開源 AI 作為全球數位主權的必要性
開源 AI 對全球主權至關重要
開源 AI 不僅僅是一種技術偏好，更是防止 AI 權力集中於美國與中國少數幾家企業的地緣政治必要性。若沒有開放平台，多數國家缺乏建構前沿規模模型的資源，僅能成為本質上帶有偏見且受外部實體控制的系統的消費者。
聯邦式訓練與 Project Tapestry 的案例
為了實現全球 AI 主權，產業必須朝向聯邦模型前進，使各國與機構在不放棄其資料的情況下，為全球 AI 系統作出貢獻。
Project Tapestry
Yann LeCun 協助發起 Project Tapestry，作為此願景的具體實踐。它是一個自下而上的合作夥伴聯盟，允許各實體透過交換參數向量而非原始資料，來共同訓練全球 AI 模型。此方式在保護資料主權的同時，促進協作成長。該專案託管於 GitHub，目標於 2027 年初投入生產。
全球參與
對 Project Tapestry 的早期興趣包括來自英國、瑞士、印度、日本、韓國、越南、哈薩克、阿聯酋以及多個歐洲國家的參與，同時也有 NVIDIA、AMD、Intel、IBM 等產業領導者加入。
挑戰「生存風險」敘事
認為 AI 本質上危險且應限制於封閉系統的論點，常被用來為縮減存取與削弱數位主權辯護。
- 生物武器： LeCun 主張，製造生物武器的瓶頸在於製造的物理複雜性，而非 AI 提供的「配方」可得性。
- 網路安全： 開源模型能提升防禦能力；能偵測弱點的系統可用於鞏固安全基礎建設。
- 印刷機類比： 基於安全理由限制 AI，類似於 15 世紀限制印刷機以控制資訊散布的嘗試，LeCun 稱之為「中世的蒙昧主義」。
封閉模型的經濟永續性
專有的前沿規模模型目前的經濟模式不可持續。例如，為一位每月付費 200 美元的重度使用者提供服務的成本可能高達 15,000 美元，意味著目前的使用量高度依賴投資者補貼。
對於發展中國家而言，未來的方向在於可本地運行的較小且高效的開放模型。在農業等領域，高端前沿模型往往非必要；較小的模型即可提供關鍵效用（例如透過智慧眼鏡辨識作物病害），前提是推論成本需降低 20 至 100 倍。
開放平台的歷史先例
LeCun 主張，向開放 AI 的轉變是不可避免的，因為市場持續偏好開源平台以降低成本、提升安全性與在地化。他舉出兩個主要例子：
- 網際網路： 1990 年代末，網際網路依賴 Sun Microsystems、HP 等公司的專有硬體與軟體。後來被商品化硬體與開源軟體堆疊所取代。
- 行動網路： 現代手機與基地台主要運行於開源作業系統與軟體堆疊上。
社群觀點與反論
雖然 LeCun 的願景相當樂觀，社群討論卻指出多項關鍵瓶頸與哲學分歧：
「如果沒有開源硬體規格與開源製造，我們不會有開源 AI。軟體長期以來單獨推動開放運算已過久，隨著 AI 的出現，瓶頸終於上移至更高層。」
其他關切包括 AI 中「開源」的定義，有人認為「開放權重」模型僅是免費軟體，並非真正的開源。此外，也有使用者對 AI 作為所有數位資訊中介的角色持懷疑態度，擔心會失去部落格、維基與論壇中那種「粗糙」且真實的感受。