本文来自微信公众号： 复旦金融评论 ，作者：复旦金融评论
■主持人：魏尚进复旦大学国际金融学院学术访问教授、哥伦比亚大学终身讲席教授、亚洲开发银行前首席经济学家
■主讲人：谢丹夏清华大学社会科学学院博士生导师、人本健康经济发展研究中心主任
■对话嘉宾：刘楚福州外语外贸学院金融学院副教授
当技术领先的“诸葛亮”遇上开源社区协作的“臭皮匠”，企业靠什么赚钱，普通人的工作与生活又将怎样改变？
复旦金融公开课第122期围绕“开源模式对商业、经济与社会的影响”展开讨论，由《复旦金融评论》主编、哥伦比亚大学教授魏尚进主持，清华大学社会科学学院博士生导师谢丹夏主讲，福州外语外贸学院刘楚副教授参与对话。
在此前的主旨演讲中，谢丹夏把开源定位为一种“知识制度”：如同专利、版权、学术奖励等制度，它要解决的是怎样持续激励知识生产，以及怎样让更多人分享知识。他将“公开、共享、协作、普惠”概括为开源的四项原则，并介绍了技术支持订阅、双许可、开放核心、托管服务和硬件配套等商业模式。开放代码，并不意味着企业只能无偿投入。
企业为什么选择开源
魏尚进：刚才谈到开源的公共品属性。但它与阳光、国防等公共品有一点不同：同一个行业里，类似的商品和服务，企业可以自己选择开源还是闭源。比如大模型领域，既有DeepSeek这样的开放模式，也有Anthropic、OpenAI以闭源服务为主的模式。企业在什么情况下会选择开放，什么情况下会选择封闭？
即使都选择开放，DeepSeek和Meta的Llama也有不同的做法。多个开放模型之间会怎样相互作用？有没有一个社会最优的模型数量和生态？
刘楚：我们一直把开源放在企业和市场之间理解。科斯关于企业的讨论，是从市场交易成本出发的：有时把活动组织到企业内部，可以降低交易成本。
开源则是介于纯市场和纯企业内部之间的一种组织模式。它把企业的边界缩小一点，把市场的边界扩大一点。不同企业要找到自己的平衡点：是否开放，开放到什么程度，怎样获得成本和收益之间更合适的组合。
到了大模型时代，开放的维度增加了。过去主要讨论代码，现在还要讨论数据和权重，这几个维度可以组合着开放。只拿到权重，与拿到训练代码和训练数据，开放程度并不相同。
为什么有些AI企业愿意开放代码？有一种考虑是：“因为我料你没有我的数据。”你拿到代码可以训练自己的模型，但数据不同，未必能达到同样的效果。我暂时没有见到很多企业把训练数据完整放出来，科研项目中则有一些例子。
GPT-1、GPT-2曾公开代码和模型，GPT-3则主要通过API提供服务。微软投资以后，投资者会有利益诉求，这是我理解企业发布策略变化的一个商业因素。
DeepSeek选择了另一条开放路径，公开模型权重、技术论文以及部分代码。企业究竟靠什么形成优势、靠什么盈利，与自身禀赋有关。
有的企业通过支持开源扩大生态，再从其他环节收费。比如英伟达，很多模型部署在它的硬件上，它可以从硬件获得收入。我理解DeepSeek也可能有类似考虑：开放模型之外，用户未必愿意自己租硬件、部署和运维，企业可以提供服务并收费。
魏尚进：OpenAI的名字里有“Open”，早期比较开放，后来发布方式更封闭了，却也不好把名字改成“Close AI”。
这就引出一个问题：选择开源的企业，是不是算过一笔账，认为当前阶段开源比闭源更有商业价值？还是说，除了商业账，还要考虑安全等其他因素？
社区如何挑战领先者
谢丹夏：开不开源，对很多企业是一个战略选择。中国有句俗语：“三个臭皮匠，胜过一个诸葛亮。”
一种情况是，我的技术特别前沿，我就是“诸葛亮”，产品很好，可以直接向用户收很高的费用。另一种情况是，我通过开源，把更多“臭皮匠”吸引进来，大家一起把产品做上去。
这里除了公共品属性，还有规模效应。用的人越多，参与贡献的人可能越多，开源社区可以一起提升产品；用户带来的反馈和数据，也可能帮助产品改进。这样，一个一开始相对落后的产品，就有可能后来居上。
所以，开放有一个重要考虑：先吸引更多用户，构建更大的生态，再用规模效应与暂时领先的闭源企业竞争。这是一个动态过程。
还有一种收费方式，与双边或多边市场有关。阿里和Google都是全栈式AI企业，有硬件、云服务，也有大模型。像阿里的千问，可以通过开放吸引使用者，不一定直接从模型收费，也可以从云服务等其他环节获得收入。
魏尚进：多个产品、多个服务，不必每一项都收费，可以这边少收一些，那边多收一些。
刘楚：我再补一层。企业除了权衡内部的成本与收益，还要看进入市场的阶段和竞争环境。
有的企业希望尽快把生态做起来，借此取得较大的市场份额；有的企业是后来者，前面已经有规模很大的厂商。比如操作系统领域，微软积累了多年技术，如果后来者仍然封闭，前期发展可能很慢。
那我就选择开放，吸引更多人参与，利用网络效应加快发展。梅特卡夫定律所强调的，是参与者增加可能显著放大网络价值；这给后来者追赶的机会。
魏尚进：所以，开源有时是一种后来居上的战略，是挑战先来者市场优势的一种选项。
从0到1何时开放
魏尚进：一个很实际的问题：一个从零到一的开源创业团队，需要资金，是先把代码放出去、做社区，还是先找到付费客户，再做开源？有没有最佳时刻？
刘楚：这个问题不容易。我们也想过专门研究，但目前还没有通用的定量评估方法，可以先给几个定性建议。
第一，评估项目是不是生态型。是否需要大范围用户接受，再通过订阅费、服务费获得收入？如果用户基础越大，商业前景越好，就有尽早开放的理由；如果只要服务好几个大客户，考虑就不同。
第二，你有没有其他禀赋把钱收回来。像阿里云，有硬件和云服务支撑。开放吸引来用户以后，能否从其他环节获得收益？
第三，开放的风险有多高。不只是给企业带来的风险，也可能包括社会风险。
第四，能不能分层。比如基础模型开放，高阶服务、代码或模型保留，形成不同层次的产品。
第五，有没有能力长期运营社区。代码要不断迭代，还要审核贡献、决定哪些更新合入主干。这不是把代码放出去就不管了，而是一个长期维护的承诺，需要投入成本。
最后，还要看客户有没有能力使用。拿到代码后，客户可能需要自己修改、维护，甚至养一个工程师团队。开源产品能不能用好，也取决于客户自身能力。
开放如何惠及全球
魏尚进：开源模式对全球产业链、跨境资本流动、贸易和技术转移，有没有产生重构作用？
谢丹夏：这与知识溢出有关。开源可以理解为一种知识产品的溢出，尤其可能给发展中国家带来正面效果。
比如，一些非洲用户可能用不起昂贵的闭源服务，但可以使用DeepSeek等开放模型，探索本地部署。对本地产业和社会福利而言，这是普惠的机会。我在前面把它叫作“AI for Development”，也就是用AI支持发展。
不过，不同群体的利益可能不同。印度仿制药可以作为一个类比：一些药品能够以较低价格提供，对贫穷国家患者的福利有帮助，但也涉及患者可及性与原研企业收益之间的张力。
大模型这一波发展时间还不长，很多效果还需要慢慢探索和估计。
魏尚进：这与比尔·盖茨最近的一些讨论有相近之处：一方面，AI发展很快，有风险，需要关注治理责任，就像药物上市要接受安全性和可用性评估；另一方面，盖茨基金会也在推动AI更多地用于贫穷国家和社区，让当地人得到实际好处。
接下来，请两位展望未来十年：AI会怎样改变普通人的生活，开放模式会扮演什么角色？
刘楚：大家常说中美AI相互竞争，但我也认同“互激互促”这个角度。
很多中国模型选择开放，降低了使用门槛。可以借淘宝早期的平台发展作一个类比：先让更多人参与，形成生意与交易后，再有获得收益的机会。
在模型市场里，用户先用开放模型，如果觉得不够满足需求，也可能转向更强的闭源模型并付费。另一方面，模型开发者又可以通过学习先进方法、蒸馏等途径提升能力。我的理解是，这可能形成一种螺旋互促，推动中美乃至全球的大模型共同发展。
我观察到，模型的整体能力在提升，这也是我理解这种互促作用的一个角度。
魏尚进：也就是说，全球AI模型是一个生态体系，除了竞争，还要看到相互促进的作用。
技术进步如何变成生活改善
谢丹夏：我在清华大学教法律经济学，经常从为什么要反垄断讲起。借用熊彼特的创新视角，研发需要回报，专利、版权等知识产权可以通过一定的排他权提供激励。但保护到什么程度最合适，是需要考虑的。
激励也不只有知识产权一种方式。比如诺贝尔奖，是用奖励和声誉提供激励。像CRISPR、DNA双螺旋结构这样的科学成果，其社会价值显然远远超过一笔奖金。
人类一直在发明各种知识制度，最终要在两件事之间找到平衡：既让更多人享受知识产品，又给创作者激励，或者给利，或者给名。开源在某种程度上，就是名和利的混合体。
我总体比较乐观。我现在也在研究AI对人口的影响。中国和一些发达经济体面临人口减少的问题，AI会不会带来一种调整的可能？
如果AI真的大幅提高工作效率，我们能不能通过制度和立法，把一周工作五六天减少到三天？人们有更多时间过家庭生活，说不定有助于缓解人口减少的趋势。这是我正在思考的一种可能性。
我相信，人类有能力把技术进步用于改善自己的福利。
从经济周期到投资机会
魏尚进：很多观众关心投资。DeepSeek的出现引发过AI相关股票的波动，也让投资者重新思考AI投入。开源和AI的发展，对投资有什么启示？经济周期、金融周期的特征会不会因此改变？
谢丹夏：有一种说法是，AI发展可能带来通缩压力，改变经济周期的某些特点。但这一轮以ChatGPT为代表的大模型发展时间还不长，宏观影响需要积累更多数据、观察更长时间。
我经常用凯恩斯和贝克尔的两种思路来讨论：凯恩斯认为技术进步会增加休闲时间；另一种思路则强调，生产率提高、工资上升，也提高了休闲一小时的机会成本，所以休闲未必增加。
凯恩斯在上世纪就设想过，人们未来会有更多休闲，但这一设想并没有完全实现。
魏尚进：很多公司里，老板并不比员工闲，员工加班，老板也加班。
谢丹夏：对，像我们说的“996”。两种思路都有道理。我的个人判断是，到了AI时代，凯恩斯所设想的效果可能更强，因为AI带来的替代作用可能非常大。
魏尚进：AI究竟会让人没有事情可做，还是消灭一些任务、同时创造新机会，确实仍有很多讨论。刘教授怎么看投资方向？
刘楚：我曾在金融行业工作过。AI和开源已经带来变化，大家不妨跳出单个企业受冲击、利润怎么变的视角，从生态和价值链上看问题。
哪个环节最有价值？谁最懂客户、谁最懂付费方，这一方最有价值。基础模型离具体客户需求还有距离，所以我会关注应用层：哪些应用最理解客户需求，哪些环节更有机会获得价值链上的收益。
再跳出来一层，如果未来工作减少、空闲增加，人们可能更关心生命科技：怎样延长生命、让生活更健康。这可能是值得关注的新方向。
接受趋势，看到变化，寻找新方向，比一直在原来的方向上死磕更有意义。
就业变化与分配如何应对
魏尚进：最后一个问题，观众很关心就业和社会公平。AI与开源会怎样影响低、中、高技能劳动者的就业和收入？它会促进公平，还是加剧不平等？是不是需要其他政策工具调节？
谢丹夏：顶尖人才同样会受冲击。比如，陶哲轩等数学家近期对AI介入数学研究的方式提出了倡议和批评，这说明数学界也在面对新的问题。
我关注的一个现象是，一些中等技能白领面临较大的冲击，比如数据录入、办公室事务、初级律师承担的部分工作，都可能受到智能体的影响。
对低技能者和新手，影响可能有两个方向：一方面，一些任务可能被替代；另一方面，大模型也可能提供帮助、降低学习门槛。我举过自己与陶哲轩数学能力差距的例子，就是想讨论这种工具带来的可能性。
谢丹夏：对新手的“干中学”机会，我们需要认真考虑。不能让年轻人一开始就输在起跑线上，否则会失去一些本来能够成长起来的人。
刘楚：这个趋势需要面对。大模型迭代很快，已经可以承担一些过去由分析师等人员完成的基础工作。
对中高级技能人员，要更多掌握AI技能。过去是一个人工作，现在一个人可以组织多个Agent，也就是智能体。我看到一些程序员开八九个窗口，给多个Agent分配工作，检查结果，再进入下一步，效率得到很大提升。
对一些蓝领劳动者，目前更多是工具帮助提高效率，暂时还没有被整体替代。但人形机器人迭代也很快，三年、五年后能做多少基础工作，现在还很难说。
接受变化以后，一方面，人们可能有更多时间照顾家庭、发展爱好、关注健康；另一方面，我也呼吁政府从制度上跟进，让大家在新环境下找到自己的位置。
也许未来，人们不必只是为了生存而工作，而可以通过制度安排，更好地按照自己希望的方式生活。
魏尚进：我小结一下：AI的发展，不管是开源还是闭源，都会影响不同技能劳动者；对最终收入和财富分配的影响，还不能简单下结论。如果出现不利变化，社会可以运用其他工具调节。
□本文根据复旦金融公开课第122期内容对谈整理，有删节。仅代表作者个人观点，供读者参考，不作为投资、会计、法律或税务等领域的建议。