開源 vs 閉源、中國 vs 美國：AI 的新冷戰已經開打

本文整理自《Lex Fridman Podcast》2026 年 2 月播出的第 490 集。

本文是 Lex Fridman Podcast #490 系列整理的第三篇，共四篇：

1. AI 寫程式的真相：從 Vibe Coding 到軟體工程的未來
2. Scaling Laws 還沒撞牆，但遊戲規則正在改寫
3. 開源 vs 閉源、中國 vs 美國：AI 的新冷戰已經開打（本篇）
4. 通往 AGI 的路上，我們更可能先遇到什麼？

一場關於誰「擁有」AI 未來的角力

多數人討論 AI，焦點放在模型有多聰明、能做什麼事。但 Lex Fridman Podcast 第 490 集裡，Nathan Lambert 與 Sebastian Raschka 花了大量時間談的不是技術本身，而是技術背後的權力結構：誰訓練模型、誰控制模型、誰從中獲利。

Nathan Lambert 是艾倫人工智慧研究所（AI2）的後訓練團隊負責人，同時主導 Atom Project（American Truly Open Models），一個專門推動美國開放模型發展的計畫。Sebastian Raschka 是 Lightning AI 的資深研究工程師，也是兩本 LLM 技術暢銷書的作者。一位深耕開放模型的政策與實踐，一位長年在開源社群第一線教學和研究，兩人的觀察角度不同，但彼此互補。

LLAMA 的故事：從開放先驅到內部失控

談到開源 AI 模型，Meta 的 LLAMA 是繞不過去的名字。Sebastian 回顧了這段歷程：LLAMA 1、2、3 是開放模型的先驅，在社群中獲得巨大的好評和使用量。「那是真正有價值的開放模型，人們可以使用、信任、修改、理解。」

但到了 LLAMA 4，事情開始走樣。Sebastian 認為問題出在 Meta 高層看到了 LLAMA 的社群熱度，開始想把它當成一個能「贏」的東西。「他們試圖強迫模型登上基準測試的榜首，擊敗 ChatGPT 和其他閉源模型。但開放模型的價值從來不在於『最強』，而在於人們可以自由使用它。」結果 LLAMA 4 陷入了「benchmaxing」，為了在排行榜上好看而過度調校。模型在基準測試上的分數很亮眼，實際使用體驗卻不如預期。原因很簡單：它是針對特定的偏好模型訓練出來的，不是真正的通用能力提升。

Nathan 揭露了更深層的問題。LLAMA 的衰落不只是技術決策失誤，還涉及內部政治鬥爭和激勵錯位。「研究人員想建造最好的模型，但中間有一層管理階級在試圖證明自己的存在價值。糟糕的技術決策就是在這種組織內耗中做出的。」

他還點出一個關鍵轉折：祖克柏在 2024 年七月寫了一篇廣泛傳閱的部落格文章 The Case for Open Source AI，被認為是當時最有力的開源宣言之一。但到了 2025 年七月，Meta 的態度已經變成「我們正在重新評估與開源的關係」。

這中間發生了什麼？Nathan 提到一個名字：Alexander Wang（Wong），祖克柏引入的新 AI 領導人，據傳對開源的立場遠不如祖克柏積極。當開放與否不再是 Meta AI 組織的核心特徵，LLAMA 作為開放模型品牌的命運也就不難預見了。

Lex 追問：「你覺得會有 LLAMA 5 嗎？」Nathan 的回答很直接：「不會是開放權重的。」

Sebastian 也替 LLAMA 說了一句公道話。他認為開源社群對 LLAMA 4 的批評可能過於嚴厲。「即使模型沒有達到每個人的期望，它還是一個免費的開放模型。但社群的反彈給了 Meta 負面新聞，Meta 原本期待的是正面報導。」他形容這某種程度上是一個報復性反應：「我們試著做一件好事，結果你們還批評我們，那乾脆不做了。」

中國的開放模型策略：不是慈善，是影響力

LLAMA 的退出留下了巨大的真空，填補這個真空的是中國。Nathan 用一個數字說明情勢有多嚴峻：2025 年七月，全球頂級開放模型中有四到五個是中國公司發布的，來自美國的是零。「那是我決定投入 Atom Project 的時刻，因為沒有其他人在做這件事。」

Nathan 看這件事看得很清楚。中國釋出開放模型不是慈善，而是經過計算的影響力策略。全球大多數國家沒有預算購買 OpenAI 或 Anthropic 的 API 服務，但他們有算力可以下載並部署開放模型。當這些國家的 AI 基礎建設都建在中國模型之上，中國在全球 AI 生態中的影響力就會持續擴大。

另一個不得不承認的事實是，中國開放模型的品質確實很好。Sebastian 坦承，DeepSeek V3.2 等模型的架構創新（例如稀疏注意力機制、multi-head latent attention）都是真正有價值的技術貢獻。他甚至提出一個有些弔詭的觀點：中國的大規模開源可能反而推動了美國公司釋出更好的開放模型。「當美國企業看到 DeepSeek V3.2 被廣泛使用且沒有引發安全問題，這可能會鼓勵他們釋出更接近前沿能力的開放模型。」

Nathan 同意這個判斷：「中國公司確實啟動了一些原本可能不會發生的事。我幾乎可以確定，美國公司的領導層已經在討論這個問題了。」

Atom Project：不只是做模型，是確保美國不缺席

Nathan Lambert 主導的 Atom Project（American Truly Open Models）是他過去五個月投入最多精力的事。他原本叫它「美國版 DeepSeek 計畫」，但很快發現這個名字在華盛頓不太好賣，所以改名了。

Atom Project 的核心主張兩句話就能講完。第一，開放模型是 AI 研究的引擎，研究人員做前沿研究的起點就是開放模型。第二，美國應該建造最好的開放模型，確保最好的研究發生在美國，最好的價值由美國企業創造。

這不是空泛的宣言。AI2 已經拿到美國國家科學基金會（NSF）有史以來最大的電腦科學類補助：四年一億美元。NVIDIA 的黃仁勳（Jensen Huang）也公開談過這個議題的急迫性，NVIDIA 在 2025 年開始更積極地釋出 Nemotron 系列開放模型和配套資料集。Reflection AI 宣布了 20 億美元的募資，明確表示就是要用來建造美國的開放模型。

但 Nathan 很清楚，單靠一個組織不夠。「如果只有 AI2 在釋出模型，LLAMA 的教訓就會重演。我們需要多個組織同時建造開放模型，讓它們能交叉授粉、共同推動生態系。」

他在節目中透露了一個策略選擇：他刻意避免用「中國的威權 AI 要統治世界」這種敘事來推銷 Atom Project，即使這種說法更容易引起關注。「我講的是美國的創新和科學，因為這不只更接近現實，也是我想要幫助實現的未來。」

企業競爭優勢的悖論：如果大家都用同一個 ChatGPT

Sebastian 提出了一個很少有人直接點出的問題：如果所有企業都用同一個 ChatGPT 或 Claude，競爭優勢在哪裡？

「你可以想像一個未來，ChatGPT 對美國銀行說『四億美元，我們幫你做客製化模型』。這會是巨大的經濟價值。但目前 ChatGPT 並沒有把核心模型授權給客戶做客製化。」Sebastian 認為，這正是開源模型和企業私有資料的交集越來越重要的原因。當基礎模型趨向同質化，真正的差異化來自你有什麼獨特的資料，你怎麼微調，你怎麼部署。

Nathan 補充了另一個角度：AI 服務可能最終會變成像 AWS、Azure、GCP 那樣的基礎設施競爭。「五六家公司在同一個 API 市場裡競爭是很辛苦的。可能因為這樣，有些公司會被擠出去。」但他也指出，這些公司目前坐擁大量現金，有能力往上游延伸，建電廠、建資料中心，形成硬體加軟體的護城河。

矽谷的 Licensing Deal 危機

Nathan 談到產業整合時，情緒明顯比討論技術時更激動。2025 到 2026 年間，NVIDIA 與 AI 晶片新創公司 Groq 達成 200 億美元的非獨家技術授權協議、Scale.ai 估值接近 300 億美元，還有無數較小的交易。但 Nathan 認為這些交易的結構方式「對矽谷生態系是有害的」。

問題出在越來越多的交易採用「授權式」架構，而非傳統收購。傳統收購中，被收購公司的全體員工（包括基層）的股票會被兌現，這是矽谷新創生態的根基。但 licensing deal 往往只帶走頂尖人才，留下其他人。「加入新創，即使它不是超級成功，你的公司很可能會被收購，你的股權會得到兌現。這是一個社會契約。Licensing deal 正在破壞這個契約。」

他也承認 NVIDIA 與 Groq 的授權協議條件，據傳對員工比較友善，但趨勢本身令人擔憂。這些交易結構之所以流行，部分原因是為了規避反壟斷審查。

中國 AI 新創 IPO vs 美國不上市

資本市場的態度形成了一個有趣的對比。Nathan 提到中國的 Minimax 和 Z.AI 都已經提交 IPO 申請文件，而美國的頂級 AI 新創（OpenAI、Anthropic、xAI）因為私募市場的錢太容易拿，完全沒有上市動機。

Nathan 直言這讓他不太舒服：「我希望更多美國的巨型 AI 新創是上市公司，這樣我們可以看到它們怎麼花錢，也讓一般人有機會投資這個時代最重要的公司。」他把這個現象放在更大的脈絡下看：Stripe 的 IPO 等了多少年？Databricks 已經融到 Series G 了還不上市。「這對市場來說是很奇怪的均衡狀態。」

中國那邊呢？Nathan 猜測中國 AI 新創的 IPO 市場反應可能會「跟美國一樣充滿炒作」，不會真的反映這些公司正在巨額虧損的現實。

AI 廣告的「什麼時候」比「會不會」更重要

這集對 AI 商業化的討論中，最令人不安的預測來自 Nathan：「現在的 AI 服務品質這麼好，是因為它們被嚴重補貼。廣告一定會來。」

Sebastian 補充背景：OpenAI 在 2025 年就嘗試過引入廣告，但因為競爭對手都沒做，「誰先做誰就會被千夫所指，使用者會直接跑到沒有廣告的競品。」這變成了囚徒困境：所有人都知道廣告是遲早的事，但沒人敢先動。

Nathan 分析了為什麼 Google 可能是最終勝出的玩家：它已經有成熟的廣告基礎設施，只需要把需求（Gemini 使用者的查詢）接上既有的廣告供給。「其他人得從頭建這個系統，Google 只需要打開開關。」

但更深層的問題是廣告對 AI 回答品質的影響。Sebastian 舉了一個例子：「你問 AI 推薦跑鞋，Nike 出現在第一位是巧合嗎？」Nathan 認為最好的情況是 AI 廣告幫真正的好產品找到需要它的人，但承認最壞的情況同樣可能出現。

如果這個預測成真，我們現在正在經歷的可能是 AI 產業的「黃金時代」。就像早期社群媒體被廣告和演算法推薦淹沒之前，那段使用體驗最好的時光。目前免費或低價使用高品質 AI 的窗口，可能不會永遠敞開。

我的觀察：Eric Schmidt 的預言正在成真

前 Google 執行長艾瑞克．施密特（Eric Schmidt）去年在多個場合警告：中國正以「開放壓制封閉」的策略擴大全球 AI 影響力。當時不少人認為他太危言聳聽。但 Nathan Lambert 在這集提供的第一手觀察，幾乎完全印證了 Schmidt 的分析。

Schmidt 看到的是大戰略層面：中國的開源 AI 正在成為發展中國家的 AI 基礎建設標準。Nathan 看到的是執行層面：美國的開放模型在 2025 年下半年出現了零的空窗期，中國同時有四到五個頂級模型供全球下載。兩個觀察拼在一起，圖景很清晰：如果美國不積極投入開放模型，全球 AI 生態的「作業系統」可能在幾年內被中國定義。

Atom Project 的存在意義就在這裡。它不只是做一個好模型，而是確保「民主陣營」在開源 AI 領域不缺席。

LLAMA 的教訓與臺灣產業啟示

Meta LLAMA 由盛轉衰的故事，對臺灣的科技公司有很直接的啟示。LLAMA 後期陷入 benchmaxing，為了在排行榜上好看而過度調校，犧牲了真實使用體驗。這在臺灣的硬體產業中並不陌生。追逐規格表上的數字而忽略使用者真實需求，從來都是一個誘人的陷阱。AnTuTu 跑分第一的手機不一定用起來最好，AI 模型也是同樣的道理。

Sebastian 提出的「競爭優勢悖論」也值得臺灣企業留意。如果所有企業都用同一個 ChatGPT 或 Claude，差異化就只能來自自己的私有資料和客製化能力。對擁有特定產業知識和資料的臺灣企業來說，這反而可能是機會。半導體製程知識、醫療病歷資料、金融交易紀錄，這些專有資料在開放基礎模型的時代會變得更有價值，不是更沒價值。

開放模型的未來：取決於進步多快減速

Lex 在節目尾聲問了一個根本的問題：有沒有可能未來最主流的 AI 模型全都是開源的？

Nathan 的回答取決於一個條件：如果 AI 進步的速度在未來幾年開始趨緩（不是停止，而是邊際收益遞減），開放模型就會贏。原因是，當技術趨於穩定，全世界會有大量工程資源投入優化通用架構的部署效率和成本。開放模型的成本優勢會壓過閉源公司的客製化優勢，甚至可能出現針對特定開放模型架構設計的專用晶片，進一步壓低成本。

但如果進步的速度持續加快，前沿實驗室就會持續擁有短暫但關鍵的領先優勢。閉源模型在最高端市場仍然會有一席之地。

Sebastian 回到了一個更基本的立場：無論市場格局怎麼變，開放模型對教育和人才培養都不可或缺。「如果只有閉源模型存在，你怎麼訓練下一代的研究者？你只能等到加入公司之後才開始學習。但那樣的話，公司怎麼辨識有天分的人才？」開放模型不只是商業工具，它是整個 AI 研究生態得以運轉的基礎。