AI要普及，靠什么？阿里巴巴集团董事长蔡崇信近日给出了一个简短而明确的答案：只有开源才能普及AI。与此同时，千问开源模型的全球累计下载量已突破40亿。更能说明问题的是一个远方的例子：基于千问打造的乌干达本土语言模型，已覆盖68种非洲语言。开源的意义，正在这些数字里变得具体。
40亿次下载，是一个很难用抽象概念概括的数字。它意味着千问的开源模型已经被世界各地的开发者、研究者、企业反复下载、测试、改造与部署。开源模型的生命力，恰恰来自这种广泛的参与：每一次下载都可能是一次新的尝试，每一次改造都可能长出一个新的应用。闭源模型可以做到很强，但它的能力边界由一家公司决定；开源模型的能力边界，则由整个生态共同拓展。
蔡崇信“只有开源才能普及AI”的判断，背后是一条清晰的逻辑。AI普及的最大障碍，往往不是技术本身有多先进，而是获取成本有多高、使用门槛有多高。对于资金、技术人才都有限的地区和团队来说，从零训练一个大模型几乎不可能，而直接使用闭源服务又可能面临价格、语言、合规等多重限制。开源模型把门槛降到了“可以下载、可以改造、可以在本地运行”的程度，让更多人有机会先用起来，再谈创新。
乌干达的例子，是这条逻辑最生动的注脚。非洲大陆语言众多，许多本土语言在全球互联网上的语料极少，长期处于数字世界的边缘。基于千问打造的本土语言模型覆盖68种非洲语言，意味着这些语言的使用者第一次有机会用自己的语言与AI交互，用自己的语言获取信息、处理事务。这不是一个简单的技术移植，而是一种数字包容：AI不再只服务于几种主流语言，而是开始覆盖那些此前被忽略的人群。
从产业角度看，开源也正在改变AI的竞争方式。过去，模型能力是少数公司的护城河；现在，开源模型让更多企业可以在一个较高的起点上做二次开发，把竞争的焦点从“谁的模型最大”转向“谁的应用最贴合场景”。中小企业不必再为基础模型投入天文数字般的成本，而是可以把资源集中在行业数据、产品体验与服务能力上。这种分工，恰恰是技术普及的典型路径：基础层越开放，上层创新就越活跃。
当然，开源并非没有争议。模型开源后，如何防范滥用、如何保障安全、如何处理版权与责任，都是必须面对的问题。开源社区的常见做法，是通过许可证、使用规范与技术手段划出边界，同时依靠社区监督与持续更新来弥补漏洞。蔡崇信的表态，并不意味着对这些问题视而不见，而是强调一个优先级判断：在普及与管控之间，开源带来的广泛受益值得认真对待，风险应当通过治理来化解，而不是用封闭来回避。
千问的40亿下载量，也折射出中国开源模型在全球生态中的位置变化。几年前，全球开源模型版图主要由少数几家公司主导；如今，中国模型已经成为不可忽视的力量。这种变化不仅是技术实力的体现，也与开源策略有关：越是开放，越容易获得全球开发者的反馈与贡献，模型也因此迭代得越快。开源在这里形成了一个正向循环：开放带来使用，使用带来改进，改进又吸引更多使用。
对普通开发者和企业来说，开源普及的意义同样直接。它意味着更低的试错成本、更灵活的部署方式，以及更透明的技术路线。企业可以在本地部署开源模型，保护数据不出域；研究者可以在模型基础上做实验，验证新的想法；教育机构可以用开源模型做教学，让学生真正动手理解AI。这些场景共同构成了AI普及的日常图景：不是少数人的盛宴，而是多数人可以参与的实践。
回到蔡崇信的那句话，它的完整含义或许可以这样理解：AI的普及不是等技术完美后再分发，而是通过开源让更多人同时参与改进。40亿次下载和68种非洲语言，都是这一过程的阶段性证据。接下来值得观察的，是开源模型能否在更多低资源语言、更多垂直行业里复制乌干达的经验，让AI的受益面继续扩大。
来源：新浪财经
