近期人工智慧領域掀起一波開源追上閉源效能的風暴，從 DeepSeek、Llama、Qwen 到 Mistral，各家紛紛宣布開源他們的大型語言模型。然而在這波開源浪潮背後，存在著更深層的討論與爭議。數位時代創新長黃亮崢 James 邀請到台灣開源法律網絡共同創辦人、Creative Commons Taiwan Chapter 計畫主持人林誠夏，深入探討當前開源 AI 的迷思與現實。
聽完這集你可以學到：
開放原始碼與開放權重的本質差異：
開源的核心是「the preferred form for making modification」，程式碼必須以最適合修改的形式提供；開放權重僅允許調整參數，無法完全掌握或取代專案發展方向。AI 訓練需要大量運算資源和資金，使得真正能深度參與開發的參與者有限。主流開源 AI 模型的授權特色與策略：
Meta 的 Llama 系列設有使用上限，試圖重新定義開源概念，早期甚至限制將成果用於其他語言模型。Google 的 Gemma 採用較為傳統的 Apache 2.0 授權，著重生態系統發展。DeepSeek 的 V3 採用中國法律為準據法，顯示地緣政治因素的影響，而 R1 則使用通用的 MIT 授權。AI 開源面臨的獨特挑戰：
訓練成本高昂，形成參與門檻，影響生態系統的發展。訓練資料的來源往往涉及網路爬梳，存在法律灰色地帶；個人資料保護與商業數據也會有平衡問題。各國政府逐漸加強監管，如美國出口管制條例對開源加密技術的規範。開源商業模式的兩大發展方向：
Open Core：核心開源但增值模組閉源，如早期的 MongoDB。Open Steward：透過中立組織維護開源生態，促進產業合作，如日本 PostgreSQL Foundation 的經驗。對台灣產業的啟示：
須擺脫「不為天下先」的保守思維，開源競爭本質是破格式創新；善用硬體製造優勢，著重 AI 軟硬整合與實體服務；可效法日本經驗，透過產業聯盟推動開源合作；重視人才培育，鼓勵實際參與開源專案而非僅是使用。
展望未來，開源 AI 的發展將面臨更複雜的政策環境。各國政府必然加強監管力道，透過立法與行政措施強化對 AI 的管理。開源雖強調自由分享，但在涉及國家安全等因素時仍需受到規範，這從歐盟已開始將開源管理納入法規體系可見一斑。在商業策略方面，準開源模式可能逐漸普及，企業將在開放與控制之間尋求新的平衡點。資料透明度將成為重要議題，而開源基金會在協調各方利益時可能扮演更關鍵的角色。對台灣而言，這波變革帶來新的機會。憑藉硬體製造的優勢，台灣可以在 AI 落地應用方面發揮所長，特別是在醫療照護等特定領域發展 AI 輔具。積極參與全球開源生態系統的建構，不僅有助於提升產業競爭力，更能在全球 AI 發展浪潮中找到獨特定位。
林誠夏特別強調，開源 AI 的發展正面臨關鍵轉折期。一方面，開源精神促進創新與合作；另一方面，實際操作上卻面臨諸多挑戰。台灣企業應該積極參與這波變革，在開放與專有技術間找到平衡，同時善用硬體優勢，在 AI 應用落地的過程中尋求突破機會。
