10月28日，开放源代码倡议组织（OpenSourceInitiative，以下简称OSI）宣布发布业界首个开源AI定义（OSAID）。按照OSI的工作计划，OSI还将领导开源社区对市场上的AI系统进行评估，以确定这些AI系统是否可以被视为“开源AI”。

然而，如果按照OSI的定义来看，市面上的绝大多数号称开源的AI模型，都无法继续被称为“开源AI”。首当其冲的，当属Meta的Llama。

生成式人工智能全球爆火以来，Llama被广泛宣传为最大的开源AI模型。

（扎克伯格曾经自豪地表示：开源推动创新，因为它使更多的开发人员能够使用新技术进行创造）

众所周知，Llama可以公开下载，并部署到本地进行使用（国内习惯称为“本地化部署”）。但Llama对商业用途有限制：

（笔者“本地化部署”的Llama大模型）

那么，OSI的开源定义是什么样的呢？

OSI认为，开源AI系统应该具备以下特征：

同时，任何人都可以对机器学习系统的“数据信息”“代码”“参数”进行修改。（更多开源AI定义，请关注公众号并回复“OSAID”获取中英文比对稿）

照这个标准看，Meta的Llama显然无法符合开源AI的定义。Meta的发言人FaithEischen公开回应：

“（我们Meta公司）在很多事情上，都认可我们的合作伙伴OSI的意见，但Meta不同意这个（OSAID）定义，不存在唯一的开源AI定义，因为以前的开源定义并未涵盖当今快速发展的AI模型的复杂性。”

02OSI的开源AI定义，对大模型企业来说为什么难以接受

按照OSI开源AI的定义，开源几乎意味着完全开放所有的数据、代码和参数，也就是开源AI系统在同行面前将毫无保留。

除了商业上难以变现、竞争对手容易赶超等商业上都考虑之外，还需要考虑开放数据后，可能面临的版权问题。

目前，AI公司从社交媒体和网站上抓取大量图像、音频、视频等素材来训练他们的模型，是行业的现状。

也正因如此，几乎所有国外的明星大模型企业（包括Meta、OpenAI、Perplexity、Anthropic等），都正在面临版权人的诉讼。

要知道，这些版权人大多无法拿到大模型企业的训练数据。从既往的法律文件上来看，版权人多从模型生成结果进行倒推，论证大模型企业必然以版权人的版权作品，进行了模型训练。

（环球音乐诉Claude案中，Claude的生成和版权作品的比对）

可见，在版权人无法直接掌握AI的训练数据的情况下，大模型公司就已经官司缠身。

如果在各国版权法还没有在训练数据的合法边界进行适当放宽、未形成充分的合理使用共识的当下，就要求大模型公司为了符合“开源AI”的定义，冒险公开训练数据，那么大模型公司将很可能因此承受更大的版权诉讼风险。这对于大模型公司来说恐怕是不可接受的。

03 一个特例

今年7月份，苹果公司在开源上，做了一次非常符合OSI开源AI定义的尝试。

苹果推出了一款名为DCLM的大模型，一次性把“data”“weightmodels”和“trainingcode”全部开源。

苹果使用的开源协议是自家的AppleSampleCodeLicense，虽然这份开源协议与OSI的开源AI定义存在部分不完全一致的规定，但整体已经非常接近。

（苹果在huggingface上开源的DCLM模型）

具有广泛影响力的苹果公司，已经以实际行动呼应了OSAID。可以预见的是，人们围绕开源AI的定义，一定还会继续争论不休；也还一定会有其他具有公信力的公司和组织，尝试继续对开源AI进行定义。

在围绕AI开源的讨论中，技术也在不断进步，人们的理解也随之深化，这些争论不仅是必要的，更是推动技术和社会向前发展的关键因素。通过这一过程，人们会逐渐形成共识，正如过去开源软件的发展一样，最终形成了行业内乃至更广泛社区的普遍认同，并最终被执法和司法实践逐渐接纳。

开源不仅仅是一种技术分享的方式，也代表了一种开放合作的精神，鼓励多样性和包容性，促进全球范围内知识和技术的自由流动，让AI更加具有透明度、增强公众对AI系统的信任。

所以，我们支持开源AI，也支持开源AI定义的讨论。

作者：陈焕、李琪瑶 北京市隆安(广州)律师事务所

首发：微信公众号“AI合规圈”