「开源之道」日报 2026-07-31

📄 最新开源研究论文

1. A Cartography of Open Collaboration in Open Source AI: Mapping Practices, Motivations, and Governance in 14 Open Large Language Model Projects 开源AI开放协作的制图学：14个开放大语言模型项目的实践、动机与治理映射

作者： Johan Linåker, Cailean Osborne, Jennifer Ding, Ben Burtenshaw
链接： https://doi.org/10.2139/ssrn.6885020
日期： 2026-01-01
摘要： 本文对14个开放大语言模型（LLM）项目进行了系统的制图学研究，映射了这些项目在开源实践、开发者动机和治理结构方面的差异。研究发现，开放LLM项目在开放性谱系上分布广泛——从真正开放的合作开发到部分开放的模型权重发布。研究识别了三种主要的治理模式：基金会主导型、企业主导型和社区驱动型，并探讨了每种模式对可持续性和创新产出的影响。
与开源之道的关联： 直接回应了开源AI领域最核心的治理问题——“开放"意味着什么？不同治理模式如何影响AI项目的可持续性和创新？
开源之道视角点评： 这篇论文是开源AI治理研究的里程碑式工作。它揭示了一个关键事实：并非所有自称为"开源"的AI项目都在同一意义上开放。三种治理模式的识别为开源基金会（如AAIF、Linux Foundation）评估AI项目提供了分析框架。开源之道认为，AI领域的"开放"概念需要更精细的谱系划分，而非简单的二元判断。

2. ‘Stewardship’ as a Fair, Accountable and Transparent Model for Free and Open-Source Software Governance? Looking Beyond the EU’s Cyber Resilience Act “管家制"作为自由和开源软件治理的公平、负责和透明模式？——超越欧盟《网络弹性法》的思考

作者： Jennifer Tridgell, Jatinder Singh
链接： https://doi.org/10.1145/3715275.3732032
日期： 2025-06-23
摘要： 政策制定者提出了"管家制”（stewardship）作为治理FOSS（自由和开源软件）的模式，委托选定的行为者代表集体承担管理责任。本文独特地考察了作为FOSS治理模式的"管家制”，关注其是否以及如何能够实现公平、负责和透明的FOSS治理。研究分析了CRA中管家制的提案，并将其与现有的FOSS治理实践进行比较，指出现有提案中的潜在缺陷和改进方向。
与开源之道的关联： 直接涉及欧盟《网络弹性法》（CRA）对开源治理的影响，这是当前开源政策领域最热点的话题之一。
开源之道视角点评： “管家制"概念的引入是欧盟CRA对开源治理的最大贡献之一。但Tridgell和Singh的批判性分析提醒我们：任何治理模式都需要在权力分配和问责机制上仔细设计。开源之道认为，CRA的管家制若能与Ostrom的公共池资源治理原则相结合，可能产生更有效的治理框架，而非简单地将层级管理结构强加于原本扁平的开源社区。

3. Governing the large language model commons: using digital assets to endow intellectual property rights 治理大语言模型公地：使用数字资产赋予知识产权

作者： Christos Makridis, Joshua Ammons
链接： https://doi.org/10.1017/s1744137425000165
日期： 2025-01-01
期刊： Journal of Institutional Economics（制度经济学杂志）
摘要： 大语言模型（LLM）的出现使得在数字内容易于复制和修改的环境中保护知识产权变得越来越困难。本文提出了一种使用数字资产（如NFT）为LLM训练数据建立可执行产权的新机制。借鉴制度经济学中的产权理论，作者论证了数字资产可以降低交易成本，为LLM公地中的贡献者提供激励，并在开放访问与产权保护之间取得平衡。
与开源之道的关联： 发表在制度经济学旗舰期刊上，直接回应了开源AI公地中的产权困境——如何在开放共享与保护贡献者权益之间取得平衡。
开源之道视角点评： 这篇论文令人兴奋！它用制度经济学的核心概念（产权、交易成本）来回应AI时代最棘手的问题。Makridis和Ammons的提议——用数字资产在LLM公地中建立可执行的产权——是对Coase定理在AI领域的一次创新应用。开源之道认为，这可能是解决AI开源贡献者激励问题的一条新路径，但需要警惕数字资产投机可能带来的扭曲。

4. Decentralizing governance: exploring the dynamics and challenges of digital commons and DAOs 去中心化治理：探索数字公地与DAO的动态与挑战

作者： Mark Esposito, Terence Tse, Danny Goh
链接： https://doi.org/10.3389/fbloc.2025.1538227
日期： 2025-05-16
期刊： Frontiers in Blockchain
摘要： 本文通过Elinor Ostrom原则的视角，探索了去中心化治理、区块链技术与数字公地的交叉点。研究考察了去中心化自治组织（DAO）如何在实践中应用Ostrom的设计原则，以及它们在实现可持续公地治理方面面临的挑战。研究发现，DAO在透明度和社区参与方面具有潜力，但在冲突解决机制和适应性治理方面仍需改进。
与开源之道的关联： 将Ostrom的公共池资源治理框架应用于DAO和数字公地，为开源治理提供了制度经济学视角的分析工具。
开源之道视角点评： Ostrom的八项设计原则在数字公地中的应用是一个长期被低估的研究方向。Esposito等人的工作表明，DAO虽然在技术层面实现了去中心化，但在治理层面仍然面临与物理公地相似的挑战（搭便车、冲突解决、规则执行）。开源之道认为，未来的开源治理研究需要更多地将Ostrom的思想与数字原生治理机制相结合。

5. Cost-Driven Governance in Open-Source AI Innovation Commons: Comparative Evidence from Jittor and OpenHarmony in China 开源AI创新公地中的成本驱动治理：来自中国计图（Jittor）和开源鸿蒙（OpenHarmony）的比较证据

作者： Zhe Wang
链接： https://doi.org/10.2139/ssrn.7196882
日期： 2026
摘要： 本文比较分析中国两个重要开源项目——AI框架Jittor（计图）和操作系统OpenHarmony（开源鸿蒙）的治理模式。研究发现，治理结构的选择主要由"协调成本"和"贡献者激励成本"驱动。Jittor采用更集中的治理模式以降低协调成本，而OpenHarmony采用更分散的治理模式以降低贡献者激励成本。这些成本差异源于项目技术架构和社区构成的差异。
与开源之道的关联： 从制度经济学（交易成本理论）出发，分析中国开源项目的治理选择，是开源治理研究的重要补充。
开源之道视角点评： 这篇论文将Coase的企业理论（企业为什么存在？因为市场交易成本过高）创造性地应用于开源治理。Wang的发现表明，开源治理结构的选择本质上是交易成本最小化的结果——这为理解不同项目采用不同治理模式提供了经济学的解释框架。开源之道认为，这种"成本驱动治理"的分析框架可以推广到全球开源项目，解释为什么Linux内核采用严格的维护者制度而某些项目采用更宽松的模式。

6. Strategic Permissiveness: How China’s Open-Source AI Licensing Transforms Global Governance 战略性许可宽松：中国开源AI许可如何改变全球治理

作者： Jiwei Qian
链接： https://doi.org/10.2139/ssrn.5936856
日期： 2025
摘要： 本文分析中国在AI领域采取的战略性许可宽松策略——即通过宽松的开源许可（如Apache 2.0、MIT）发布AI模型，以促进全球采用和生态构建。研究发现，这一策略不仅降低了中国AI公司的市场进入成本，还通过建立技术依赖和锁定效应对全球AI治理格局产生深远影响。文章讨论了这种策略对美国主导的AI治理框架的挑战，以及对中国国内AI政策的反馈效应。
与开源之道的关联： 直接涉及开源AI许可证的地缘政治维度，以及中国在开源AI治理中的角色。
开源之道视角点评： 这是开源AI治理研究中不可忽视的地缘政治视角。Qian的"战略性许可宽松"概念精准地描述了DeepSeek等中国AI公司的开源策略：通过开源快速获取用户、数据和生态影响力。开源之道认为，这种策略正在重塑全球AI治理的权力格局——开源不再只是技术选择，更是地缘政治工具。

7. Who Owns the Stack? Governance And Control of Open source AI 谁拥有栈？开源AI的治理与控制

作者： Jérémie Haese, Christian Peukert
链接： https://doi.org/10.2139/ssrn.5957434
日期： 2025
摘要： 本文研究AI技术栈不同层级的治理与控制权分布。从硬件（GPU）到基础模型、微调层、应用层，分析谁在每一层拥有实际控制权。研究发现，尽管模型权重和代码可能开源，但核心控制权（如数据、计算资源、分发渠道）仍然高度集中在少数大型AI公司手中。文章提出了"开源AI控制悖论”：开源增加透明度，但不一定增加实际控制权的分散化。
与开源之道的关联： 挑战了"开源=去中心化=民主化"的简单叙事，揭示了开源AI中控制权的实际分布。
开源之道视角点评： 这篇论文精准地指出了开源AI领域的一个关键悖论：代码开源不等于治理民主化，权重开放不等于控制权分散。Haese和Peukert的分析让我们重新思考：在AI时代，我们真正需要的是什么样的"开源"？开源之道认为，这需要我们对开源治理的理解从"代码许可"扩展到"基础设施治理"和"数据治理"。

8. Open Source Governance Practices: A Path to Improving Sustainability 开源治理实践：改善可持续性的路径

作者： Dawn Foster
链接： https://doi.org/10.1109/mc.2026.3667269
日期： 2026-06
期刊： IEEE Computer
摘要： 本文综合分析了开源项目的治理实践与可持续性之间的关系。研究表明，拥有明确治理结构的项目（包括维护者角色定义、决策流程、冲突解决机制）在长期可持续性方面表现更好。文章提供了改善开源项目治理的实用建议，包括：建立清晰的贡献指南、实施透明的决策流程、创建多元化的治理委员会等。
与开源之道的关联： 直接回应了开源治理的核心问题——什么样的治理实践能带来更好的项目可持续性？
开源之道视角点评： Dawn Foster是开源治理研究的资深学者，这篇文章将学术研究与实操建议完美结合。开源之道认为，Foster强调的"治理透明度"和"决策流程文档化"是许多中国开源项目需要加强的方面。治理不是官僚主义，而是确保项目长期健康运行的基础设施。

9. Can Open Source Survive AI? 开源能在AI时代生存吗？

作者： Sruly Rosenblat
链接： https://doi.org/10.59350/yd1fy-tqv88
日期： 2026-02-03
摘要： 本文探讨了AI对开源生态系统带来的生存性挑战。AI生成代码的质量和数量正在改变开源贡献的模式，降低了人为贡献的价值，同时也带来了版权和归属问题。文章分析认为，开源社区需要重新定义"贡献"的含义，从"写代码"转向"审查和验证AI生成代码"，并建立新的激励机制来维持社区活力。
与开源之道的关联： 直接回应了AI时代开源面临的根本性挑战——当AI可以生成大部分代码时，开源社区的核心价值是什么？
开源之道视角点评： 这是一个尖锐但必要的问题。Rosenblat的担忧并非杞人忧天——AI代码生成确实在改变开源贡献的动力结构。但开源之道认为，开源的核心价值从来不只是代码本身，而是人类协作、知识共享和信任建立的社会过程。AI可能取代代码编写，但无法取代社区治理、代码审查和知识传承。开源社区需要进化，但不会消亡。

10. Open Source as Europe’s Strategic Advantage: Trends, Barriers, and Priorities for the European Open Source Community Amid Regulatory and Geopolitical Shifts 开源作为欧洲的战略优势：监管与地缘政治变动中的趋势、障碍与优先事项

作者： Cailean Osborne, Adrienn Lawson
链接： https://doi.org/10.70828/quhu6598
日期： 2025-08
出版商： The Linux Foundation
摘要： 本报告系统分析了欧洲开源社区面临的最新趋势、障碍和战略优先事项。研究发现，欧洲在开源AI领域面临"双重依赖"挑战：既依赖美国的基础模型，也依赖美国的计算基础设施。报告建议欧洲加大对开源基础设施的投资，建立欧洲开源AI治理框架，并利用CRA的实施窗口推动开源安全标准。报告还指出，欧洲在开放数据、隐私保护型AI和绿色AI方面具有差异化优势。
与开源之道的关联： Linux Foundation出版的白皮书，分析了欧洲在全球开源AI竞争中的战略定位。
开源之道视角点评： 这份报告揭示了一个有趣的现象：在AI领域，欧洲正在通过"开源主权"来应对"技术主权"的焦虑。开源之道认为，欧洲的策略——通过开源标准和安全法规来建立技术主权——可能比直接建设与美国竞争的封闭技术栈更明智。这种"通过开源实现主权"的思路值得中国借鉴。

11. Anticipatory Data Governance in the Age of AI: Emerging Signals in Data Access, Reuse, and Sovereignty AI时代的前瞻性数据治理：数据访问、重用与主权中的新兴信号

作者： Adam Zable, Stefaan Verhulst
链接： http://arxiv.org/abs/2607.27029v1
日期： 2026-07-29
类别： cs.CY
摘要： 本文识别和分析了AI时代数据治理中的新兴信号，包括数据访问模式的变化、数据重用实践的发展以及数据主权概念的演变。研究发现，传统的"数据共享"框架正在被"数据治理"框架所取代，前者强调访问，后者强调责任、权利和可持续性。文章提出了一个前瞻性数据治理的分析框架，帮助政策制定者和组织为未来的数据治理挑战做好准备。
与开源之道的关联： AI训练数据的治理是开源AI治理的核心子议题，数据治理的前瞻性分析对开源AI社区至关重要。
开源之道视角点评： 这是今天arXiv上最相关的论文之一。Zable和Verhulst的"前瞻性数据治理"框架为开源AI社区提供了重要的思考工具——当AI训练数据本身成为关键资源时，开源社区如何设计数据治理机制以确保公平访问和可持续贡献？开源之道认为，这可能是继"开源代码"之后，“开源数据"治理将成为下一个前沿领域。

12. Open Source AI: Strategic Motives for the Selective Revealing of AI System Components 开源AI：选择性披露AI系统组件的战略动机

作者： Leonard Hanschur, Joachim Henkel
链接： https://doi.org/10.2139/ssrn.5475926
日期： 2025
摘要： 本文研究AI公司选择性开源其系统组件的战略动机。通过分析多家AI公司的开源决策，研究发现公司通常选择开源"非核心"组件（如推理代码、工具库）而保留"核心"组件（如训练数据、模型架构创新）。这种"选择性披露"策略既有助于构建生态和吸引人才，又不会损害核心竞争优势。文章提出了一种"开源深度"分析框架，用于评估AI公司开源策略的真实开放性。
与开源之道的关联： 揭示了AI公司"开源"行为的战略本质，挑战了"开源=利他"的传统叙事。
开源之道视角点评： Hanschur和Henkel的"选择性披露"概念是理解当前AI公司开源行为的关键框架。当Meta"开源"Llama但保留训练数据，当DeepSeek开放权重但不开放训练代码，这并非虚假开源，而是有策略的开放式创新。开源之道认为，我们需要更精细的工具来评估AI公司的真实开源程度，而非简单的"开源vs闭源"二元判断。

13. Open Shouldn’t Mean Exempt: Open Source Exceptionalism in Generative AI 开放不应意味着豁免：生成式AI中的开源例外主义

作者： 不详
链接： 待查
日期： 2025
摘要： 本文批判性地审视了开源AI社区中普遍存在的"例外主义"叙事——即认为开源AI应该免于受到与商业AI相同的监管和安全要求。文章分析了开源AI安全事件的案例，论证了"开源例外主义"可能导致安全漏洞被忽视、责任归属不明和用户保护不足。文章呼吁在AI监管框架中给予开源AI适当的关注，既不过度监管而抑制创新，也不过度豁免而忽视风险。
与开源之道的关联： 直接参与当前关于开源AI监管的最激烈辩论——开源AI是否应该免于AI安全法规的约束？
开源之道视角点评： 这是一个在开源AI社区中极具争议性的观点。开源之道认为，开源AI确实不应该被"豁免"于安全监管，但监管方式需要与开源社区的特性相适应。传统的"事前审批"式监管与开源社区的"快速迭代"文化格格不入。更可行的方式是"事后问责+社区自律"的组合——类似于CRA对开源软件的处理方式。

14. Postdigital Commons 后数字公地

作者： Petar Jandrić
链接： https://doi.org/10.52612/journals/eol-oe.2025.e2423
日期： 2025-12-16
期刊： Education Ouverte et Libre - Open Education
摘要： 本文探讨了后数字时代公地（commons）的转型。从数字公地的定义和挑战出发，揭示了数字公地的一些重要谬误，如其非物质性，并首次尝试发展后数字公地的理论。后数字公地认识到数字与物理的不可分割性，挑战了数字公地纯粹虚拟的传统假设。文章提出了后数字公地的关键特征：物质-数字融合、混合治理、以及新型的公有化形式。
与开源之道的关联： 为理解数字公地在后数字时代（AI、物联网、元宇宙）的演变提供了理论框架。
开源之道视角点评： Jandrić的"后数字公地"理论是对传统数字公地概念的重要扩展。在AI时代，数字公地越来越依赖于物理基础设施（GPU、数据中心、能源），使得"非物质性"假设不再成立。开源之道认为，这一理论框架对理解开源AI的治理挑战至关重要——开源AI既是数字公地，也是物理基础设施公地，治理框架需要同时涵盖这两个维度。

15. Green-digital transition through commons-based decentralized planning 通过基于公地的去中心化规划实现绿色-数字转型

作者： Pedro H. J. Nardelli, Rodrigo Santaella Gonçalves
链接： https://doi.org/10.1080/14747731.2025.2555504
日期： 2025-09-22
期刊： Globalizations
摘要： 政府推动的绿色-数字转型过于依赖市场机制，使大型科技和能源公司受益。本文论证了基于公地的去中心化规划（commons-based decentralized planning）可以提供替代方案。通过分析开源硬件、社区能源网络和数字公地的案例，研究展示了去中心化、参与式规划如何在实现环境目标的同时避免权力集中。文章提出了"公地即基础设施"的概念，将其作为绿色-数字转型的核心组织原则。
与开源之道的关联： 将开源和公地治理的理念扩展到绿色转型领域，展示了开源治理原则的跨领域适用性。
开源之道视角点评： 这篇论文的开创性在于将Ostrom的公地治理原则与去中心化规划结合，应用于绿色转型。开源之道认为，AI数据中心日益增长的能源消耗和碳排放使得开源AI基础设施的绿色治理变得紧迫。Nardelli和Gonçalves的"公地即基础设施"概念为开源AI社区的可持续发展提供了新的思考方向。

📰 开源动态摘要

1. Linux Foundation 联合19家公司启动 Akrites 项目，协调开源漏洞修复

来源： Linux Foundation / ADTmag
摘要： Linux Foundation 联合19家行业领先企业启动 Akrites 项目，旨在协调开源软件漏洞修复工作，特别是针对AI驱动的网络威胁。该项目将建立跨组织的漏洞响应协调机制，为关键开源项目提供安全修复资源，并开发AI辅助的漏洞检测和修复工具。Akrites 的命名源自拜占庭帝国的边境守卫，寓意"守护开源边界”。
开源之道点评： Akrites 的启动标志着开源安全从"各自为战"进入"协同防御"阶段。在AI驱动的网络攻击日益增多的背景下，这种跨组织的漏洞协调机制至关重要。开源之道认为，Akrites 与 OpenSSF（开源安全基金会）的关系需要明确——是互补还是重叠？如果协调不当，可能造成开源安全领域的碎片化。

2. NVIDIA 启动37成员 Open Secure AI Alliance，开源 NOOA 框架

来源： NVIDIA / Reuters / Wired
摘要： 在 Hugging Face 数据泄露事件后，NVIDIA 联合37家行业伙伴成立 Open Secure AI Alliance（开放安全AI联盟），并开源了 NOOA（NVIDIA Open Optimization Architecture）框架。该联盟旨在为开源AI组件建立安全标准和最佳实践，重点关注模型供应链安全、运行环境安全和数据安全。值得注意的是，OpenAI 和 Anthropic 未参与该联盟。
开源之道点评： NVIDIA 的 Open Secure AI Alliance 是继 Hugging Face 泄露事件后行业对AI供应链安全的最重要回应。开源之道注意到，OpenAI 和 Anthropic 的缺席暗示了"开源AI安全"领域正在形成阵营分化——一方以 NVIDIA 和开源社区为核心，另一方以闭源AI公司为核心。这种分化可能影响未来AI安全标准的制定方向。

3. Ollama 完成6500万美元 B 轮融资，用户达890万开发者

来源： AFP / The Next Web / TechCrunch
摘要： 流行的开源AI开发工具 Ollama 宣布完成6500万美元 B 轮融资，由 Theory Ventures 领投。Ollama 平台允许开发者在本地运行开源AI模型，目前已支持超过200个模型，月活跃开发者达到890万。融资将用于扩展企业功能、改进模型管理和优化本地推理性能。
开源之道点评： Ollama 的爆发式增长验证了一个重要趋势：开发者对本地AI推理的需求正在快速增长。在云端AI成本上升和隐私担忧加剧的背景下，Ollama 提供了"开源AI的本地化"路径。开源之道认为，Ollama 的成功也反映了开源AI基础设施层的机会——不是做大模型，而是做模型运行的工具和平台。

4. Agentic AI Foundation 新增43个成员，包括 Teradata 和 Datavant

来源： Yahoo Finance / BusinessWire
摘要： Agentic AI Foundation（AAIF）宣布新增43个企业成员，其中包括数据平台公司 Teradata 和医疗数据公司 Datavant。AAIF 致力于推动开放Agent（智能体）标准的制定，目前成员总数已超过100家。新增成员将参与开放Agent协议、互操作性标准和安全框架的制定工作。
开源之道点评： AAIF 的快速扩张（从数十家到超过100家成员）反映了企业对Agentic AI标准化需求的迫切性。开源之道认为，AAIF 面临的最大挑战是如何在竞争激烈的AI市场中保持中立——许多成员公司同时也是直接的AI竞争对手。AAIF 的治理结构设计将决定其能否像早期的CNCF那样成为真正的行业标准制定者。

5. Kiteworks 建立 ownCloud 开源项目办公室（OSPO）

来源： Kiteworks
摘要： 企业内容安全平台 Kiteworks 宣布建立 ownCloud 开源项目办公室（OSPO），负责 ownCloud 开源文件同步与共享平台的管理和社区发展。这是继企业收购 ownCloud 后，Kiteworks 在开源治理方面的重要举措。OSPO 将负责代码审查、社区管理、安全更新和开发者关系。
开源之道点评： Kiteworks 设立 ownCloud OSPO 是一个值得关注的案例——企业收购开源项目后如何通过建立正式的OSPO来维持和增强社区信任。这与近年来"企业收购开源项目后社区分裂"的负面案例形成了对比。开源之道认为，随着更多企业收购开源项目，OSPO 将成为确保并购后开源治理连续性的关键机制。

6. Eclipse Foundation 和 OWASP 联手加强开源安全与 CRA 合规

来源： Eclipse Foundation
摘要： Eclipse Foundation 和 OWASP（开放Web应用安全项目）宣布建立战略合作伙伴关系，共同加强开源软件安全，并帮助欧洲开源项目应对即将生效的欧盟《网络弹性法》（CRA）。合作内容包括：制定开源安全最佳实践指南、建立CRA合规工具链、组织安全培训和事件响应演练。
开源之道点评： Eclipse Foundation 和 OWASP 的合作是开源安全生态系统的关键整合。CRA 对开源软件的合规要求正在形成新的"合规市场"——这是开源社区面临的新挑战，也是新机遇。开源之道认为，这种合作模式可以帮助中小型开源项目降低CRA合规成本，避免合规成为"大项目特权"。

7. CNCF 宣布 OpenTelemetry 毕业，达到最高成熟度级别

来源： CNCF / KubeCon Japan 2026
摘要： 云原生计算基金会（CNCF）在KubeCon Japan 2026上宣布，OpenTelemetry 项目正式毕业，达到CNCF最高成熟度级别。OpenTelemetry 是云原生可观测性领域的核心开源项目，提供统一的遥测数据采集标准。同时，CNCF 宣布了 Broadcom 成为铂金会员，并发布了日本云原生社区达到近100万开发者的报告。
开源之道点评： OpenTelemetry 的毕业是云原生可观测性领域的重要里程碑。开源之道认为，OpenTelemetry 的成功模式——通过标准化降低可观测性工具切换成本——值得开源AI领域的治理项目借鉴。AI领域的"模型可观测性"和"代理追踪"标准化可能成为下一个类似OpenTelemetry的爆发点。

8. DeepSeek V4 预览版发布，开源访问

来源： DeepSeek / 多家科技媒体
摘要： 中国AI公司 DeepSeek 发布了 DeepSeek V4 预览版，以开源方式提供访问。DeepSeek V4 在推理能力上接近前沿模型水平，但成本仅为 Opus 4.7 的1/6。同时，DeepSeek 开源了 DSpark 推理加速框架，可将LLM推理速度提升85%。此外，DeepSeek 正在开发自研AI芯片。
开源之道点评： DeepSeek V4 的发布进一步巩固了DeepSeek作为开源AI领域"性价比之王"的地位。值得注意的是，DeepSeek 同时开源了模型权重和推理加速框架——这种"开源策略"正在从单纯的开源模型扩展到赋能整个开源生态。开源之道认为，DeepSeek 的自研芯片计划如果成功，将打破"开源AI必须依赖NVIDIA GPU"的硬件依赖，从根本上改变开源AI的竞争格局。

9. EU Cyber Resilience Act 为开源提供更多明确性

来源： EU Commission
摘要： 欧盟委员会发布了关于《网络弹性法》（CRA）对开源软件适用性的进一步指导文件，为开源社区提供了更多合规明确性。新指导文件明确了"开源项目维护者"和"商业提供者"的区分标准，为纯粹的非商业开源项目提供了豁免路径，同时要求商业化的开源产品承担更多安全责任。
开源之道点评： CRA的进一步明确化对欧洲开源生态是利好。开源之道认为，最关键的是"开源维护者vs商业提供者"的区分——这将在很大程度上决定CRA对开源社区的实际影响。如果区分标准合理，CRA可以成为开源安全的催化剂；如果标准模糊，可能抑制开源创新。

10. FSF 举办"LLM时代的自由软件安全"在线研讨会

来源： Free Software Foundation
摘要： 自由软件基金会（FSF）举办了"Too many eyeballs? Free software security in the LLM era"在线研讨会，由Sean O’Brien主讲。研讨会探讨了大语言模型对自由软件安全的影响，包括AI辅助代码审查、AI生成的漏洞修复、以及AI对"足够多的眼球使漏洞变浅"（Linus’s Law）传统假设的挑战。
开源之道点评： FSF 对LLM时代的自由软件安全讨论表明，即使是最强调伦理的自由软件运动也在积极拥抱AI带来的变化。开源之道特别关注研讨会提出的问题：Linus’s Law（“足够多的眼球使所有漏洞变浅”）在AI时代是否仍然成立？如果AI生成的代码超出了人类审查者的能力范围，传统的开源安全模型可能需要重新设计。

🔍 视角解读

今日核心主题：开源AI治理的九重奏

今日的15篇论文和10条行业动态共同指向一个核心主题——开源AI治理正处于从"自发秩序"向"制度化设计"转型的关键时期。我们可以从九个维度来理解这一转型：

治理模式的分化（Linåker等论文）：开放LLM项目存在三种治理模式，而非单一模式。这说明"开源AI治理"不是一个问题，而是多个问题的集合。
产权与激励的再设计（Makridis & Ammons论文）：用制度经济学的产权理论来解决AI公地中的激励问题，代表了一种重要的理论创新方向。
控制权的悖论（Haese & Peukert论文）：开源≠去中心化，代码开源≠控制权分散。这个悖论提醒我们关注AI技术栈各层的实际权力分布。
地缘政治的开源化（Qian的论文）：开源许可证正在成为地缘政治工具。“战略性许可宽松"描述了AI时代的新竞争策略。
可持续性的制度化（Foster的论文）：治理实践与项目可持续性直接相关。开源治理不再只是"社区管理”，而是确保项目长期生存的基础设施。
监管的介入（Tridgell & Singh、CRA动态）：外部监管正在重塑开源治理。CRA引入的"管家制"概念可能改变开源治理的权力结构。
安全的新范式（Akrites、NVIDIA OSA Alliance、Eclipse/OWASP）：AI驱动的安全威胁催生了新的安全协作机制。开源安全正在从"个体英雄主义"走向"制度化协作"。
基础设施的AI化（Ollama融资、DeepSeek V4）：开源AI工具链和基础设施正在成为新的创业热点。开源AI的"平台化"趋势明显。
公地理论的扩展（Postdigital Commons、Green-digital commons）：数字公地理论正在向物理-数字融合的方向发展。开源AI既是数字公地，也是物理基础设施公地。

📊 趋势观察

1. “开源AI治理"正在成为独立的学术领域 今日收集的15篇相关论文中，超过一半发表于2025-2026年，且出现在制度经济学、战略管理、信息系统的顶级期刊上。这表明"开源AI治理"已经从计算机科学的分支话题，发展成为跨学科的研究领域。开源之道认为，这将催生新的学术共同体和出版物。

2. 开源安全的"制度化"加速 从Akrites（Linux Foundation）到Open Secure AI Alliance（NVIDIA），从Eclipse+OWASP到CRA合规，开源安全正在从"社区自发"转向"制度化协同”。开源之道认为，这种制度化是必要的，但需要警惕"安全官僚化"可能对开源社区的敏捷性产生的负面影响。

3. AI公司的"半开源"策略成为主流 DeepSeek V4（开源权重+推理框架，但训练数据不公开）、Meta的Llama系列（开源权重，但训练数据不公开）——“半开源"正在成为AI公司的事实标准。开源之道认为，这要求我们重新定义AI领域的"开源"概念，从"OSI批准的许可证"扩展到更细致的"开放性谱系"评估。

4. 中国开源AI的"双轨"路径 中国AI公司同时推进两条路径：一是通过开源（如DeepSeek V4）建立全球影响力，二是通过自研芯片（如DeepSeek的AI芯片计划）减少对NVIDIA的依赖。开源之道认为，这种"开源+自研硬件"的双轨策略，如果成功，将从根本上改变全球AI产业的格局。

💡 今日思考

从Coase到Ostrom，再到AI公地

今天的论文中，有两篇特别引人深思：Makridis & Ammons的《Governing the large language model commons》用Coase的产权理论来解决AI公地问题，而Esposito等人的《Decentralizing governance》则用Ostrom的公地治理原则来评估DAO。

这让我想起了一个经典的学术对话：Coase认为，只要产权清晰且交易成本为零，市场可以自发解决外部性问题；Ostrom则认为，对于公共池资源，社区自治（而非市场或政府）可能是更有效的治理方式。

在AI公地中，这两种理论的张力更加明显：

如果产权（如训练数据的知识产权）可以清晰界定且交易成本足够低，市场机制可能有效——这是Makridis & Ammons的思路。
但如果AI公地中的产权天然难以界定（如AI生成内容的版权归属），则可能需要Ostrom式的社区自治——这是Esposito等人的思路。

开源之道认为，AI公地治理的最终答案可能不是"选择Coase还是Ostrom”，而是"在什么条件下Coase有效，在什么条件下Ostrom更有效"。这需要更多跨学科的研究，也需要开源社区自身的实践探索。

今日最佳案例： DeepSeek V4 的开源策略——既开源模型权重也开源推理框架，但不开源训练数据，也不开源训练过程。这是一个典型的"战略性许可宽松"（Strategic Permissiveness）案例，也是"选择性披露"（Selective Revealing）的典型案例。它完美地展示了AI时代开源策略的复杂性——不是简单的"开vs闭"，而是"什么开、什么闭、为什么开、为什么闭"。