Arcee称中国开源大模型并非天生危险，倡导美国本土AI生态

背景

随着Moonshot AI的Kimi K3、阿里巴巴的通义千问等中国开源大模型在性能和成本上逼近OpenAI、Anthropic等美国专有模型，关于是否应限制或禁用这些模型的争论再度升温。美国部分政界人士甚至暗示可能采取行政手段限制，但截至目前尚未有具体行动。

Arcee 的核心观点

Arcee 创始团队的技术总监 Lucas Atkins 在采访中明确表示，中国开源模型本身并不比其他开源软件更具危险性。他强调：

• 开源模型的代码大多公开在 Hugging Face 等平台，安全审计和审查成本与其他开源软件相当；
• 模型的训练数据和细节虽不完全公开，但这并不等同于隐藏后门；
• 企业在内部部署模型时，仍需执行常规的安全测试、偏见与毒性评估，这与使用任何第三方软件的流程相同。

安全与风险评估

Atkins 进一步解释，理论上模型可以被训练成在特定上下文下生成恶意代码，但实现难度极高，且需要精心设计的提示序列。实际风险主要来源于：

1. 供应链漏洞：下载的模型文件可能被篡改；
2. 部署环境配置错误：不当的权限设置可能导致模型被滥用；
3. 提示工程误用：恶意用户利用模型生成社交工程内容。

这些风险并非中国模型独有，而是所有大模型共同面临的挑战。

市场竞争与生态建设

Arcee 本身正致力于构建美国本土的开源模型，以提供企业可自行托管的替代方案。Atkins 认为，与其禁用中国模型，不如加速本土技术的研发和迭代，只有推出更优秀的模型，才能在“价格‑性能”竞争中占据主动。

• 开源模型的低成本优势促使企业快速试验；
• 同时，开源社区的透明度有助于加速安全漏洞的发现与修复。

结论

Arcee 的立场是：安全不是模型来源决定的，而是部署与治理流程决定的。在全球AI竞争格局下，美国应聚焦于打造开放、可审计、性能领先的本土模型生态，而不是单纯以“国别”标签对技术进行禁用。此举不仅有助于维护产业创新活力，也能为企业提供更可靠的安全保障。