在沈阳举行的2025 全球工业互联网大会展览区展示的机器人

  《环球》杂志：开源模型对企业来说，机遇和挑战具体如何？面对挑战怎么办？

　　周鸿祎：开源是解决AI安全问题的重要手段，开源大模型给企业带来显著机遇：可以帮助各类企业实现AI私有化、专有化部署，管得住算力、模型、数据与安全，留得下知识、技能、协作经验，让更多组织能够享用AI技术红利。但同时伴随风险挑战：当技术变得普惠，更多主体掌握AI、智能体能力，网络攻击门槛被大幅降低，攻击走向去专业化、泛化；企业必须在开源基础上主动引入安全治理能力，不能忽略安全风险。专业安全保障的缺席，会给企业埋下巨大隐患。

　　段永朝：机遇方面，开源可降低试验门槛，企业可进行私有化部署、定制微调、更换供应商，减少对单一平台的依赖。同时，降低软件成本。有专家估算，若无开源，企业的软件支出约为现在的3.5倍。挑战方面，门槛降低了，竞争者也更容易进入。企业以前靠功能和信息差建立的优势，会很快被抹平。但“无许可费”不等于“无成本”，部署、运维、评测、安全、合规与人才成本依然存在。

　　大模型这几年流行的“开放权重（模型中每个神经元连接的参数）”，也并不等于“开源”。许可限制、数据与训练流程不透明，可能带来合规与依赖风险。国际标准化组织（ISO）提出的开放式系统互连（OSI）定义要求提供“数据信息”，许多只开放权重的模型并不满足该条件。此外，AI合规成本正在快速上升。

　　对有准备的企业，开放生态扩展了自主性。对只想模仿和跟随的企业，它加速了同质化。开放生态把入场券变便宜了，但没有把成功变容易。面对机遇与挑战，企业需做好自查：有没有真正需要解决的业务问题、有没有数据与流程基础、能否对模型的有效性进行评估、能否承担运行与合规责任、如何避免被平台锁定，等等。

　　王菁英：机遇大于挑战。首先是成本优势显著，DeepSeek等开源模型推理成本仅为国际同类产品的约10%，可帮助企业降低AI使用成本；二是自主可控性强，可在本地部署，满足金融、医疗等敏感行业的数据安全合规要求；三是可定制化程度高，支持企业基于私有数据微调，适配垂直场景需求，提升业务匹配度；最后是生态资源丰富，开源社区提供了大量工具、数据集与案例，可降低企业AI开发门槛。

　　挑战方面，一是隐性成本高，需要企业自行搭建推理基础设施、组建AI工程团队，长期投入可能高于商业API模式（把功能、数据或服务做成接口卖给别人用）；二是合规风险大，开源许可条款复杂，若未遵守许可要求可能面临法律风险；三是技术门槛高，对企业的AI工程能力及相关人员专业能力要求较高，中小团队可能难以完成部署与调优。

　　整体来看，开源模型对具备AI工程能力的企业而言机会更多，对技术能力薄弱的企业而言可能挑战更大。

　　陈录城：整体来看机遇大于挑战，但产业企业不能把大模型直接拿来就用，必须做好垂域改造与风险管控。

　　机遇层面，开源降低了大模型底座的技术门槛，企业不必从零开始训练基础大模型，可以把资源更多投向行业知识、业务场景，加速垂域AI创新。对于卡奥斯而言，开源底座可以帮助我们聚焦工业本体、工艺机理、智能体集群这些工业核心环节，缩短技术迭代周期，也为中小企业轻量化接入工业AI创造条件，推动智能平权，让更多企业可以调用工业智能能力，而不是自建整套大模型体系。

　　挑战层面，一是通用开源模型缺少工业知识，直接部署到工厂会出现“懂文本、不懂工艺”，难以解决真实生产问题；二是存在数据安全与合规风险，工业企业包含大量工况、经营敏感数据，直接调用开源模型存在数据泄露风险；三是容易陷入“为AI而AI”的误区，拿到开源模型就做技术展示，忽略业务价值，形成大量伪需求项目。

　　卡奥斯的应对思路是：底座可以借鉴开源，但行业知识、工业世界模型、智能体集群、数据安全体系必须自主可控。区分三类数据边界：行业共性机理知识可开放共享，工况数据有条件开放，企业订单、成本、客户等经营数据绝不开放，守住数据主权、可逆可控、安全底线三大原则，用好开源工具，不把核心产业能力完全依附开源体系。

　　薄满辉：开源模型大幅度推动了AI技术在全社会的渗透和普及，很多产业都面临被AI重构的局面，对于企业来说，关键在于能否准确判断新一轮技术浪潮下产业的发展趋势，并找到定位，前瞻布局，顺势而为。挑战多一点还是机遇多一点，取决于企业本身。但总体来说，在人工智能快速渗透普及、社会生产力大幅提升的背景下，会涌现出超越以往的时代机遇。

　　郝彬彬：整体是机会远大于挑战。对通通达而言，开源模型帮我们省去了从零搭建基础大模型的成本，可以把核心研发资源聚焦具身侧的场景微调、车控算法耦合、多机集群调度这些更垂直、更硬核的领域，加速了产品迭代。挑战在于行业会快速进入“基础模型同质化”阶段，大家都站在同一起跑线上，最终比拼谁能更快把AI转化为可量产、可盈利的实体产品。谁先跑通商业闭环，谁就能吃掉开源红利。

　　宋亚宸：对VAST来说，机遇远大于挑战。我们是AI 3D领域最积极的开源参与者之一。TripoSR在GitHub上的影响力直接推动了Tripo品牌在全球开发者社区的认知；TripoSG和TripoSF发布后，大量开发者在此基础上进行了二次开发和应用，反过来丰富了整个3D生成生态，也为我们的商业产品带来更多潜在用户。我们的绝大多数用户在海外，开源功不可没。

　　当然，开源也意味着竞争者可以站在你的肩膀上。但我们的判断是：3D生成是一个底层能力极深、数据壁垒极高的赛道。一个开源的模型权重只是冰山一角，水面下是海量的高质量3D空间资产、持续演进的训练范式，以及对“什么是好的3D”这件事的深刻理解。这些不是拿到一份代码就能复制的。

　　更关键的是，开源帮助我们定义了行业标准。全世界的开发者在用Tripo做基础实验，在用我们提出的3D表征来思考问题，VAST实际上在为整个赛道设定技术语言和评价框架。这对一家技术驱动型企业来说，是比短期商业收益更重要的长期资产。

　　范振发：机遇大于挑战。对我们这个行业来说，开源降低门槛，企业可聚焦建筑场景做二次调优。但通用模型缺少建筑物理约束，易误判，许可证和工程责任也不确定。应对思路是：以开源为基座，叠加实测数据库和工程校验规则，守住安全、能耗、健康底线。例如，我们近期自研落地的“绿建智库”应用，就是将大模型的泛化能力与我们20多年的项目数据深度融合。如今，它已能实现项目前期的方案自动构建与报价。这表明，通用模型只是引擎，只有注入企业的“行业智库”，AI才能守住安全、能耗、健康的底线，转化为真正的生产力。