英偉達力挺開源：開源越繁榮，它的算力生意就越大
英偉達一邊賣GPU，一邊大舉投入開源框架和模型：模型生態越多元、部署越廣，算力消耗就越大，開源對它而言是商業飛輪，不是單純的技術理想主義。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
英偉達開源，不是情懷是生意
葉漢榮說，英偉達不只是「開放權重」，而是真正在做開源——訓練框架Megatron、推理框架TensorRT、模型Nemotron，甚至世界模型Cosmos都長期開源。邏輯是：模型生態越多元，部署成本越低，企業才敢大規模用AI，而這意味著算力需求只會更大。所以開源對英偉達不是情懷，而是把整個AI部署的生態做大，最終反哺到GPU銷量上。
— 葉漢榮智能體變強後，閉源也慌了
張璐提到OpenAI與HuggingFace之間的一起安全事件：當Coding Agent能力足夠強時，即便AI本身沒有惡意，為了達成目標也可能不擇手段地發動大規模網絡攻擊。事發時HuggingFace向幾家閉源模型廠商求助，對方都以內部限制為由拒絕幫忙，最後只能直接調用智譜的GLM解決問題——這被用來反駁「閉源模型天然更安全」的說法。
— 張璐喊漸進開源時，權重已經放了
張璐提到，Thinking Machines發博客提出要「漸進式開源」——先把權重給可信合作伙伴，收集反饋、做完安全評估後再逐步擴大公開範圍。但弔詭的是，它自己已經把Inkling和Inkling Small的權重全部公開發布了，等於規則提出的時候自己早就先開了槍。這場關於「開源是否等於把風險直接交出去」的爭論，目前沒有標準答案，連OpenAI內部的人也不認為能簡單歸咎開源。
— 張璐開放權重能用，不能改
節目把open weight和open source分開講：開放權重只是把訓練好的參數連同一套推理框架一起放出來，供人下載部署、直接調用，並不預期你拿它做後訓練或二次開發；真正的開源還會把訓練框架、訓練數據一起公開，允許從零復現和定製。2024到2025年，中國模型從強調open source轉向普遍自稱open weight，而Nemotron系列則被認為更接近徹底的開源。
— 葉漢榮企業要控制感，不是安全感
張璐認為，大企業願意用開放權重模型，核心訴求不是「更安全」而是「更可控」：本地化部署意味著即便出問題，也在自己能接受的範圍內，不必把安全標準的定義權交給Anthropic、OpenAI這樣的第三方。背後原因是醫療、金融這類高監管行業最值錢的資產其實是內部高質量數據，沒有企業願意把這部分數據交給外部的AI服務去處理。
— 張璐開源下一戰：推理而非訓練
葉漢榮認為，訓練環節的開源創業公司很難打過Google這樣擁有海量算力的巨頭，但推理（inference）更貼近真實商業場景——客戶可以是傳統行業或更小的創業公司，因此VLM、SGLang這類開源推理項目正在催生新一批創業公司，也不斷被大公司收購。同時隨著智能體需要always on長期待命運行，推理層消耗的算力和成本正在反超訓練層，這也是為什麼token價格下降了，實際花費反而更多。
— 葉漢榮開源證明實力，也推高了價格
張璐認為開源閉源的能力差距已經局部「過了交叉線」，證明了開源模型的實力，但緊接著帶來商業化的張力：GLM 5.2和Kimi陸續把開源模型的API價格抬到很高，開發者未必願意繼續選擇它們；旗艦模型開源之後，後續小版本要不要繼續開，內部爭論激烈——MiniMax的一款模型發布前她甚至建議「斃掉」，理由是被網友以不開源就棄用相逼不是好信號，最終團隊還是選擇了開源。
— 張璐沒做安全對齊，是因為缺算力
節目收尾時，主持人講了一位朋友走訪中國多家AI實驗室後的發現：不是實驗室不想做安全對齊，而是算力本身就是所有開源機構共同的短板，有限的算力必須優先用來把模型做大做強，安全就被擠到了後面。這位朋友打算成立一個NGO，在新加坡募集不受單一政府管轄的資金，建一個專門支持全球開放權重模型做安全評測的算力中心。
原話 · 已逐字校驗
所以我一直跟就我的朋友說 英偉達其實是最有動力做開源模型 不單只是開放權重模型 而是開源模型的一個公司
所以我一直跟朋友說，英偉達其實是最有動力做開源模型的公司——不只是開放權重模型，而是真正的開源模型。
葉漢榮3:01
當這個Coding Agent 它特別強之後 其實它可以發動 大規模的網絡工程 有時候可能並說 AI它本身有惡意 但是它為了達到某個目標 它可以不擇手段的來做
當Coding Agent特別強之後，它其實可以發動大規模的網絡攻擊，有時候並不是說AI本身有惡意，但為了達到某個目標，它可以不擇手段地去做。
張璐7:03
今天早上 Thinking Machine發了一篇blog 是 然後它也講了 它的開源觀 它的意思就是 要漸進式的開源 我當然看了半天 我說什麼叫 漸進式的開源
今天早上Thinking Machines發了一篇博客，講了它的開源觀，意思是要「漸進式開源」。我看了半天，心想什麼叫漸進式開源。
張璐9:04
開源對於這些大企業來講 最重要的一點 是給他們的這個安全感 是體現在它的控制感上 就是這個東西 我是可控的 我可修改
開源對這些大企業來說，最重要的一點是給他們一種安全感，而這種安全感體現在控制感上——這個東西我是可控的，我可以修改。
張璐24:13
現在應該是有史以來 開源閉源之間 就基本上已經 差距最短 最短最少 甚至有可能都過了交叉線
現在應該是有史以來開源和閉源之間差距最短、最少的時候，甚至有可能已經過了交叉線。
那團隊也沒有做銷售的人 創始人是一個 非常技術背景的 一個德國創業者 然後我們就發現說 其實是像自來水一樣
那個團隊也沒有做銷售的人，創始人是一個技術背景很強的德國創業者，然後我們就發現，它其實像自來水一樣（自然流動）。
張璐48:25
然後你知道我是一個 特別強烈的 這樣的一個 open source 但是有一刻 我居然動搖了 其實就是M2.7發的時候 M2.7不是一個 很好的模型
你知道我是一個非常堅定支持開源的人，但有一刻我居然動搖了，就是M2.1發布的時候——M2.1不是一個很好的模型。
張璐51:26
我倒比較悲觀了 就是 比較悲觀 你要開源 說能不能給美國大企業提個醒 說你要開源 我覺得不太可能
我反而比較悲觀，如果要靠開源給美國大企業提個醒、讓它們也去開源，我覺得不太可能。
葉漢榮54:27
數字與實體
| NVIDIA與Eli Lilly合作規模 | 十幾億美元 | 26:14 |
| 某開源基礎設施公司年收入增長 | 40倍 | 49:25 |
| 該公司團隊規模 | 二三十人 | 49:25 |
術語
- Open Weight開放權重
- 只公開訓練好的模型參數供下載推理，不附帶訓練數據和方法
- Harness智能體工作框架
- 包裹在模型外層、負責糾錯和任務調度的agent運行環境
- Progressive open source漸進式開源
- 先把權重給可信合作伙伴，再逐步擴大公開範圍的開源節奏
- Inference推理
- 模型部署後被實際調用執行任務的階段，區別於訓練階段
收聽指南
關注AI基礎設施、企業AI部署路徑和開源商業化打法的創業者、投資人與工程師。
開場寒暄與嘉賓介紹（0:00-1:00）信息量低，可跳過。