当前，全球AI产业呈现出开源模型与闭源模型并行发展的格局。人工智能模型的开放程度，并非是简单的二元选项，从完全开放权重、允许任意修改的模型，到开放架构但保留核心参数的半开放模型，再到仅提供API接口的受控访问，直至完全封闭、不对外披露任何技术细节的黑箱系统。开源模型与闭源模型之间的竞争已不再是简单的技术性能竞争，而是演变为性能、生态、安全、绿色等方面的综合能力竞争。
一、我国开源模型在人工智能普惠方面的优势及作用
开源模型的普惠价值在于，让更多人、更多企业、更多国家能够利用技术改善生活、促进发展，而不是简单追求技术领先。
（一）我国开源模型快速提升技术水平，降低AI应用与创新的门槛
开源模型在一定范围内公开代码、模型参数、技术文档或训练方法，大幅降低了AI应用、开发、创新的门槛和成本，推动AI能力快速向中小企业、科研机构、开发者和传统行业扩散，帮助其开发符合本地语言、本地产业和本地需求的AI应用。闭源模型最突出的优势在于集中化研发带来的性能领先和全栈服务保障，但到2026年7月，我国开源前沿模型不仅在整体性能上与美国前沿闭源模型的差距再次缩小，且在部分核心综合指标上实现超越。根据Hugging Face 2026年夏季观测报告，在智能指数方面，我国的月之暗面Kimi、智谱GLM、阿里巴巴Qwen系列开源模型进入全球排名前七序列，性能持续接近美国领先闭源模型。我国每月发布的模型参数量上限在7540亿到2.78万亿之间，Kimi K3以2.78万亿参数成为全球最大开源模型，且在智能指数和编码指数中的全面领先。
（二）我国开源模型具有极致的成本优势与场景适配能力
MIT与佐治亚理工学院的联合研究在OpenRouter平台的实测显示：闭源模型的平均运行成本为每百万输入输出代币1.86美元，而同等性能水平的开源模型仅需0.23美元。 2026年开源生态已形成高度专业化的模型矩阵，我国开源模型Qwen3.8 Max通过本地部署和社区优化，提供了较好的成本控制路径。大量轻量化开源模型可直接在高性能消费级设备上运行，无需依赖远端数据中心算力，进一步降低了边缘场景的使用门槛和成本。通用前沿模型正向“通用基座引擎+垂直专精侧翼”的混合架构演进，结合实际应用场景方面，成本更低、可深度定制、可私有化部署的开源模型更具备优势。开源模型给予开发者更多自主权，金融、医疗、教育等领域针对性微调版本自成产品线，形成更加多元的AI生态。
（三）我国开源模型已成为全球人工智能创新生态的核心贡献者
开源社区形成的知识共享机制是普惠性的重要表现之一，有助于减少重复探索，使技术知识传播更快。模型在生态系统中的地位不仅取决于其自身发布的版本，还取决于社区在其基础上进行的开发和构建。基于Hugging Face平台观测数据，阿里巴巴Qwen系列模型成为开放模型生态系统中规模最大的基础模型。2025年，我国开源大模型累计下载量全球第一。2026年上半年，阿里巴巴Qwen系列模型全球累计下载量超过30亿次，以巨大优势超越 Meta（2.27 亿次）和谷歌（4.18 亿次），登顶全球下载量榜首。截至2026年7月，阿里巴巴Qwen系列模型累计派生社区模型超15万个，是Meta模型生态总派生量的2.6倍，更是Llama代码库的4.7倍，社区衍生仓库保持日均200个左右的增长速度。Google拥有82506个模型，紧随其后。阿里巴巴Qwen系列模型这一成果主要源于三个协同因素：稳定的版本迭代节奏能让开发者形成稳定预期；全面的场景谱系覆盖（模型参数规模从10亿级别延伸至万亿级）能针对多语言、多模态、代码等不同场景提供专门的优化版本；低门槛的开放许可策略降低了模型修改、重新分发和商业使用的门槛。这反映出我国开源模型已进入到全球开发者和企业实际应用体系中，成为全球开发者默认工作流程的一部分。
二、我国在人工智能安全方面的做法与作用
人工智能风险既可能表现为算法歧视、隐私泄露、生成造假和系统攻击，也可能通过自动驾驶、医疗等应用进入现实物理世界。人工智能的安全维度是多元的，包括能力安全、部署安全、系统安全等。我国坚持发展和安全并重，开展覆盖算法、数据、模型、系统和应用场景的综合治理。
（一）我国加快人工智能安全治理制度建设，建立可审查、可分类、可评测的风险管理机制
我国AI安全治理已形成“基础法律托底、专项规则细化、伦理规范前置、标准评测支撑、重点场景审慎准入”的多层次结构。治理对象由早期网络和数据安全逐步延伸到算法机制、生成合成、模型服务、高自主决策系统和拟人化交互，安全要求覆盖研发、训练、部署、传播和使用全过程。2026年1月施行的新修订《网络安全法》新增人工智能相关规定，要求完善伦理规范、加强风险监测评估和安全监管。《互联网信息服务算法推荐管理规定》自2022年3月施行，将生成合成、个性化推送、排序精选、检索过滤和调度决策等纳入治理；此后深度合成、生成式人工智能、生成合成内容标识和拟人化互动服务等规则相继落地，治理重点由“算法如何推荐”扩展到“内容如何生成、如何标识、如何交互以及由谁负责”。 全国网安标委2024年发布《人工智能安全治理框架》1.0版、2025年升级至2.0版，对模型算法、数据、系统以及网络域、现实域、认知域、伦理域风险进行分类，并探索风险分级和动态治理。
（二）我国加强备案执法与重点场景准入协同，敏捷治理举措成效显著
我国正在形成“一般服务持续备案、重点风险重点监管、物理场景审慎准入”的敏捷治理方式。国家网信办持续公开算法备案信息；截至2026年6月30日，全国累计988款生成式人工智能服务完成备案、598款应用或功能完成登记。2026年“清朗·整治AI应用乱象”专项行动第一阶段处置违规网站、应用程序、智能体等AI产品1.4万余款，重点整治未履行备案登记、审核过滤不足、数据投毒和生成合成内容标识落实不到位等问题。对直接关系人身安全的自动驾驶，工业和信息化部等四部门通过智能网联汽车准入和上路通行试点建立测试评估、产品准入、限定区域上路、持续监测和暂停退出机制。
（三）我国开源模型在安全防御中表现突出
当开源模型权重完全公开时，全球不同领域的研究者可以从多个角度测试模型，发现漏洞、修补缺陷，形成分布式、去中心化的安全防御体系。而闭源模型通常只向用户提供输入和输出界面，其内部结构、安全措施以及能力边界很难被外部了解。尤其是闭源模型的控制权掌握在少数几家企业手中本身也是一种风险。闭源模型由极少数团队构建的价值对齐规则，在面对全球不同文化背景和行业场景的用户时必然难以做到真正中立，这是一个结构性的治理问题，而非技术和工程问题。2026年7月的自主代理安全事件中，Hugging Face安全团队在分析捕获的攻击代码时，曾尝试使用前沿闭源模型辅助分析，但受限于其内置安全防护机制的限制无法完成特定逆向操作，最终由我国的量化开源模型GLM-5.2完成漏洞定位，这打破了“封闭模型天然更安全”的刻板认知，也凸显了开源模型在特定场景下的重要价值。我国AI安全技术正在由“发现有害输出后拦截”转向“研发阶段降低风险、运行阶段持续防护、传播阶段保持可辨识”。模型运行方面，Qwen团队开源Qwen3Guard安全护栏，支持119种语言及方言；华为云披露其盘古安全护栏在中国信通院大模型可信评测中获得卓越级（5级）评分。腾讯朱雀实验室等机构向公众提供AI生成文本、图片和视频检测工具。腾讯安全团队基于混元大模型研发的自动化漏洞检测工具在热门Java开源项目中捕获11个高危0day漏洞。
（四）开源模型具有更强的安全可控性和适应性，成为各国实现AI自主可控的重要载体
不同AI应用场景所面对的安全要求并不相同。在数据隐私合规严格、网络受限或需深度定制的场景下，完全开放权重的开源模型具有明显优势。开源模型允许使用者在本地服务器或设备上部署，根据具体任务调整模型、过滤规则和设置权限，并不完全依赖统一的云端服务，从而减少数据传输和储存风险。在金融、医疗、政务等强监管行业，企业可基于开源模型构建自有定制化系统，业务数据和模型逻辑掌控在组织内部，无需流出自有安全边界。完全依赖少数美国闭源模型企业构建国家AI基础设施，对任何国家而言都面临主权风险。开源模型正在成为各国摆脱单一技术依附的核心抓手，越来越多的国家利用本地数据对系统进行针对性微调，将整个AI链路部署在国内基础设施上，减少对境外控制云服务的系统性依赖。
三、我国在人工智能绿色发展方面的做法及作用
我国始终倡导负责任、可持续的人工智能发展路径，坚持绿色向善、开放共享的AI发展方向，采取多元化举措推进破解算力高能耗难题，实现绿色低碳发展，同时推动AI开源大模型技术成果转化为全球公共产品，为全球AI普惠、绿色发展提供务实可行的中国方案。
（一）完善绿色算力基础设施建设，推进算电协同，实现绿色低碳发展。
我国“东数西算”工程通过将东部大模型训练推理等算力需求引导至西部清洁能源富集区，实现算力负荷与绿电资源的时空匹配。例如，中国电信（国家）数字青海绿色大数据中心依托青藏高原清洁能源，实现数据中心100%绿电供给，为大模型训练推理提供零碳算力支撑，年实现减碳约30万吨，PUE 值控制在1.2以下，为大模型提供绿色算力底座。
（二）开源生态多元化与分工协作，助力减少计算资源和能源浪费
人工智能的环境影响主要来自模型训练、服务器运行、数据储存和硬件生产。我国大模型企业通过共享基础模型、促进模型复用、减少重复训练、推广轻量化技术和优化模型部署，减少计算资源与电力消耗，促进行业共同改进节能技术。我国开源生态具有高度专业化的分工协作特征，如GLM 5.2聚焦长上下文编码和工具调用场景，Kimi系列和Qwen系列覆盖从高端推理到低成本部署的全谱系需求，MiniMax M3深耕多模态处理等，形成覆盖主流场景、经过针对性优化的完整模型矩阵。模型规模与任务相匹配，能够减少不必要的计算和能源浪费。多元化的开源模型能够提供多种规模和功能的选择，使开发者根据实际需求使用更合适的模型。例如，简单的文字分类、信息提取或设备检测任务，可以选择体量较小的专用模型，而不必每次调用超大模型。面对这种专业化分工，试图以单一通用模型覆盖所有场景的闭源模型将逐渐失去优势。
（三）我国开源模型有利于节能技术的快速传播
为了让模型能够在普通计算机、手机或其他用户终端上运行，开发者会采用量化、剪枝、知识蒸馏等方法减小模型体积。相关代码和实验结果公开后，其他开发者可以继续改进，并将成熟方案应用于更多模型。因此，绿色计算不再只是少数大型企业内部掌握的技术，而能逐渐形成可共享的公共成果。我国大力推动大模型开源开放，有助于降低全球创新主体研发门槛，减少全球范围内算力资源无效消耗。开源模型作为共享的技术基础，后来者可直接基于开源模型通过少量数据进行微调，进行本土化适配和场景化应用。这种“共享基础模型、按需进行改进”的方式，能够降低研发成本，也符合资源循环利用的理念。我国开源模型下载量位居全球第一，为全球贡献很强的“绿色乘数效应”。
商务部研究院人工智能治理研究课题组
组 长：王雪坤
副组长：周中国
成 员：王惠敏、许荻迪、陈聪、洪勇
扫码下载
中文网微信