随着越来越多 AI大模型走向开源，人工智能正逐渐打破技术壁垒，从少数科技企业的“独门绝技”变成全球开发者共享的创新资源。11月3日，2026年世界互联网大会乌镇峰会开幕，“开源开放 共建共享——携手构建网络空间命运共同体”成为本届峰会的主题。与会嘉宾认为，大模型开源让更多企业和开发者共享技术红利，但也需在加快技术普及的同时守住安全底线。
开源打破技术壁垒
“如果没有开源，AI大模型的核心技术或许只掌握在少数人和少数企业手里。”阿里巴巴ATH事业群千问大语言模型项目负责人刘大一恒直言。
刘大一恒表示，通过开放中小尺寸模型，研究人员可以用相对较低的成本开展实验，并将论文、技术博客、数据和代码等成果反哺开源社区，形成持续迭代的创新循环。开放模型让更多开发者有机会适配小语种、垂直行业等头部模型企业难以充分覆盖的领域，解决人工智能应用“最后一公里”问题。
根据中国互联网络信息中心政策与国际合作所发布的《生成式人工智能应用发展报告（2026）》，深度求索、月之暗面等本土企业先后发布多个万亿级参数开源大模型，全球主流大模型调用榜单上排名前六的模型全部来自中国团队。
“中国开源模型综合性能好、推理效率高，在全球具备很强竞争力。”阿里巴巴集团联合创始人、董事会主席蔡崇信表示，“中国科技企业持续加大模型开源和生态开放力度，开源模型下载量、衍生模型数等关键指标保持领先。”
“只有开源才能普及，只有普及才能创造可持续、普惠的智能时代。”在蔡崇信看来，开源促进全球开发者生态繁荣，有效降低了中小企业的研发成本，对小语种和发展中国家的价值尤其显著。基于开源模型，AI不再为少数科技强国所独有，而是成为各方都能深度参与的事业，来自广大新兴经济体的开发者无须从零开始，就能快速创建本国 AI应用与创新生态，有效弥合了国家和地区之间的智能鸿沟。
MiniMax首席架构师、开放平台负责人冯雯提到，开源让自己充分体会什么叫“众人拾柴火焰高”，模型开源后，社区经常涌现很多新玩法，让团队发现原来模型还能做到此前没想到的美好的事。
在峰会主论坛上，《携手构建全球开放人工智能行动倡议》正式对外发布。倡议指出，当前算力、数据和人才在人工智能变革中愈发重要，却又高度集中，具备研发和应用基础大模型条件的国家和企业仍属少数，新的数字鸿沟可能由此产生。为此，倡议呼吁各国共建共享算力池和高质量数据集，设立开源种子基金，支持全球南方国家在开放底座上开展本地化开发。
安全治理面临新挑战
开源加速了人工智能技术的普及与创新，但随着模型能力不断提升、应用范围持续扩大，如何平衡技术开放与安全治理，也成为业界关注的重要议题。
刘大一恒坦言，开源模型对比闭源模型，确实存在一些额外的安全难题。第一是不可撤回性。模型一旦开源就会被大量传播，模型如果出现缺陷，无法像闭源模型那样直接在线修复。第二是缺少外部防护屏障。开源模型安全高度依赖模型内生安全能力，第三方拿到权重之后，可以想办法绕过内置安全护栏，破坏安全约束。
“开源能够让更多参与者共同承担技术改进的责任，但前提是建立可信的评估和验证机制，推动形成共同认可的标准。”国际人工智能治理协会主席约翰·希金斯提出。他举例称，自己的朋友使用开源软件前必须将其置于封闭环境进行大量测试以确保符合标准，因此，如何赢得客户的信任，让客户放心使用，对于开源来说是一个挑战。
深度求索研究工程师高熙认为，无论通过 API（应用程序接口）提供模型服务，还是开放模型供外部使用，都存在安全风险。开源可能进一步扩大部分风险，因此研发团队有责任探索相应的安全措施。但他同时提醒，单纯依据模型当前能力进行分级，可能忽视模型经过训练后释放出的潜在能力。模型治理不能只依赖对模型本身的限制，还需要法律法规、行业规范和基础设施等多方面共同发挥作用。
中国工程院院士、之江实验室主任王坚认为，随着基础模型能力逐渐接近，成本和应用普及程度正在成为新的分化因素，封闭的技术生态难以独立支撑全球公平发展。如何在开源开放中维护安全可信，在共建共享中缩小发展差距，已成为全球面临的重要课题。
王坚倡议，共建开放的算力和数据资源，推动计算资源、高质量数据集和公开评测基准共享；探索模型、代码、数据分层开放的规范，在保障透明度的同时尊重各国实际情况；加强人工智能安全合作，建立安全风险与有害内容的全球协作响应机制。
随着越来越多 AI大模型走向开源，人工智能正逐渐打破技术壁垒，从少数科技企业的“独门绝技”变成全球开发者共享的创新资源。11月3日，2026年世界互联网大会乌镇峰会开幕，“开源开放 共建共享——携手构建网络空间命运共同体”成为本届峰会的主题。与会嘉宾认为，大模型开源让更多企业和开发者共享技术红利，但也需在加快技术普及的同时守住安全底线。
开源打破技术壁垒
“如果没有开源，AI大模型的核心技术或许只掌握在少数人和少数企业手里。”阿里巴巴ATH事业群千问大语言模型项目负责人刘大一恒直言。
刘大一恒表示，通过开放中小尺寸模型，研究人员可以用相对较低的成本开展实验，并将论文、技术博客、数据和代码等成果反哺开源社区，形成持续迭代的创新循环。开放模型让更多开发者有机会适配小语种、垂直行业等头部模型企业难以充分覆盖的领域，解决人工智能应用“最后一公里”问题。
根据中国互联网络信息中心政策与国际合作所发布的《生成式人工智能应用发展报告（2026）》，深度求索、月之暗面等本土企业先后发布多个万亿级参数开源大模型，全球主流大模型调用榜单上排名前六的模型全部来自中国团队。
“中国开源模型综合性能好、推理效率高，在全球具备很强竞争力。”阿里巴巴集团联合创始人、董事会主席蔡崇信表示，“中国科技企业持续加大模型开源和生态开放力度，开源模型下载量、衍生模型数等关键指标保持领先。”
“只有开源才能普及，只有普及才能创造可持续、普惠的智能时代。”在蔡崇信看来，开源促进全球开发者生态繁荣，有效降低了中小企业的研发成本，对小语种和发展中国家的价值尤其显著。基于开源模型，AI不再为少数科技强国所独有，而是成为各方都能深度参与的事业，来自广大新兴经济体的开发者无须从零开始，就能快速创建本国 AI应用与创新生态，有效弥合了国家和地区之间的智能鸿沟。
MiniMax首席架构师、开放平台负责人冯雯提到，开源让自己充分体会什么叫“众人拾柴火焰高”，模型开源后，社区经常涌现很多新玩法，让团队发现原来模型还能做到此前没想到的美好的事。
在峰会主论坛上，《携手构建全球开放人工智能行动倡议》正式对外发布。倡议指出，当前算力、数据和人才在人工智能变革中愈发重要，却又高度集中，具备研发和应用基础大模型条件的国家和企业仍属少数，新的数字鸿沟可能由此产生。为此，倡议呼吁各国共建共享算力池和高质量数据集，设立开源种子基金，支持全球南方国家在开放底座上开展本地化开发。
安全治理面临新挑战
开源加速了人工智能技术的普及与创新，但随着模型能力不断提升、应用范围持续扩大，如何平衡技术开放与安全治理，也成为业界关注的重要议题。
刘大一恒坦言，开源模型对比闭源模型，确实存在一些额外的安全难题。第一是不可撤回性。模型一旦开源就会被大量传播，模型如果出现缺陷，无法像闭源模型那样直接在线修复。第二是缺少外部防护屏障。开源模型安全高度依赖模型内生安全能力，第三方拿到权重之后，可以想办法绕过内置安全护栏，破坏安全约束。
“开源能够让更多参与者共同承担技术改进的责任，但前提是建立可信的评估和验证机制，推动形成共同认可的标准。”国际人工智能治理协会主席约翰·希金斯提出。他举例称，自己的朋友使用开源软件前必须将其置于封闭环境进行大量测试以确保符合标准，因此，如何赢得客户的信任，让客户放心使用，对于开源来说是一个挑战。
深度求索研究工程师高熙认为，无论通过 API（应用程序接口）提供模型服务，还是开放模型供外部使用，都存在安全风险。开源可能进一步扩大部分风险，因此研发团队有责任探索相应的安全措施。但他同时提醒，单纯依据模型当前能力进行分级，可能忽视模型经过训练后释放出的潜在能力。模型治理不能只依赖对模型本身的限制，还需要法律法规、行业规范和基础设施等多方面共同发挥作用。
中国工程院院士、之江实验室主任王坚认为，随着基础模型能力逐渐接近，成本和应用普及程度正在成为新的分化因素，封闭的技术生态难以独立支撑全球公平发展。如何在开源开放中维护安全可信，在共建共享中缩小发展差距，已成为全球面临的重要课题。
王坚倡议，共建开放的算力和数据资源，推动计算资源、高质量数据集和公开评测基准共享；探索模型、代码、数据分层开放的规范，在保障透明度的同时尊重各国实际情况；加强人工智能安全合作，建立安全风险与有害内容的全球协作响应机制。
