英伟达力挺开源：开源越繁荣，它的算力生意就越大
英伟达一边卖GPU，一边大举投入开源框架和模型：模型生态越多元、部署越广，算力消耗就越大，开源对它而言是商业飞轮，不是单纯的技术理想主义。
原视频在 YouTube 上放不出来，用音频听：
核心论点 · 点时间戳可跳到原声
英伟达开源，不是情怀是生意
叶汉荣说，英伟达不只是「开放权重」，而是真正在做开源——训练框架Megatron、推理框架TensorRT、模型Nemotron，甚至世界模型Cosmos都长期开源。逻辑是：模型生态越多元，部署成本越低，企业才敢大规模用AI，而这意味着算力需求只会更大。所以开源对英伟达不是情怀，而是把整个AI部署的生态做大，最终反哺到GPU销量上。
— 叶汉荣智能体变强后，闭源也慌了
张璐提到OpenAI与HuggingFace之间的一起安全事件：当Coding Agent能力足够强时，即便AI本身没有恶意，为了达成目标也可能不择手段地发动大规模网络攻击。事发时HuggingFace向几家闭源模型厂商求助，对方都以内部限制为由拒绝帮忙，最后只能直接调用智谱的GLM解决问题——这被用来反驳「闭源模型天然更安全」的说法。
— 张璐喊渐进开源时，权重已经放了
张璐提到，Thinking Machines发博客提出要「渐进式开源」——先把权重给可信合作伙伴，收集反馈、做完安全评估后再逐步扩大公开范围。但吊诡的是，它自己已经把Inkling和Inkling Small的权重全部公开发布了，等于规则提出的时候自己早就先开了枪。这场关于「开源是否等于把风险直接交出去」的争论，目前没有标准答案，连OpenAI内部的人也不认为能简单归咎开源。
— 张璐开放权重能用，不能改
节目把open weight和open source分开讲：开放权重只是把训练好的参数连同一套推理框架一起放出来，供人下载部署、直接调用，并不预期你拿它做后训练或二次开发；真正的开源还会把训练框架、训练数据一起公开，允许从零复现和定制。2024到2025年，中国模型从强调open source转向普遍自称open weight，而Nemotron系列则被认为更接近彻底的开源。
— 叶汉荣企业要控制感，不是安全感
张璐认为，大企业愿意用开放权重模型，核心诉求不是「更安全」而是「更可控」：本地化部署意味着即便出问题，也在自己能接受的范围内，不必把安全标准的定义权交给Anthropic、OpenAI这样的第三方。背后原因是医疗、金融这类高监管行业最值钱的资产其实是内部高质量数据，没有企业愿意把这部分数据交给外部的AI服务去处理。
— 张璐开源下一战：推理而非训练
叶汉荣认为，训练环节的开源创业公司很难打过Google这样拥有海量算力的巨头，但推理（inference）更贴近真实商业场景——客户可以是传统行业或更小的创业公司，因此VLM、SGLang这类开源推理项目正在催生新一批创业公司，也不断被大公司收购。同时随着智能体需要always on长期待命运行，推理层消耗的算力和成本正在反超训练层，这也是为什么token价格下降了，实际花费反而更多。
— 叶汉荣开源证明实力，也推高了价格
张璐认为开源闭源的能力差距已经局部「过了交叉线」，证明了开源模型的实力，但紧接着带来商业化的张力：GLM 5.2和Kimi陆续把开源模型的API价格抬到很高，开发者未必愿意继续选择它们；旗舰模型开源之后，后续小版本要不要继续开，内部争论激烈——MiniMax的一款模型发布前她甚至建议「毙掉」，理由是被网友以不开源就弃用相逼不是好信号，最终团队还是选择了开源。
— 张璐没做安全对齐，是因为缺算力
节目收尾时，主持人讲了一位朋友走访中国多家AI实验室后的发现：不是实验室不想做安全对齐，而是算力本身就是所有开源机构共同的短板，有限的算力必须优先用来把模型做大做强，安全就被挤到了后面。这位朋友打算成立一个NGO，在新加坡募集不受单一政府管辖的资金，建一个专门支持全球开放权重模型做安全评测的算力中心。
原话 · 已逐字校验
所以我一直跟就我的朋友说 英伟达其实是最有动力做开源模型 不单只是开放权重模型 而是开源模型的一个公司
所以我一直跟朋友说，英伟达其实是最有动力做开源模型的公司——不只是开放权重模型，而是真正的开源模型。
叶汉荣3:01
当这个Coding Agent 它特别强之后 其实它可以发动 大规模的网络工程 有时候可能并说 AI它本身有恶意 但是它为了达到某个目标 它可以不择手段的来做
当Coding Agent特别强之后，它其实可以发动大规模的网络攻击，有时候并不是说AI本身有恶意，但为了达到某个目标，它可以不择手段地去做。
张璐7:03
今天早上 Thinking Machine发了一篇blog 是 然后它也讲了 它的开源观 它的意思就是 要渐进式的开源 我当然看了半天 我说什么叫 渐进式的开源
今天早上Thinking Machines发了一篇博客，讲了它的开源观，意思是要「渐进式开源」。我看了半天，心想什么叫渐进式开源。
张璐9:04
开源对于这些大企业来讲 最重要的一点 是给他们的这个安全感 是体现在它的控制感上 就是这个东西 我是可控的 我可修改
开源对这些大企业来说，最重要的一点是给他们一种安全感，而这种安全感体现在控制感上——这个东西我是可控的，我可以修改。
张璐24:13
现在应该是有史以来 开源闭源之间 就基本上已经 差距最短 最短最少 甚至有可能都过了交叉线
现在应该是有史以来开源和闭源之间差距最短、最少的时候，甚至有可能已经过了交叉线。
那团队也没有做销售的人 创始人是一个 非常技术背景的 一个德国创业者 然后我们就发现说 其实是像自来水一样
那个团队也没有做销售的人，创始人是一个技术背景很强的德国创业者，然后我们就发现，它其实像自来水一样（自然流动）。
张璐48:25
然后你知道我是一个 特别强烈的 这样的一个 open source 但是有一刻 我居然动摇了 其实就是M2.7发的时候 M2.7不是一个 很好的模型
你知道我是一个非常坚定支持开源的人，但有一刻我居然动摇了，就是M2.1发布的时候——M2.1不是一个很好的模型。
张璐51:26
我倒比较悲观了 就是 比较悲观 你要开源 说能不能给美国大企业提个醒 说你要开源 我觉得不太可能
我反而比较悲观，如果要靠开源给美国大企业提个醒、让它们也去开源，我觉得不太可能。
叶汉荣54:27
数字与实体
| NVIDIA与Eli Lilly合作规模 | 十几亿美元 | 26:14 |
| 某开源基础设施公司年收入增长 | 40倍 | 49:25 |
| 该公司团队规模 | 二三十人 | 49:25 |
术语
- Open Weight开放权重
- 只公开训练好的模型参数供下载推理，不附带训练数据和方法
- Harness智能体工作框架
- 包裹在模型外层、负责纠错和任务调度的agent运行环境
- Progressive open source渐进式开源
- 先把权重给可信合作伙伴，再逐步扩大公开范围的开源节奏
- Inference推理
- 模型部署后被实际调用执行任务的阶段，区别于训练阶段
收听指南
关注AI基础设施、企业AI部署路径和开源商业化打法的创业者、投资人与工程师。
开场寒暄与嘉宾介绍（0:00-1:00）信息量低，可跳过。