开放权重不是零和：美国该自己下场做开源
把开放权重当成闭源实验室的威胁是把经济学搞反了——它只是增加AI用例，而真正的钱在推理，不在模型本身。
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
开放权重被误读成零和博弈
Levie 签了黄仁勋发起的开放权重公开信，他的解读是两层：一是开放权重本身驱动AI进步，能催生更多创新和用例，可以基于它做训练、做定制；二是美国需要更多公司投入开放权重。他强调开放权重被错误地框定成与闭源零和，实际上它只是增加了人们用AI的用例数量。他也承认闭源阵营在安全议题上有真实论点，但自己几乎无条件认为更多开放创新对AI扩散是好事。
— Aaron Levie蒸馏的伦理线很难画得出来
被问到蒸馏何时越界，Levie 说他不知道那条线在哪。他的核心论证是：很难一边主张AI模型可以在公开互联网上训练，一边主张另一个AI模型不能拿AI模型的输出做训练。他还指出，大多数人并没有选择自己数据是否被训练，可能只是藏在服务条款的细则里。如果承认世界的一般知识会被训练进模型，那么这些知识来自 Reddit 还是来自 Anthropic，他看不出有意义的区别。他也理解实验室想尽一切办法防蒸馏，但那不等于存在一条被跨越的伦理线。
— Aaron Levie封堵中国只会让美国AI更贵
针对「美国生态过度依赖中国开放权重模型」的担忧，Levie 承认这些论点不错，但反问：那你要怎么办？他打了个比方：有人说 iPhone 应该卖五千美元而不是一千美元，因为不该依赖中国的制造能力。如果推演替代方案，结论就是美国用很贵的AI、世界其他地方用很便宜的AI，然后看五到十年里竞争力如何。他认为猫已经出了袋子，开放权重模型存在，中国知道怎么生产，这个动态无法逆转。他站在黄仁勋一边：中国不会因为被封锁就放弃AI，反而可能被逼出另一套硬件栈，最终部署到主权云里。
— Aaron LevieAI 的钱在推理，不在模型
Levie 认为AI的赚钱环节是推理，钱最终会流向基础设施栈。如果市场上只有一两个实验室、训练秘密完全锁死，或许还能多封几层；但美国有三到五个把领先模型视为存亡问题的玩家，竞争动态会让 token 成本越来越贴近基础设施成本。他给的区间是：加价落在基础设施成本的 20%、30%、40%，而不是 70%、80%、90%。在这个前提下，如果你运营某个开放模型的首选基础设施、做它的后训练环境、或者成为企业部署它的更安全品牌，你几乎能赚到同样多的收入。他还建议前沿实验室用上一代模型做更快的开源跟随，反而能留住更多用例。
— Aaron LevieAnthropic 不开源是安全信仰
为什么实验室不开源？Levie 分两类人。第一类需要更长的时间视野才相信开放权重能变现：明天就发闭源模型、强制所有流量走自己的 API，纸面上一定赚更多；但拉长时间看，每个任务的 token 成本无论如何都会被压低，推演两三个阶段后闭源和开源几乎是平手，因为最终重要的是推理成本。第二类针对 Anthropic 具体而言，他相信他们把这当成重大安全风险，不是出于市场份额的经济论证，而是根本认为需要有一个实体控制 token 的流动，才能防提示注入、才能按查询类型路由到不同模型——这些在开放权重环境里做不到。
— Aaron LevieOpus 5 在两个维度上同时进步
Box 过去一两周在跑 Opus 5 的评测，Levie 说它相对 Opus 4.8 有有意义的跃升，而 4.8 在发布时已是同类最佳。Box 处理的是各行业的企业数据：生命科学、律所、大银行的文件、合同、营销素材、研究材料。企业需要模型同时具备两件事：深度的领域理解（懂生命科学、懂法律）和横向处理大量数据、调用工具、做分析的能力。Opus 5 在这两个轴上都改进了。他也提到 Fable 在某些内部编码任务上完全碾压 4.8，那种优势不是 token 成本差能弥补的，但 Fable 有个问题：某些能力上会把你降级到 4.8，而且事先很难知道是不是触发了安全警告。
— Aaron Levie现在锁死模型还太早
Levie 说 Fable 目前降级和阻止你做的事情，如果成为长期环境，对AI的未来是不可持续的——人们干脆就不会用AI了。他欣赏 Anthropic 提出的多点框架：就不同风险等级的能力达成一致并测试模型。但他追问：谁来定这个风险框架？怎么确认这些风险是我们真正感知到的真实风险？他的结论是，考虑到现在有多早，把这些模型锁死为时过早。
— Aaron LevieAI 让 Box 敢接多年期项目
Levie 对软件工程仍然非常看多，Box 用这些模型是为了做比以前多得多的事。他描述了一个机制：过去你或者拒绝很小的事因为不值得，或者拒绝很大的事因为太难，所以大多数软件项目停留在「一到六个月能做完」的中间带。现在多年期项目不再是多年期，一周的事变成两小时，于是你能解决客户一直存在的更多问题，这反过来提高了野心。他说 Box 现在有几十个项目，如果AI不存在根本不会启动。他的判断是：如果你认为已经不需要软件工程师了，那你的产品路线图一定不够有野心。
— Aaron Levie模型路由会成为企业默认选择
Levie 承认自己在这个结论上有偏见：你越需要多个模型来完成一个任务或一组任务，价值就越向能理解任务、拿到数据、处理工作流的层聚集，也就是他所处的应用AI层。他点名 Cognition、Factory、Cursor、Replit 这类公司都希望出现「多个模型各有所长」的局面——有成本优化的主力模型，也有超级前沿的编排模型。他数出美国有五家可信的模型开发者：SpaceX、Google、Anthropic、OpenAI、Meta，都在同时压低智能成本并推高前沿。模型路由还能缓解企业的分析瘫痪：模型不断互相超越，企业反而不愿锁定一个模型家族，路由层等于说你不必做这个选择。
— Aaron Levie原话 · 已逐字校验
So much so that I think it's actually kind of mis-framed as zero-sum with closed weights. It actually just adds to the number of use cases that people then do with AI.
以至于我认为它被错误地框定成与闭源零和。它实际上只是增加了人们用AI的用例数量。
Aaron Levie2:01
I think it's very hard to make the argument that AI models should be trained on broadly the public internet, but another AI model can't be trained on the outputs of an AI model.
我认为很难主张AI模型可以在公开互联网上训练，但另一个AI模型不能拿AI模型的输出做训练。
Aaron Levie3:03
then all you would basically be arguing is America should have really expensive AI and the rest of the world should have very cheap AI.
那你基本上就是在主张美国该用非常贵的AI，而世界其他地方该用非常便宜的AI。
Aaron Levie7:04
I generally think that the moneymaker in A.I. is inference. And so ultimately, the dollars are going to flow to the infrastructure stack one way or another.
我总体上认为AI里赚钱的是推理。所以最终，钱无论如何都会流向基础设施栈。
Aaron Levie12:07
Now what happens is you can tackle the multi-year projects because they're not multi-year anymore.
现在发生的是，你可以接多年期的项目了，因为它们不再是多年期的了。
Aaron Levie23:36
But I generally think if you think that you've kind of eliminated the need for software engineers, there's just no chance you're being ambitious enough with your product roadmap.
但我总体上认为，如果你觉得自己已经消除了对软件工程师的需求，那你的产品路线图绝对不够有野心。
Aaron Levie24:36
the more that you need multiple models to do a task or a set of tasks, the more value accrues to the layer that can understand the task and get access to the data and handle the workflow
你越需要多个模型来完成一个任务或一组任务，价值就越向能理解任务、拿到数据、处理工作流的层聚集。
Aaron Levie26:42
数字与实体
| token 加价区间（相对基础设施成本） | 20%、30%、40%，而非 70%、80%、90% | 13:09 |
| 美国可信模型开发者数量 | 5 家（SpaceX、Google、Anthropic、OpenAI、Meta） | 26:42 |
| Box 因 AI 才启动的项目数 | 几十个 | 22:36 |
| 过去软件项目常见周期 | 一到六个月 | 23:36 |
术语
- open weights开放权重
- 模型参数公开可下载、可自行部署和微调，与只提供 API 的闭源模型相对。
- distillation蒸馏
- 用一个大模型的输出去训练另一个模型，从而把能力迁移到更小的模型上。
- model routing模型路由
- 在多个模型之间按任务、成本或能力自动分派请求的中间层。
- prompt injection提示注入
- 通过输入内容劫持模型行为、让它执行非预期指令的攻击方式。
- sovereign cloud主权云
- 由本国或本地实体运营、满足数据主权与合规要求的云基础设施。
收听指南
关注开源与闭源路线之争的创业者、投资人和企业AI负责人，尤其是正在做模型选型或应用层产品的团队。
开头约一分钟的占星玩笑和结尾的寒暄可以跳过。