2026 年 6 月 15 日,Rest of World 发表了一篇与王铁震(Tiezhen Wang)的深度对话。王铁震在今年 5 月离开 AI 社区协作平台 Hugging Face 之前,担任其亚太生态系统负责人。在此之前的几年里,他协助了该地区大量 AI 实验室发布开源模型,帮助研究者让他们的模型对开发者更易用。这篇访谈触及了当前 AI 行业最核心的几个争论——开源与闭源的路线之争、模型蒸馏的知识产权问题、开源模型的商业化困境,以及中美两种截然不同的 AI 应用范式——而王铁震的回答揭示了一个正在被全球舆论低估的趋势:中国正在用开源和低成本 tokens 打开一条与美国闭源巨头们完全不同的路径。
当被问及开源模型在中美 AI 竞争中扮演什么角色时,王铁震首先纠正了问题的预设。"很多人谈论 AI 竞争,但在开源世界里,我们持有的是协作心态。"他给出了一个具体的例子:DeepSeek 的强化学习训练算法正在成为许多美国研究实验室的默认设置——这意味着中国的开源技术正在直接提升美国实验室的产出效率。与此同时,许多中国开源模型权重运行在美国硬件上。"这像是在互相帮助,而不是零和游戏。如果我们一起把饼做大,两边都可以是赢家。"
在模型蒸馏这个当前最敏感的知识产权争议上,王铁震的表态几乎没有留下任何含糊空间。"蒸馏在研究领域是一个中性词。就像我读了一本书,然后告诉别人这本书讲了什么——那个人也理解了书的内容。这就是蒸馏。"他进一步指出,这种行为在研究实验室中大量存在,美国人之间也在互相蒸馏——"最近我们看到 Elon Musk 承认 xAI 从 OpenAI 蒸馏了模型。"他的核心论点更为尖锐:"众所周知,Anthropic 和 ChatGPT 在抓取互联网,获取各种信息。所以看到那些自己并不生产知识的人试图阻止别人复用知识,这有点讽刺。"王铁震对 AI 生成内容的著作权问题给出了一个明确的立场:"所有 AI 生成的内容都应该享有零著作权。否则,那些拥有算力的人就可以滥用并生成各种组合,然后将一切著作权化。"
在商业化路径上,王铁震的论述为"开源如何赚钱"这个困扰行业的问题提供了几个具体的答案。第一个模式来自月之暗面(Kimi):模型免费开源,但 API 和订阅服务需求巨大,因为它们拥有最好的基础设施支撑。"一旦模型作为开源发布,别人就必须花工程时间才能运行它。所以在第零天,发布模型的研究实验室拥有先发优势。"第二个模式是将微调模型(fine-tuned model)开源,但底层的基座模型(base model)保留为闭源并收费。第三个动机是品牌建设与人才吸引——"当你刚开始做一个实验室时,凭什么让研究者为你工作?招到顶级人才非常困难。但如果你有好的开源模型,每个人都知道你做了一些了不起的工作。"
针对近期部分中国 AI 实验室从开源撤回的趋势,王铁震分析了背后的许可协议变化。他以 Minimax 为例:该公司将许可改为"如果你用这个模型赚钱,你就得付钱"。他认为这是开源世界非常常见的实践,尤其是为了防止云服务商的搭便车行为——"云服务商可以免费运行一个开源模型并产生利润,却不需要与研究实验室分享利润。这是不公平的。"在他看来,个人用户永远可以免费使用模型,但云服务商如果通过部署模型产生收入,就应该给模型创作者分成——"我认为这是公平的,实际上是一种可持续地支持开源的方式。"
但他同时也表达了对中国 AI 实验室可能因商业化困难而集体闭源的担忧。"如果他们找不到将研究变现的方式,这是真实的风险。如果他们能有钱、能继续做开源,那对所有人都有好处。"他将希望部分寄托在资本市场上——"如果你看智谱的股价,已经涨了 10 倍。这无疑帮他们获取更多算力、人才和数据,生成更好的模型。这些投资可以让这些实验室更长时间地留在牌桌上。"
面对"如果今天你给一家美国创业公司做顾问,你会建议他们构建在美国模型、中国模型还是表现最好的开源模型上"这个实战问题,王铁震的回答展示了一套成熟的策略框架。"现在众所周知的策略是:如果你想在美国做一家创业公司,第一步是找到一个具有最佳产品-市场匹配的模型。这比技术决策更重要。如果你没有一个深度满足强烈市场需求的产品,你的创业公司就会失败。而这些模型通常是闭源的。"但第二步才是关键——"一旦有了闭源模型打底,你开始有了第一批用户,你在积累数据。你知道了你的产品是如何被使用的。然后你可以用你产生的数据来训练你自己的模型。这时候公司会开始考虑切换到开源模型。最终,你可能会在 tokens 上节省一百倍的支出。"
文章最有冲击力的部分出现在末尾。王铁震刚刚结束一次中国之行,他观察到中国 AI 市场正在快速成熟,而推动力来自一个美国市场目前无法复制的结构性优势:token 成本。"美国在探索 AI 能做什么方面绝对做得很出色,但他们那边的 token 成本更贵,贵到连大公司都负担不起。"他列举了两个数据点:Uber 在四个月内烧完了全年的 token 预算,微软也表示 token 比预期贵得多。"在中国,情况恰恰相反,因为有一批开源模型可以用,而且没那么贵。一旦中国开源模型跨越了可用的临界点,使用量将呈指数级增长。"
更令人震惊的是他描述的一种现象——"token 最大化"(tokenmaxxing)。"所有中国互联网公司都在做 tokenmaxxing,基本上是给员工无限量的 tokens,就为了看看他们能做什么。我听说一些中国大型科技公司正在强迫员工成为 AI 原住民,不让他们做写文档这类'常规'的事情。"这种激进程度,远远超过了当前美国企业 AI 应用的任何案例。"这种 AI 应用的推广方式比美国快得多。如果在未来一两年你看到很多非常有意思的 AI 应用在中国出现,我不会感到惊讶。"
参考来源: