Yann LeCun 这次在联合国 Open Source Week 上说得很重：对多数国家和企业来说，开源 AI 是通向 AI 主权的少数可行路径。

刺耳的地方不在“开源好”。这话从 Meta 首席 AI 科学家嘴里说出来，本身就有反差。LeCun 很清楚前沿模型有多贵，也清楚闭源系统的护城河在哪里。他真正点破的是另一件事：如果 AI 入口被少数巨头控制，多数国家会从互联网用户变成 AI 基础设施租户。

LeCun到底说了什么

这场演讲的主轴很清楚：开源 AI 关系到全球 AI 主权、文化和语言多样性，也关系到民主与人权。

按 LeCun 的说法，闭源模型目前集中在少数美国西海岸和中国大科技公司手里。模型如果成为信息中介，偏见就不会只是技术缺陷，而会变成默认过滤器。

关键点LeCun 的表述受影响对象
开源 AI关乎 AI 主权、语言文化多样性、民主与人权全球南方、中小国家、公共部门
闭源模型成本高，控制权集中，信息中介难免带有偏见缺乏自建前沿模型能力的企业和政府
Project Tapestry各方保留数据主权，通过交换参数向量协作训练全球模型大学、政府、企业、开源社区
时间表项目仍早期，目标是在 2027 年早期进入生产化不能当成已验证路线

Project Tapestry 的想法不复杂：各国、地区和机构可以数字化自己的文化材料，参与训练一个全球模型，但不交出原始数据。协作方式是交换参数向量，而不是把数据集中上传。

这很像 AI 版联邦制。数据不离境，模型一起长大。

据 LeCun 介绍，已有欧洲国家、瑞士、英国、阿联酋、印度、哈萨克斯坦、越南、日本、韩国，以及 IBM、NVIDIA、AMD、Intel 等产业方表现出兴趣。

话也要放稳。这不是行业共识，也不是成功案例。它是一场强立场演讲，加一个早期项目。Tapestry 还要证明三件事：训练能不能稳定协同，数据质量能不能对齐，参与方有没有长期投入算力和工程能力的意愿。

闭源AI最硬的问题是账单和控制权

LeCun 举了一个很扎眼的账。他称 OpenAI 的专业订阅大约是每月 200 美元，但重度用户的服务成本可能达到每月约 1.5 万美元。

这个数字不是 OpenAI 官方财报数据，只能按 LeCun 的说法理解。但它指向的问题很现实：今天相当一部分 AI 使用成本，是投资人在补贴。

路线短期好处长期风险
闭源 API上手快，能力强，企业不用自建底层价格调整、供应商锁定、规则不可控
开源模型可本地化，可审计，可按场景降成本治理更难，工程门槛不低，安全责任外溢
联邦式开源训练保留数据主权，争取多语言和多文化覆盖协作复杂，外部验证不足，生产化未完成

补贴不会永远烧下去。要么价格上去，要么推理成本大幅下降，多半两件事会同时发生。

对美国大公司，这可能只是毛利率问题。对全球南方国家、中小政府、教育、医疗和地方公共服务，就是能不能用得起的问题。

农业顾问、基层医疗、地方语言教育，并不总需要最强模型。它们更需要便宜、可本地部署、能理解本地语言的小模型。

我更在意控制权。

如果 AI 成为人和数字世界之间的默认入口，谁控制模型，谁就控制过滤器。语言怎么翻译，历史怎么解释，哪些内容被拒答，哪些价值被默认，都会藏在系统里。

LeCun 说“没有无偏见的 AI 系统”。这句话比很多安全口号更诚实。

闭源厂商当然会按商业激励优化模型。问题不在它们逐利。问题在全世界是否只能接受少数公司的逐利方式。

对两类读者，这件事已经可以落到动作上。

关注 AI 基础设施和开源生态的技术团队，不该只盯模型榜单。更该评估三件事：开源模型能否替代部分闭源调用，推理成本能否压下来，本地数据管线是否能支撑持续微调。

关心数字主权和成本的企业、政府采购方，也不该把核心系统一次性绑死在单一闭源 API 上。更现实的做法是分层采购：高难任务用强闭源模型，常规任务试点开源或本地模型，合同里保留迁移条款和数据退出机制。

这不是姿态问题，是议价能力问题。

开源不是免死金牌，Tapestry也还没过关

LeCun 对安全叙事很不客气。他把限制开源 AI 类比为 15 世纪限制印刷术：因为怕坏信息传播，所以干脆控制印刷机。

这个比喻有力量，也有煽动性。

历史上，互联网商业化早期也有大量专有硬件、专有系统、专有软件栈。后来商品化硬件加开源软件，把成本打下来，也把创新入口打开。Linux、Apache、MySQL、Kubernetes 这条路，确实证明过开放基础设施的威力。

AI 可能重演一部分迁移。

但只像一部分。

模型不是网页服务器。开源会降低创新门槛，也会降低滥用门槛。网络攻击、自动化诈骗、舆论操纵、危险知识扩散，这些风险不能被一句“印刷术”带过去。

LeCun 认为生物武器风险被夸大，因为配方不是瓶颈，制造才是瓶颈。他也认为网络攻防能力可以互相抵消。这些判断有逻辑，但还不是定论。

所以，开源 AI 真正的考验不是口号，而是治理能力。

模型权重怎么发布？能力边界怎么评估？公共部门怎么采购？本地语言数据怎么合法使用？社区如何响应漏洞和滥用？这些问题不解决，开源会从解放入口变成责任真空。

接下来最该看四个变量。

  • Tapestry 到 2027 年早期能否拿出可生产化系统，而不只是概念演示。
  • 参与方是否真的投入高质量本地数据、算力和工程团队。
  • 模型评测能否覆盖多语言、多文化和安全边界，而不是只跑通英文能力榜。
  • 公共部门采购是否开始要求可迁移、可审计、可本地部署，而不是继续被单一 API 锁住。

闭源把权力关进少数公司。开源把责任摊给更多人。前者危险在垄断，后者危险在失控。

LeCun 这次讲对了重要的一半：多数国家如果只等少数巨头降价、开放、尊重本地文化，基本是在等恩赐。

AI 主权不会从订阅按钮里长出来。真正的分水岭，不是哪个模型参数更大，而是谁有能力参与建造下一代 AI 基础设施。