今（2026）年7月24日，NVIDIA執行長黃仁勳在X上的貼文中，分享NVIDIA共同簽署的〈Open Weights and American AI Leadership〉公開信。這篇社群貼文沒有提到NVIDIA新品、沒有談財報，而是分享由微軟Meta、IBM、Hugging Face、Palantir等首批25家科技巨頭、新創與機構共同簽署的這封公開信，信中呼籲各廠商重視開源來活絡AI生態及創新，並提及美國政府應避免對「開放權重（Open Weights）模型」過早對模型進行管理限制。
中美開放權重模型相互競逐，力爭生態、規則制定權
2026年以來中國大陸的開源模型幾乎每個月都有公開發布模型的態勢，不論DeepSeek、智譜（Z.ai）、MiniMax等皆不斷地推出最新的開放權重模型。直到7月16日，月之暗面（Moonshot AI）推出Kimi K3，總參數高達2.8兆，是全球首個接近「3兆級」的開放權重模型，並於7月27日釋出權重供下載。K3之所以受到重視，主因之一在於模型的評測表現，部分編寫程式與UI產出達到或超越Claude Fable 5，雖然綜合整體能力，Fable 5依然保持領先，但以開放權重模型的表現更接近閉源頂級模型來看，這讓企業自行在公司建置世界級模型的想像又更加具體了。
就在K3發布與黃仁勳貼文引發討論之際，美國廠商也做出回應，像是Thinking Machines推出Inkling模型（總參數9,750億）、Meta推出Muse Glimmer（總參數約300億）。祖克柏更是在8月的萬言書提到：「目標應該是讓美國開源模型成為全球最強。」，顯示美國也想要在開放權重模型領域獲得市場與生態的主導權，成為規則制定的一方。
開放權重模型雖不代表完全免費，但直覺上會問：模型開放的企業要如何獲利？為什麼美中之間開始在這領域當中彼此較勁？究竟是為何而戰？常見的爭奪方向如下：
- 利用開源影響AI開發及應用生態：當好的模型以開放權重釋出時，相對應的軟體服務、工具，以及許多不同的技術生態會自然而然地依附上來，彼此協作、搭配，讓這個模型的價值發揮得愈來愈好，後進者也將愈來愈難打破這樣的生態。
- 透過授權條款延伸商業限制與模式：以Llama 2與Llama 3社群授權為例，其使用並非毫無限制；除了對利用Llama材料或輸出改進其他大型語言模型設有限制外，月活躍用戶超過7億的業者也須另向Meta申請授權。Kimi K3的授權條款則明定，若被授權人或其關係企業經營「模型即服務」（Model as a Service）業務，且任一連續12個月的合計營收超過2,000萬美元，須另行與月之暗面簽訂協議，才能將該模型或其衍生作品用於商業用途。
- 促進硬體支援配合與在地化部署商機：當開放權重模型備受重視的同時，也會有像是ASIC或是校調好的伺服器來進行硬體上的加速和支援，例如：NVIDIA的Nemotron系列模型在自家CUDA系統獲最佳化調整、DeepSeek與華為的昇騰Ascend系列進行高度合作適配。同時也衍生出協助企業在地化部署該模型的服務商機。
- 規則與話語權的影響力：這場爭奪戰不單著眼於避免過度管制，未來可能會針對著作權資料使用、人才競爭流動，乃至為建構主權AI所需的土地、算力與電力等資源的話語權。
對此，模型的開閉源之爭或是美中開放權重模型之爭，不會在這一年就消失，反而隨著各方對AI的依賴漸深，這場規格爭奪與生態養成的戰爭將持續進行。
資訊服務與軟體業者在開放權重浪潮下的新商機
開放權重模型快速增加，將會持續降低模型安裝、簡易微調、API串接等技術門檻，這種情況下也使資訊服務業、軟體業在價值提供、加值上的定位逐漸模糊，若資訊與軟體服務業在AI加值上仍以「導入某模型」或「以在產品附加某模型的AI功能」作為主要產品訴求，將會愈來愈難形成差異化的產品。
在開放權重模型已成為大勢所趨的情況下，資服與軟體業者須將競爭的底層邏輯轉向更細緻化與工程化的能力。架構也應保持模型中立，支援多模型路由挑選、客戶自建模型，以及雲端與地端皆可部署的方式，讓客戶可以依照模型性能、成本、能力、資料敏感度與法規要求替換底層模型。接著，須能藉助不同模型，在不同商業場景下整合資料、流程與系統，以最適化的方式優化服務與營運。
再者，能否對不同模型延伸出的各種Agentic AI和深度應用服務做到有效的治理與管理、風險及營運上的優化，也將成為未來資服與軟體業者必須帶給企業的能力。讓企業原本以Human-in-the-loop（人類參與流程）的方式來管理及監督AI產出的內容，轉為Human-on-the-loop（人對總體監督）以「俯視」、「鳥瞰」的方式進行管理，以因應未來企業大規模導入AI上的治理全局觀。
最後，在讓客戶願意快速導入與採用的商業邏輯上，應思考從原本以按帳號計費（Seat-based Pricing）計算ARR的方式，逐步增加成果導向（Outcome-based Pricing）的計費模式，以此因應許多單一功能的軟體被Vibe Coding取代的趨勢，讓客戶以是否能獲得具體成果，作為採購資服與軟體服務的主要考量。
＜本文作者：韓揚銘現任資策會MIC資深產業顧問兼主任，專業於人工智慧與智慧製造產業研究，關注發展技術趨勢、應用與大廠策略研究。具十年以上產業與智庫研究經驗。曾任緯創資通資深產品/技術經理，國立中央大學、銘傳大學、醒吾科技大學兼任講師。資策會產業情報研究所（MIC）長期觀測高科技產業市場情報與發展趨勢，是臺灣資通訊產業與政府倚重的專業智庫。＞