open-source（开源）指源代码和模型权重公开可自由使用、修改和分发的技术实践方式，在 AI 领域特指开放权重的大语言模型及其训练、推理工具链。目前开源生态已从单纯的代码共享演进为涵盖开源模型、训练框架和社区治理的完整体系，成为与闭源商业路线并行的重要技术路线。
开源生态的近期进展
当前焦点与观察点
围绕开源 AI 的核心争议集中在安全与开放的平衡上。Nathan Lambert 公开表达了"开源模型对网络防御利大于弊"的立场，认为开放权重带来的防御能力提升超过潜在滥用风险，这一观点代表了当前关于是否应限制开源模型发布的政策辩论中支持开放的一方。
另一个值得关注的趋势是开源硬件与软件栈的协同。NVIDIA 发布了面向智能体工作负载的端到端硬件栈，而 PyTorchCon 2026 上来自 Crusoe、AMD 等厂商的参与表明，开源框架正在成为连接不同云平台和芯片方案的事实标准。从 Trainium 上的强化学习到 MoE 模型推理，13 场演示覆盖了开源技术栈的主要应用场景。
后续观察点包括：TorchTPU 等多硬件支持的落地效果、DeepSeek 系列开放权重模型的社区采用情况，以及围绕开源模型安全性的监管讨论是否会影响权重发布惯例。