中美AI战争的主角正在发生变化，Meta和NVIDIA通过“开放权重”追赶中国势力的原因

提到生成AI的竞争，许多人会想到OpenAI、Anthropic、Google等美国公司。

然而，仅仅了解这些公司是不够的，尤其是理解2026年的AI市场。

目前迅速增加存在感的是“开放权重AI”。

Meta在8月10日发布了规模为30B的AI模型“Muse Glimmer”。紧接着，NVIDIA也在8月11日宣布了“Nemotron 3.5 Lightning”。

这些模型不仅仅作为云端API提供AI服务，而是强调开发者和企业可以获取模型，在自己的计算机或服务器上运行，并根据用途进行定制。

这两家公司几乎同时采取行动的背景，意义不仅仅是产品竞争。

因为在开放权重AI这一领域，中国企业已经拥有显著的存在感。

DeepSeek、阿里巴巴的Qwen、Moonshot AI等中国AI模型，不仅在性能上出色，还凭借可以下载模型并在自有环境中使用的特性，深入全球开发者社区。

AI竞争不再是简单的“谁能创造出性能最好的聊天AI”。

而是开始转变为“谁能提供全球开发者作为基础使用的模型”，围绕AI生态系统本身的竞争。

从“使用AI”到“拥有AI”

“开放权重”这个词对一般人来说可能还不太容易理解。

像ChatGPT或Claude这样的服务中，用户基本上是通过访问运营公司的服务器，通过API或Web服务来使用AI。

并不是将AI模型本身持有在手中。

而在开放权重模型中，可以下载通过AI学习形成的大量参数，即所谓的“权重”。

因此，只要有足够的计算能力的PC或服务器，就可以在不每次向外部AI服务发送数据的情况下，在公司内部运行AI。

这种差异非常大。

特别是对于企业来说，不仅仅是费用的问题。

公司内部文件、客户信息、研发数据、源代码、财务信息等，很多数据在发送到外部服务时必须谨慎。

如果能在公司内部环境中运行模型，就有可能在不将这些信息外泄的情况下进行AI处理。

此外，也更容易进行符合公司业务的额外学习和调优。

也就是说，开放权重AI的理念是“不是租用AI”，而是“将AI作为公司的IT基础设施拥有”。

Meta再次回归开放路线的原因

对于Meta来说，开放的AI战略并不是第一次。

该公司通过Llama系列，一度成为开放模型市场的代表企业之一。

以Llama为基础，全球开发者开发了衍生模型和工具，Meta即使不独占AI API市场，也能对整个AI生态系统产生强大的影响力。

然而，之后Meta修正了AI战略，在Muse系列中也加强了封闭模型的提供。

因此，对于此次回归开放权重的举动，也存在“是否会再次改变方针”的警惕。

此次发布的Muse Glimmer规模约为300亿参数，设计时考虑了在本地环境中持续运行的AI代理。

根据Meta的说法，预计可以在Mac和普通PC、单个消费者级GPU上使用，主要用途包括本地编码支持、工具调用和AI代理等。

更重要的是，Meta也表示计划为更高性能的“Muse Spark 1.2”提供开放权重版本。

如果当前最先进的模型实际公开，美国制造的开放权重AI的定位可能会迅速改变。

Box的CEO Aaron Levie也对此举表示高度评价。

他关注的并不仅仅是增加了一个新的AI模型。

而是美国企业明确表示“将继续提供接近最先进性能的开放模型”这一意图本身。

NVIDIA瞄准的是“AI代理时代”

从不同于Meta的角度进攻开放AI的是NVIDIA。

该公司发布的Nemotron 3.5 Lightning也约为300亿参数规模，但并不是同时使用所有参数的结构。

采用了称为Mixture-of-Experts的机制，实际一次处理中运行的参数约为30亿。

通过这种方式，旨在维持大规模模型的能力同时降低计算成本。

NVIDIA强调的用途是“持续运行的AI代理”。

AI代理普及后，与传统的一次性回答的聊天AI不同，AI将被调用数十次、数百次。

例如，

“调查竞争对手”
“收集资料”
“分析数据”
“撰写报告”
“撰写邮件”
“输入系统”

如果将这些工作交给AI，单个业务的背后将发生大量的推理处理。

每次使用最高性能且昂贵的巨大模型，成本将迅速膨胀。

因此，NVIDIA构想将高级判断交给大型模型，而将工具执行和确认作业等大量发生的处理分配给像Nemotron 3.5 Lightning这样的轻量模型。

这表明未来的AI市场可能不会集中于“一个巨大的AI”，而是朝着使用多个AI的方向发展。

为什么中国在开放权重方面表现强劲

在这里不可忽视的是中国的存在。

DeepSeek对世界的冲击不仅仅是中国企业开发了高性能AI。

通过以相对低成本开发的高性能模型广泛可用，动摇了“最先进的AI仅由美国的大型企业制造，并作为云API提供”的前提。

之后，阿里巴巴的Qwen和Moonshot AI等也在全球开放模型市场上拥有强大的影响力。

特别是在使用本地LLM的开发者世界中，比起模型的国籍，更重视“性能”、“所需内存”、“推理速度”、“许可证”、“量化的容易性”。

如果性能良好，可以在手头的GPU上运行，并且可以自由修改，即使是中国制造的模型也会被使用。

这种非常务实的开发者文化推动了中国模型的全球普及。

对于美国企业来说，问题就在这里。

一旦某个模型成为开发者的标准基础，周围就会积累工具、库、学习数据、知识、衍生模型。

这类似于操作系统。

仅凭性能比较暂时获胜难以推翻，因为会形成一个“生态系统”。

Meta和NVIDIA此次的举动中也可以看出战略意义，即在中国在这一领域建立决定性优势之前，再次增加美国制造模型的选择。

社交媒体上欢迎与疑虑交织

开发者社区对这次发布的反应，并非一片欢迎之声。

在X上，Aaron Levie将Muse Spark 1.2的开放权重化视为一件大事，此外，来自Hugging Face相关人士等支持开放AI的人们也对Meta的方向转变表示欢迎。

在AI开发者中，特别是对“美国企业再次推出有力的开放权重模型”这一点寄予厚望。

在Hacker News上，也有“像Llama 3时代的期待感回来了”这样的声音，以及在Mac上试用Muse Glimmer，对其聊天性能和文本生成给予好评的帖子。

另一方面，也不乏谨慎的意见。

最常见的论点之一是对Meta的信任。

尽管Meta曾通过Llama大力推进开放AI，但之后部分模型却转向封闭化。

因此，在Hacker News上，也有人质疑“为什么曾经停止开放模型”和“这次的方针会持续多久”。

此外，还有人指出“虽然公开了小型模型，但是否真的会公开具有竞争力的最先进模型”。

Muse Spark 1.2的公开因此备受关注。

是否如承诺般将高性能模型开放权重化，还是仅限于公开部分模型的战略。

Meta的开放战略的认真程度，可能将在下一次发布中得到判断。

本地AI用户已经开始性能验证

在Reddit的本地LLM社区“LocalLLaMA”中，从发布后不久就开始有尝试运行Muse Glimmer和Nemotron 3.5 Lightning的帖子。

关于Muse Glimmer，有用户尝试用于本地编码用途，同时也开始出现“有过度思考的倾向”、“限制是否过强”等通过实际使用得出的严厉评价。

关于Nemotron 3.5 Lightning，也在讨论在16GB或24GB级别的VRAM环境中能否实用运行，以及量化版本的可用程度。

有趣的是，Qwen被频繁提及作为比较对象。

对于美国企业来说，中国AI不再是“未来可能赶上的竞争对手”。

而是开发者在试用新的美国模型的瞬间就进行比较的现实基准。

这象征着当前AI竞争的格局。

“开放所以安全”或“开放所以危险”都不成立

关于开放权重AI，还有另一个大的争论。

安全保障和安全性。

如果任何人都能获取模型，可以促进研究和企业利用，但也可能被恶意人士利用。

有人担心被用于网络攻击、诈骗、虚假信息生成等，认为需要对强力AI模型的公开进行一定限制。

反对者则认为，“由少数大型企业管理AI模型更危险”。

能够研究模型内部，独立验证安全性，并在不依赖外部服务的情况下使用，可能成为安全上的优势。

重要的是，不仅仅通过开放或封闭这两个选项来判断安全性。

需要考虑公开信息的范围、模型的能力、使用许可证、安全性评估、导入组织的管理体制等。

对日本企业来说最大的意义是“数据放在哪里”

那么，这场美中开放AI竞争将如何影响日本呢？

首先是企业引入生成AI的成本。

目前，许多企业使用海外企业提供的AI服务或API。

虽然引入简单且高性能是一个大优点，但如果大量使用AI，API费用也会增加。

特别是AI代理进入日常业务中，一个工作调用模型数十次时，推理成本的管理将成为企业IT的重要课题。

如果可以在本地运行的高性能模型增加，

高级判断可以使用云端的最先进AI，

大量的常规处理可以使用公司服务器的开放模型，

处理机密信息可以使用完全的本地AI，

这样的使用分配将成为可能。

其次是数据主权。

在金融、医疗、制造、研发、行政等领域，在哪里处理机密数据极为重要。

能够将模型放置在公司环境中，对日本企业来说是一个重要的选择。

不仅仅是“美国制造还是中国制造”。

重要的是，“数据被发送到谁的服务器，谁管理模型，即使服务停止也能否继续公司业务”这个问题。

日本能否成为“AI制造国”而不仅仅是“AI使用国”

日本政府也将AI应用作为重要政策。

在2026年7月内阁决定的第二期人工智能基本计划中，不仅包括AI的研发，还包括产业和行政的实施、AI代理、机器人技术、治理等重要主题。

IPA公布的“DX动向2026”也显示，日本企业中AI的引入正在迅速扩大。

另一方面，日本要在与美中巨大AI企业同等规模的基础模型开发竞争中继续下去，需要巨大的资本和计算资源。

因此，开放