Panel：开源生态、标准化与国际合作展望

音频围绕大模型开源的商业模式、可持续性，以及 Harness 的 agent 开源国际协作等问题展开讨论，分析了开源的现状、面临的挑战和未来的发展方向，内容如下：

• 大模型开源的商业模式与可持续性
• 开源现状与问题
• 开源并非真正免费：目前所谓的开源大模型实际只是免费使用，并非真正意义上的开源，如 GLM - 5.2 开源后，美国众多 inference 厂商可直接提供服务，生产模型的厂商难以盈利，这引发了对开源模型商业模式可持续性的思考。
• 开源模型厂商态度转变：从历史经验看，开源模型厂商在认为自己的模型达到 sota 后可能不再开源，如欧洲某厂商和阿里巴巴的最新模型都不再开源。
• 开源持续的原因
• 商业层面获取数据：模型厂商通过开源可获得开发者的反馈和数据，这对模型的优化和发展至关重要。例如 DeepSeek 不仅做模型，还开始做 agent 层，以获取开发者的意图数据。
• 国家意识层面推动：中国主张中国式 AI 开源路线，将 AI 做成全民的基础设施和服务。中国模型在透明度、开放范围和许可使用方面表现出色，影响了美国专家呼吁政府放宽并鼓励开源。
• 开源与闭源的思考
• 避免二元对立：在讨论开源和闭源时，不应将其视为二元对立的事情，而应考虑在不同时代背景下它们所发挥的作用。随着时代发展，开源商业化的定义和目标都发生了变化。
• 关注产业需求：当前开源的价值应体现在解决产业层面的问题，如 agent 应用中全民使用但企业无人真用、生态碎片化等问题。未来开源需建立产业层面的价值共识，围绕 agent 经济形成新的逻辑。
• 开源项目实践与价值
• 低流项目实践：低流项目最初是程序员为秀技术肌肉而发起，结果却非常好，吸引了外部参与者和业界关注。该项目通过开源方式解决了企业落地中的私有需求问题，同时也为企业提供了 playground 和培训层。
• 开源的根本诉求：对于程序员和开源者来说，最大的奖赏是项目有很多人使用，他们更希望大家能用自己的东西，而对回报的关注相对靠后。开源项目还能让开发者结识志同道合的伙伴，共同追求技术。
• Harness 的 agent 开源国际协作
• 协作的可能性：Harness 的 agent 开源是目前开源社区中最受欢迎且标准化程度较高的项目。对于其国际协作能否补足地缘政治导致的开源模型使用问题，存在不同看法。有人认为这是很好的尝试，但可能存在理想化成分；也有人认为中国在 AI 开源国际拓展方面有机会。
• 中国的机遇与探索：中国在 AI 开源方面有很大机会，如康源子基金会希望进行国际拓展，联合国的 AI for Good 大会将发布全球开源发展报告，宣传中国开源项目并提出主张。此外，中国政府各部委积极参与开源，探索开源技术的确权、估值、入股和交易等要素市场的内容。
• 开源商业化与需求侧影响
• 开源需考虑商业化：开源最终要实现商业化，以赚钱养家。不同角色（政府、供给侧、需求侧、高校）对开源的视角和关注点不同，供给侧活跃且有创新，但需求侧相对保守，技术迭代和创新较慢，资金支持链条长。
• 供给侧影响需求侧：供给侧在开源之余，需考虑如何影响需求侧，让需求侧接受并使用开源产品，解决需求侧面临的问题，从而实现开源的商业化。