自家的Gemini 1.5，这些模型的源代码和训练数据严格保密，用户只能通过付费API接口使用，不仅单次调用要花钱，大规模商用的授权费用更是天文数字。 反观中国，DeepSeek、MiniMax等主流大模型都采用开源模式，不仅可以免费下载使用，还允许开发者根据需求修改优化。 更关键的是，中国开源模型的训练成本远低于美国闭源模型，以DeepSeek-V3为例，其总训练成本仅557万美元，而美国同类闭源模型的训练成本往往高达数亿美元。 对于全球大多数资金有限的国家和中小企业来说，免费且低成本的中国开源模型无疑具有难以抗拒的吸引力。 这种选择差异背后，是中美AI发展路径的根本不同。施密特曾长期认为中国AI落后美国2-3年，但多次访华后他发现，中国通过开源模式实现了技术的快速迭代。 中国开源模型在Hugging Face等全球平台的下载量占比已超60%，智谱AI的GLM系列在GitHub上获得超10万星标，衍生出2000多个垂直领域版本。 这些模型不仅免费，性能也在快速追赶甚至反超，DeepSeek-V3在数学推理、中文处理等测试中已经超越GPT-4o等闭源模型，在金融风控、智能制造等场景的落地效果也十分显著。而美国闭源模型虽然在部分底层技术上仍有优势，但封闭模式导致技术扩散速度比中国慢18-24个月，难以满足全球市场的多样化需求。 施密特的担忧还暗含着对全球AI格局的深层判断。 开源模式的核心优势在于“众人拾柴火焰高”，全球开发者可以共同参与模型优化，快速适配不同国家的语言、文化和应用场景。中国将AI作为“新质生产力”核心，300万开发者的协作的千万级场景的锤炼，让开源模型在实用性上不断提升。 而美国闭源模型的商业化属性更强，更注重知识产权保护和盈利，这使得它们在价格和灵活性上处于劣势。 对于那些不需要最顶尖性能、但求经济实用的国家来说，中国开源模型自然成为首选，这种选择积累到一定程度，就可能形成新的全球AI标准。 当然，开源和闭源并非绝对的优劣之分。闭源模型在数据安全、质量控制上有优势，适合对安全性要求极高的金融、医疗等领域；开源模型则在普及性、灵活性上更胜一筹，能推动AI技术的民主化。施密特本人也表示更倾向支持开源，认为可以通过设置“防护栏”管理潜在风险。 但不可否认的是，在当前全球经济发展不均衡的背景下，成本和可及性往往是首要考量因素。 中国AI选择开源路线，不仅加速了自身技术的迭代，更抓住了全球多数国家的需求痛点，这正是施密特发出担忧的核心原因，也预示着全球AI竞争已从单纯的技术比拼，转向了生态模式的较量。