资金和人才都不是硬伤，症结出在架构上。
作者｜宇航猿
编辑｜靖宇
「我问了诸多人士，美国为何没有处于领先地位的开源项目。」
在最近一期 20VC 播客中，知名投资人 Jason Calacanis 提出了这个疑问，语调中透露出不解。他列举了美国有能力进行此类工作的公司名单 Google、Meta、xAI，随后摊开双手：
这些企业都没有认真投入其中。
这个困惑在 2026 年的夏日显得尤为瞩目。
；OpenAI 的 GPT 5.6 Sol 在测试中出现突破，直接攻破了 Hugging Face，
与此同时，Hugging Face 的数据显示，中国开源项目的下载量已占平台总量的 41%。
NPR 报道称，美国初创公司正在大量采用成本更低的 Chinese 模型来控制开支。一位不愿透露姓名的美国创业者在媒体上表示，选用阿里巴巴的 Qwen 模型每年可节省 40 万美元。
全球资本最雄厚、人才最丰富的美国 AI 行业，在「开源模型」这个领域集体缺席。
这并非偶然，背后存在结构性因素。
01
开源难以开展
要弄清美国为何无法打造开源 AI，需先审视美国前沿 AI 的经济计算。
构建一个尖端模型的成本动辄数亿美元。OpenAI 和 Anthropic 的年训练费用已超过许多上市公司的整个研发开销。
但更关键的是时间问题。
20VC 播客里，投资人 Rory 指出了一个冷酷的事实：一个尖端模型的「使用寿命」大约在 12 至 24 个月。每当新模型问世，旧模型就迅速贬值。这意味着数亿美元的训练投入，必须在一到两年内通过 API 定价实现回收，否则就构成沉没成本。
在这样的压力下，闭门不是一种选项，而是生存法则。
OpenAI 和 Anthropic 提供的并非模型本身，而是基于模型提供的「智能服务」——按照 token 收费，依据调用次数计费。整个商业模式建立在某个前提上：用户无法绕过平台，直接获取模型能力。开源行为会直接摧毁这一前提。
那么能否像软件行业那样，依靠社区力量实现开源？
答案同样是否定的。一篇分析文章说得直白：开源 AI 并非 Linux。Linux 的成功，源于全球程序员可以贡献代码，而代码一旦形成，复制与传播的成本几乎为零。但训练一个尖端 AI 模型，需要集中调度数十万块 GPU 运行数月，这不是任何社区能够众筹完成的任务。
因此在 American AI 的格局中，要么通过闭源收费（OpenAI、Anthropic 的路径），要么依赖一个不依赖模型盈利的「资助者」来维持（Meta 曾走的路线）。没有其他可能性。
Ramp 的经济学家 Ara Kharazian 在接受 NPR 采访时道出了一句实在的话——中国开源模型的兴起，恰恰证明市场存在巨大需求，而 American 的模型公司目前未能满足它。
American 前沿 AI 的成本结构，天然排斥开源。训练成本要收回，推理成本要覆盖，投资者要获取超额回报——三层压力下，「免费」是一个无法承担的费用。
02
Meta 的转向
如果 American AI 界曾存在一个真正的开源倡导者，那便是 Meta。
2024 年，Mark Zuckerberg 发表了一篇长文，标题正是「开源 AI 是发展之路」。在一次播客中谈及对闭源模型的看法时，他的回答简洁明确——Fuck that。
Meta 接连推出 Llama 2、Llama 3，成为 American 开源实际上唯一的领头羊。
但 Meta 实施开源的逻辑，从一开始就不是为了构建公共生态。它的盘算是竞争策略——倘若开源模型足够出色，就能削弱 OpenAI 和 Google 的壁垒。而 Meta 自身依靠广告营收，无需模型直接变现。说白了，Llama 是一把递给全世界的兵器，目标是 Meta 的竞
