Mira Murati 带着 9750 亿参数开源模型杀回来了，而 Palantir CEO 和微软 CEO 在同一天警告企业：你们正在把核心机密拱手送给 AI 实验室——这场「开放 vs 封闭」的战争到底谁在怕什么？

“最大的美国开源模型”来了，但它最有趣的地方不是参数

昨天，前 OpenAI 首席技术官 Mira Murati 创办的 Thinking Machines Lab 发布了其首款 AI 模型——Inkling。这不是一款普通的开源模型：它拥有 9750 亿参数，支持多模态输入，采用 Apache 2.0 许可证，并托管在 Hugging Face 上供任何人免费下载和使用。

从数字上看，这已经是”迄今为止最大的美国开源权重模型”——Tech Times、MLQ.ai、gHacks 等多家媒体不约而同地强调了这一点。但从内容上看，真正值得关注的恰恰不是这个数字。

根据 the-decoder.com 的报道，Inkling 的技术路线中融入了 DeepSeek 和 Kimi（月之暗面）的技术。这意味着什么？意味着一位离开 OpenAI 的欧洲女性创业者，在她的第一个产品中，选择将中国 AI 公司的技术路径作为核心组成部分。这不是一个简单的”开源 vs 闭源”故事，而是一个关于“AI 技术全球化”的故事——最强的 AI 不再属于某个国家或某家公司，而是来自全球协作的网络。

Inkling 的发布引发了广泛的行业讨论。Startup Fortune 报道，Murati 本人坦承 Inkling “不是市面上最好的模型”。但这恰恰是开源模式的核心价值：它不追求”最好”，而是追求”可用且可自由改造”。对于企业来说，这意味着不再需要为”最强”支付溢价，而是可以基于一个强大的基座进行定制化开发。

科技巨头高管罕见集体发声：企业在”免费”使用 AI 时正在付出真实代价

就在 Murati 发布 Inkling 的同一天，另一条新闻同样引人注目。Fortune 2 小时前报道，多位科技巨头的高管发出了罕见的联合警告：企业正在向 AI 实验室”让出太多东西”。

这条消息并非空穴来风。此前 3 天，TechCrunch 和 Yahoo Finance 分别报道了微软 CEO Satya Nadella 的警告——他提出企业在使用 AI 时正在”支付两次智能”（pay for intelligence twice）：一方面支付订阅费用，另一方面通过 AI 训练过程将自己的专有知识泄露给模型。

而 Palantir CEO Alex Karp 也表达了同样的担忧。Benzinga 的报道显示，Karp 和 Nadella 几乎同时发出了这一警告，这在科技界极为罕见——通常这两位CEO在公开场合持不同立场，但这一次，他们对 AI 商业模式的担忧达成了共识。

Nadella 的”支付两次智能”理论揭示了一个被严重低估的风险：当企业将内部文档、代码库、客户数据喂给闭源 AI 模型时，这些数据的价值实际上被转移到了模型提供方手中。Anthropic、OpenAI 等实验室获得了更优质的训练数据，而企业自己却失去了差异化优势。

开源模型与 IP 泄露警告：一个看似矛盾实则必然的 convergence

这两条新闻看似无关——一条是关于开源模型的发布，另一条是关于企业 IP 泄露的警告——但它们指向的是同一个结构性问题：AI 时代的知识产权归属正在被重新定义。

Inkling 的发布代表了一种解决方案的雏形：如果模型是开源的、可自由部署在企业私有基础设施上的，那么企业就不需要将自己的数据送到第三方实验室。这正是 InfoWorld 所强调的——Thinking Machines Lab “为企业提供了美国的替代方案”。

但这种方案也有其局限性。首先，Inkling 本身也承认性能不及顶级闭源模型。其次，Apache 2.0 许可证虽然允许商业使用，但并不意味着企业可以完全摆脱对 AI 模型的依赖——它们仍然需要算力、运维和持续迭代能力。

真正的悖论在于：开源模型越强大，企业对闭源模型的依赖就越少；但开源模型目前还不够强大，企业仍然需要闭源模型来维持竞争力。这个矛盾将在未来 12-18 个月内加速演变——届时，开源模型的”可用阈值”将被跨越，企业的选择将从”要不要用 AI”变成”用谁的 AI”。

中美 AI 技术边界的消融：从 Inkling 看全球 AI 新秩序

Inkling 整合 DeepSeek 和 Kimi 技术这一细节，可能比模型本身的参数规模更具历史意义。

长期以来，美国 AI 行业的一个核心假设是：”最先进的模型必须由美国公司开发”。但现实正在打破这一假设。当一位前 OpenAI CTO 在她的开源模型中融入中国技术时，她实际上是在承认：“最好的 AI 技术没有国界。”

这与文章 #292（”中国AI模型在美国市场拿下46%份额”）和文章 #310（”中美同步出手：DeepSeek自研芯片对抗英伟达”）所揭示的趋势一脉相承——AI 技术的全球化正在从”市场渗透”升级为”技术融合”。

值得注意的是，Inkling 的发布时机恰逢多家企业开始重新评估 AI 供应商策略之际。Nadella 和 Karp 的警告表明，企业正在意识到：过度依赖单一闭源模型供应商（无论是 OpenAI、Anthropic 还是 Google）都存在战略风险。而开源模型——尤其是那些融合了多国技术优势的模型——提供了一种”去单点故障”的可能。

开源不等于安全，但它是通往”可控 AI”的第一步

需要强调的是，开源模型并不自动解决 IP 泄露问题。如果一个企业将 Inkling 部署在自己的服务器上，理论上数据确实不会外流——但前提是部署得当、运维到位、安全加固到位。对于大多数中小企业而言，”自建 AI 基础设施”的成本远高于”使用 API”的成本。

这也是为什么 Nadella 的警告如此重要：它不是在反对开源，而是在指出一个更深层的问题——无论模型是开源还是闭源，只要企业的数据被用于训练或推理优化，就可能存在价值转移。真正的解决方案不是”选开源还是选闭源”，而是建立一套新的数据治理框架，让企业在享受 AI 红利的同时，保护好自己的核心资产。

📌小结