一份最新发布的政策研究报告指出，当前全球人工智能领域的开源运动正面临严峻的资金瓶颈，业界和政府必须采取积极措施，大幅增加对开源AI项目的资金投入，否则将错失这一战略性技术发展机遇。报告题为《Must actively fund open source AI [pdf]》，由多个国际AI研究机构联合撰写，引发广泛关注。
开源AI：创新引擎遭遇“资金寒冬”
报告开篇即指出，开源AI在推动技术民主化、降低创新门槛、促进学术透明度方面发挥了不可替代的作用。从TensorFlow、PyTorch到Hugging Face的Transformer库，开源项目已成为全球AI研发的基石。然而，与闭源商业AI动辄数十亿美元的融资规模相比，开源AI获得的资金支持明显不足。许多关键的开源模型、数据集和工具，依赖少数志愿者或小型团队的零散贡献，长期处于“免费却脆弱”的状态。
“开源AI正在为全世界提供公共知识产品，但生产这些产品的‘工厂’本身却在亏本运营。”报告的主要作者、麻省理工学院数字经济研究中心研究员艾米莉·卡特博士强调，“如果没有持续的、规模化的资金注入，我们可能会失去这一创新引擎。”
资金缺口加剧技术集中化风险
报告以详实的数据勾勒出开源AI的资金困境。据统计，2023年全球AI领域的总投资超过2000亿美元，其中流向纯粹开源项目的比例不足3%。更令人担忧的是，随着大模型训练成本呈指数级增长——单次训练费用动辄数千万美元——开源社区越来越难以跟上顶级商业模型的步伐。例如，Meta开源的Llama系列模型虽然性能优异，但训练成本完全依赖企业内部的交叉补贴，普通学术机构或小型创业公司几乎无力复制类似项目。
这种失衡的直接后果是：AI技术向少数拥有巨额资本的大型科技公司集中。报告警告，若开源AI长期缺乏资助，可能导致“技术寡头化”局面，即少数几家公司掌控AI核心技术，进而影响全球竞争格局、学术自由乃至民主治理。卡特博士指出：“开源不仅仅是关于代码，更是关于权力分配。当我们不资助开源AI时，我们实际上是在默许一种封闭的、不透明的技术生态。”
多方呼吁建立专项资助机制
报告提出了一系列具体建议，核心是建立由政府和私营部门共同参与的“开源AI专项基金”。该基金应覆盖以下关键领域：
- 核心基础设施：包括分布式训练平台、开源数据集、基准测试框架等；
- 研究与人才培养：支持高校和研究所的开源AI方向博士生、博士后以及开发者社区；
- 可持续治理：为开源项目提供法律、安全审核、版本维护等长期支持。
此外，报告呼吁各国将开源AI纳入国家AI战略，参照欧盟《人工智能法案》中对开源模式的鼓励条款，在科研经费、税收减免、采购政策等方面给予倾斜。例如，可规定使用公共资金研发的AI模型必须开源，同时配套提供后续维护的资金。
国际社会已有先行者
事实上，部分国家和地区已开始行动。欧盟在其“地平线欧洲”计划中专门设立了开源AI旗舰项目，2024年拨款1.2亿欧元。美国国家科学基金会（NSF）也启动了“NAIRR”试点，旨在打通公有云与学术开源社区的资源。日本近期宣布成立“开源AI发展中心”，由产业界与文部科学省联合出资。
但报告认为，这些努力仍属杯水车薪。“我们需要一个类似‘互联网公共基础设施’那样的全球性承诺，”斯坦福大学以人为本AI研究院联席主任詹姆斯·兰德尔博士在报告发布会线上发言中指出，“30年前的互联网，如果没有政府大力资助TCP/IP协议栈和早期浏览器等开源基础设施，就不会有今天的数字经济。AI时代同样如此。”
争议与展望：不是“谁掏钱”，而是“如何公平”
当然，有关资助开源AI的讨论也引发了一些争议。部分商业公司担心，公共资金投入开源项目可能扰乱市场，降低自身研发投入意愿。另有一些社区开发者担心，大型资助可能导致开源项目被“企业收编”，失去草根活力。
对此，报告回应称，关键在于建立透明的多利益相关方治理机制，避免资金被少数主体架空。同时，资助应优先采用“公共品”模式，即资金支持的项目成果对所有参与者开放，不设排他条款。
“这不是一个简单的‘要不要掏钱’的问题，而是一个关于技术所有权和公共利益的战略性选择。”卡特博士总结道，“如果我们相信AI应该服务于全人类，那么我们就必须主动、持续地资助其开源基石。”
目前，该报告已提交至下月即将召开的全球AI治理峰会，预计将引发与会各方更深入的辩论与行动。而在峰会之外，开源社区的工程师们仍在伏案工作——他们或许暂时没有获得足额报酬，但他们正在写下的每一行代码，都可能定义未来数十年的技术图景。