经济民主与开源人工智能*

一、引言：开源人工智能的治理争议

  开源作为数字经济时代知识生产与再生产的重要模式，已经得到广泛的认可和支持。尽管不同于工业时代的常规认知，通过开放源代码以促进更多人自由地使用、学习、修正、分发，即“四大自由”，进而产生持续创新的理念已经成为数字时代的普遍实践，并在理论上演化为开放创新、合作生产、维基政府（Wiki government）等一系列新概念。与知识生产实践变革相伴随的，是开源治理体系的创造与丰富。左版权（copyleft）及其他开源协议建构了新型开源产权规则，在避免“搭便车”与产权纠纷的同时也维系持续开放的再生产过程，而礼物文化、多元动机、对话共识、分叉竞争等一系列社区治理机制，也将开源从个体行为转变为集体行为从而实现了规模经济和范围经济（贾开，2017）。哈佛大学2024年的最新报告估计，开源软件带给全社会的价值高达8.8万亿美元，是世界第三大经济体——日本GDP的两倍多（Hoffmann， Nagle， and Zhou， 2024）。

  然而，开源模式在人工智能时代正在遭遇新挑战，并引发了持续、广泛的争议。支持者认为，人工智能仍然应以开源模式展开，这是数字时代促进技术创新并推动普及应用的最佳模式，只有在开放过程中才可能形成普遍的创新生态。DeepSeek（深度求索）即是代表性案例：在达到相同性能水平的情况下，其将大模型使用成本拉低至五十分之一，而训练成本可能低至百分之一；更关键的是，DeepSeek扭转了对规模定律的一般认知，其并不是通过训练网络、时间、数据的线性扩展来增加模型性能，而是以巧妙的工程设计实现性能上的超越（贾开，2025：7-9）。

  另一方面，反对者出于安全风险和商业竞争的考量，认为开源并不适合人工智能的发展模式。图灵奖获得者约书亚·本吉奥（Yoshua Bengio）的三个观点具有代表性：开源人工智能不能确保其模型是安全的，开源人工智能存在安全研究投入远小于性能研究的结构性偏差，以及人工智能的强大能力很可能使之被误用而开源为此提供了渠道（Bengio， 2024）。OpenAI联合创始人、首席科学家伊利亚·苏茨克维（Ilya Sutskever）从商业竞争视角表达了类似观点：GPT-4消耗了大量资源，是OpenAI的核心竞争力和商业秘密，没有理由要求OpenAI必须开源（Vincent， 2023）。因此，OpenAI在2023年发布GPT-4时就不再公开模型训练的数据集、参数规模、能耗、训练硬件等信息。

  需要指出的是，上述争议并不仅仅反映各种预设观点的不同和差异，而且已经演化为具体的政策实践冲突，以及事关未来人工智能长远发展道路的战略选择判断。虽然加利福尼亚州立法机构投票通过了《前沿人工智能模型安全创新法案》（简称“SB1047法案”），但该法案在2024年9月被州长否决，关键分歧在于是否应要求人工智能模型开源方承担风险管理责任（Newsom， 2024）。类似地，2023年10月拜登政府发布的《安全、稳定、可信人工智能的开发与应用行政令》第4.6条被认为“非对称”地加重了开源人工智能的合规负担，因其要求对能够广泛获取的、具有“双重用途”（dual use）的大模型展开监管政策的研讨，却没有相应地针对闭源人工智能提出同等要求（Fortis， 2023）。

  正因如此，从公共治理视角对开源人工智能展开理论研究，界定其关键问题、厘清其演化逻辑，并在此基础上对开源人工智能的未来治理改革提出参考建议，成为当前人工智能领域的重要命题（蒋余浩、张心旖、戴明洁，2025）。本文即围绕此展开，在对开源人工智能概念做出理论辨析的基础上，以经济民主为理论分析框架，为开源人工智能的必要性和重要性做出合理性论证，并基于“劳动-资本-公共产品”三维分析框架对开源人工智能治理的内在要求做出解释，进而为指导未来治理改革提供应然层面的理论支撑。

二、开源人工智能概念辨析与治理问题的理论界定 

  开源软件的传统定义是指源代码开放的计算机软件，其可被他人自由使用、研究、分发和修改。开源软件是相对于闭源软件而提出的软件生产概念与实践，最明显的对比是Windows操作系统和Linux操作系统：前者属于微软公司的专利，微软通过向用户售卖该软件以获得利润，除非得到授权，否则任何人都不能获得Windows操作系统的源代码，并因此不能开发与操作系统相关联的软件；Linux操作系统的源代码则是公开的，任何用户都可以自由获取、修改和再分发。为防止恶意用户的投机行为，Linux操作系统采用了“一般公共许可证”（General Public License，GPL）作为其产权基础，从而确保这种自由使用以不限制其他人的自由使用为前提（王东宾，2013）。

  以源代码开放为载体，具有相同兴趣爱好的成员聚集在网络上，组成的自由交流、学习的网络社区即是开源社区。和传统的实体社区不同，开源社区成员地理分布分散且能够自由参与或退出。围绕开源程序员参与动机及协调机制的探索，构成了开源社区治理的主要研究对象，而已有研究也提出信号理论、互惠行为、礼物文化等一系列假说以说明参与者的合作动机，并认为网络治理、“公地”治理等理论框架能够解释开源社区稳定且可持续的集体行动。

  开源人工智能完全继承了开源软件的全部特征，但因其独特的技术演化规律而表现出差异性。相比于开源软件以代码为核心的治理，开源人工智能当前至少表现为三个层面的开放生态：人工智能工具、人工智能模型、人工智能资源。

  首先，人工智能工具是指为开发、训练、部署和管理人工智能模型而设计的软件库，能够提供数据处理、模型构建、训练优化、可视化等支撑性功能，典型代表例如谷歌公司推出的TensorFlow和Meta公司推出的PyTorch，二者不仅是当前最为主流的人工智能工具，且都是以开源方式可被开放获取。其次，人工智能模型是指通过人工智能工具对数据集进行训练学习从而能够执行特定或多种任务的软件产品，其在当前往往以神经网络权重的形式表现出来，阿里巴巴公司的Qwen模型、Meta公司的LLaMA模型以及DeepSeek的R3模型都是开源人工智能模型的典型代表。最后，人工智能资源是指支撑人工智能模型进行训练学习的数据、算力，以及在训练学习过程中积累下的工程经验、学术论文等，它们都属于人工智能生产与再生产过程中的潜在知识，DeepSeek在模型开源的同时公开的多篇学术论文，以及在2025年2月“开源周”中开放出来的计算优化工具、存储与通信加速算法、高性能分布式文件系统等都属此列（王坚，2025）。

  开源人工智能生态的丰富性带来了开源人工智能治理的复杂性，原本仅聚焦代码的开源软件治理，当前不得不延伸至以下三个层面并在每个层面都提出了新的治理问题。在人工智能工具层面，TensorFlow和PyTorch作为两个主流工具，其开源治理形态却存在重要差别，前者仍然在谷歌公司的主导下，后者则被Meta公司捐给了Linux基金会以提升独立性，由此带来的治理问题就表现为商业公司与社区生态的利益冲突与平衡问题。在人工智能模型层面，模型权重开放而非源代码开放能否被视为“开源”，权重开放是否具有价值并可能带来安全风险的质疑，模型开源许可证对部分“四大自由”的限制是否违背开源初衷，都构成该层面开源人工智能治理的新议题。在人工智能资源层面，训练数据、算力、经验、论文的开放是开源人工智能的必然要求还是公司可以自主选择的权利，如何激励资源开放的行为以及如何解决“投机”“搭便车”等问题，是该层面开源人工智能治理的主要关切。考虑到传统开源软件治理同样涉及公司与社区利益的平衡问题①，因此开源人工智能工具的治理可被置于传统开源软件治理框架之下得以处理，人工智能模型和人工智能资源这两个层面的治理问题则构成开源人工智能治理的新挑战。

  就开源人工智能模型治理而言，前述三个问题事实上都表现为对于模型权重开放在多大程度上仍然遵循“开放创新”这一开源生产规律的质疑与反思。开源软件之所以受到推崇，是因为开放源代码能够以更高效率实现代码生产的规模经济和范围经济，而且其对社会的负外部性影响较小，但开放模型权重在这两点上都有所不同。一方面，开放模型权重而非源代码能否激励更多生产者参与并刺激更多人工智能技术创新还存在不确定性，高企的模型训练成本限制了普通用户主动参与研究、改进和再分发，而只能被限制在使用环节。2025年年初DeepSeek的成功为回答该问题带来了希望，其在实践层面证明了开源人工智能在推动技术创新方面的巨大价值，但我们仍然需要在理论上对此做出回应，即开放模型权重究竟如何有助于提升创新效率，而这又是否应该成为大模型厂商必须履行的职责？另一方面，开放具有通用能力的模型权重可能会比开放一般软件代码带来更大负外部性，强能力模型被滥用、误用而引致消极影响的后果被认为将更加严重。当前针对该问题的理论研究和实践探索仍然十分缺乏，究竟如何平衡开放模型权重带来的积极与消极影响由此成为人工智能治理的重要问题。

  就开源人工智能资源治理而言，前述问题的本质是“公-私”边界划分以及与之相应的公共利益与私人利益如何平衡的应然性问题。开源软件的生产同样存在对支持性资源的需求，典型代表如开源社区内广泛存在的知识交流现象，有经验的程序员往往会志愿回答问题并指导新加入社区者，而后来者在受益于此学习过程的同时也将继续指导未来新手以回报社区，由此构成已有研究所提出的“礼物文化”概念（Bitzer et al.，2007：160-169）。然而，对于人工智能生产与再生产所需要的资源而言，数据集、算力、研发过程中的经验以及基于此形成的论文和工程方法，不仅要耗费大量资源（因此难以建立在个人行为的基础上），同时可能涉及数据权益或数据安全方面的合规性风险进而对开放者带来负面影响。因此，开源软件时代基于个人自主、分散行为而形成的支持性资源，对于人工智能而言已经不够充分，难以通过“礼物文化”的自发性来维系稳定的资源开放进程，需要重新建构新的激励与治理机制，使得私人主体生产的支持性资源能够以某种形式再次开放并贡献于公共社区，而开放者自身又能在此过程中获得相应回馈。事实上，当前以公共资金投入来建设普惠算力基础设施和公共语料库的相关政策，可被视为对开源人工智能资源治理问题的回应，但这一政策的可持续性和有效性仍然存疑，尤其是考虑到该政策没有充分调动私人主体贡献内生资源的积极性，进一步的治理改革不仅是必要的，也是迫切的。

  基于上述分析不难发现，人工智能模型开源的创新促进机制与安全治理挑战、人工智能资源开源的“公-私”利益平衡需求都要求对治理机制进行改革深化，以重新调整开源人工智能生态中不同利益相关方的合作关系。面对这样的治理需求，我们既需要在应然层面对人工智能是否需要开源做出理论回答，也需要在实然层面论证开源在促进人工智能发展并防控人工智能风险方面具有正向净效应，而经济民主理论恰是能够同时满足二者的理论选择。

三、经济民主的合理性及框架  

  （一）经济民主理论的合理性

  民主理论往往被理解为“一人一票”的政治民主，而工厂、公司等经济生产领域被认为不适合引入类似的民主要求。一方面，建立在财产权基础上的经济生产活动，一旦受到民主的约束就意味着对财产权这一自然权利进行干涉，而这无疑将引发争议；另一方面，经济生产领域被认为存在着“看不见的手”，引入民主可能扭曲这种一般性的自发调节规律，从而降低资源配置效率。因此，强调在工厂、公司等经济生产领域同样执行民主要求的经济民主理论，往往被视为“离经叛道”。不过正如政治民主理论一样，经济民主理论不仅可能是正当的，其历史也是悠久的。罗伯特·达尔（Robert Alan Dahl）在1958年出版的《经济民主导论》中即阐述了经济民主的理论内涵，并对前述观点做出了反驳（达尔，2018：第二章）。

  针对经济民主可能侵犯财产权的质疑，达尔在比较所有关于私人财产作为一项基本自治权利的理论后认为，或者因为论据不令人满意，或者因为对权利范围的界定不令人满意，并不能天然地认为私人财产权是先定的、不可被违反的自然权利。而且，即使不讨论财产权是否先定权利的问题，达尔指出共和政体也应通过调节财产分配结构来确保经济资源的广泛分布，以避免财产权与民主的冲突（崔之元，1997）。换言之，达尔充分意识到民主与财产权的内在张力，并为经济民主对财产权的干涉提供了合法性论证。然而，这一干涉是否有效率呢，经济民主是否可能因为扭曲了生产活动的自发规律而降低创新效率？崔之元关于后福特主义的论述为此提供了理论答案（崔之元，1996）。

  后福特主义是相对于基于工业化、标准化的大量生产和大量消费的经济、社会体系，即福特主义而言，其强调多用途机器与技能工人的灵活组合，并在此基础上实现范围经济（economies of scope）而非规模经济（economies of scale）。后福特主义的典型案例是丰田的“即时或无库存生产”：在有库存的情况下，工人只能被动遵照管理者的命令而不问上、下道工序；然而，一旦库存很少或没有，工人们就不得不关心上、下道工序并积极展开团队协作，“迫使”劳动者的创造性、主动性和合作性得到充分发挥，而这正是劳动者摆脱管理者控制的经济民主的具体表现。在此场景下，经济民主与经济效率便实现了统一。

  （二）实现经济民主的三重框架

  在理解经济民主合理性的基础上，进一步的讨论需要延展至实现经济民主的制度框架，已有研究与实践对此的讨论主要集中于三个维度：劳动管理过程的普遍参与（协商决策）、机构资本运营的平等代表（提升责任水平）、公共产品的稳定供给（提供社会实验空间）（McGaughey， 2024）。

  首先，经济民主要求政治领域的分权应延伸至工厂劳动与管理过程以制约管理者权力，劳动者以及更一般的利益相关方被认为有权参与工厂决策。英国重要的政治学家与社会学家贝特丽丝·韦伯（Beatrice Webb）和悉尼·韦伯（Sydney Webb）夫妇将此形象地表述为“消费者决定生产什么，管理者决定如何生产，而工人则通过集体协商的形式决定生产的规则”（Webb and Webb， 1965：818-823）。在实践中，经济民主的这一主张往往表现为要求工人代表进入工厂管理委员会的组织设计，而在不同国家的不同时代，其都在不同程度上成为现实。一个典型案例是：美国克莱斯勒汽车公司在20世纪80年代财政危机时期采取了与工会合作的战略改革，允许一名工会代表进入管理委员会，而工会也在随后的节省开支以创造更有竞争力汽车产品的过程中发挥重要作用（EBSCO， 2023）。更全面体现经济民主要求的是以“两参一改三结合”为主要内容的“鞍钢宪法”，其并不局限于工人代表参与工程管理委员会的组织改革，而是普遍要求干部参加劳动、工人参加管理，以推动工程技术人员、管理者和工人在生产实践和技术革新中有机结合，并在此过程中改革不合理的规章制度。

  其次，经济民主要求利益相关方在养老基金、主权基金等机构资本的管理运营中应具有平等代表，机构资本的管理者应在重大决策上对利益相关方负责，从而在控制“代理人风险”的同时确保机构投资符合公共利益。机构投资已成为全球金融市场的主要构成部分，例如2023年美国养老基金规模已达到当年GDP的140%，而其也早已成为股票市场和私募股权市场的最大机构投资者（杨长汉，2024）。但与此伴随的问题是，劳动者及更一般的社会公众作为“委托者”与资本管理方作为“代理者”的分离。布兰代斯（Louis Brandeis）法官早在1913年至1914年间出版的《别人的钱——投资银行家的贪婪真相》专栏结集中就指出了限制金融寡头及投资银行业务无序扩展的重要性，要求恢复“一仆不二主”原则以使投资银行对千千万万的出资人负责（Brandeis，1914）。然而，这一经济民主要求在相当长时间内都没有被转化为具体的制度规范，直到2010年奥巴马政府通过《多德-弗兰克华尔街改革和消费者保护法案》，才在第957款纳入代理人须提升投票政策透明度、遵守委托者指令的要求。

  最后，经济民主要求形成丰富而稳定的公共产品基础设施，从而为多元主体的实验探索提供可能性空间（Sabel， 2012）。社会多元化进程使得利益相关方不可能在每一个具体方案上达成共识，基于宽泛共识原则并为多元主体留出旨在满足其自身需求的实验空间，便成为更现实也更重要的民主改革方向，而这正是经济民主理论的内在要求（McGaughey， 2023： Chapter 12）。从一般观点来看，这种公共性的实验空间主要通过所有制改革以普遍建立国有或公有企业实体，但更丰富的制度实践表明公共产品基础设施并不一定要以国有化或公有化的形式表现出来，私营企业主导的数字平台、劳动者主导的平台合作社，以及基于社会自治而形成的“公共池塘”资源或“公地”资源，都是能够提供稳定公共产品并支撑经济民主的多元机制。

  基于上述理论回顾，我们对经济民主理论的合理性，以及实现经济民主的制度框架有了初步认识。接下来的问题是，经济民主理论的已有讨论将如何有利于回应当前的开源人工智能治理挑战。对此的理论分析主要关乎两个方面：经济民主如何在应然层面为人工智能开源模式的合理性提供价值论证的支撑，以及经济民主如何在实然层面为开源人工智能治理改革提供方向参考。

四、经济民主理论视角下开源人工智能的价值论证 

  基于前文对开源人工智能治理争议的梳理，反对人工智能开源的观点主要可总结为三点：安全风险扩散的担忧、商业利益保护的主张、生产效率提升的不确定性。这三点都可在经济民主视角下得到更深入的理论回应，而这反过来为开源人工智能的合理性提供了理论支持。

  首先，开源人工智能的反对者认为人工智能的强大能力会在开放过程中被误用、滥用，以至于可能产生普遍且严重的社会风险。针对此担忧，科学家群体出现了不同意见，例如同样作为图灵奖获得者的杨立昆就反对约书亚·本吉奥对开源人工智能的三点质疑。不过对于开源人工智能合理性的论证，还不能停留于不同观点的罗列对比，而需要提供理论上的自洽逻辑，经济民主理论有助于弥补这一空白。正如崔之元引用达尔《经济民主绪论》分析所指出，经济民主理论体现了人民主权原则作为现代民主国家的理论基础从政治领域走向经济领域的必然性，否则少数人的经济特权必然要体现到政治过程中（崔之元，1996）。类似的，布兰代斯法官在关于美国劳工法的审查证词中也指出：“政治自由与产业集权的必然冲突是导致社会动荡的根本原因”（Walsh et al.， 1915：82）。就人工智能而言，如果只有判定为“安全”的人工智能才能被允许开放的话，那么做出该判断的少数群体也必然会垄断技术权力并因此相应形成垄断性经济和政治特权，而这无疑是对民主原则的违背。考虑到人民主权原则的优先性，安全风险自然不应成为否定开源价值的首要理由；即使存在安全风险，这也应由社会而非少数群体来对此做出判定并寻找应对办法，此时开源人工智能便成为打破垄断权力壁垒的关键。

  那么，开源人工智能是不是对商业利益保护的侵犯呢？换言之，我们是否有适当的价值立场来要求私人企业开源其人工智能模型？从经济民主视角来看，对此的回答同样是肯定的。正如前文引述达尔所指出，财产权并非不可被干涉的先定权利，同时考虑到财产权与民主之间的内在张力，共和政体本身也应确保经济资源的广泛分布以避免二者的冲突。然而，在当前人工智能领域，我们面对的正是日趋严重的高度分化格局。《科学》杂志文章对人工智能领域的“输入”（以人工智能人才、算力的流动分布为指标）和“产出”（以人工智能领域的文章、前沿模型为指标）进行了数据化测度和解构，发现在人工智能发展史上，产业界第一次获得相比于高校、科研机构的绝对优势地位（Ahmed et al.， 2023）。举例而言，2004年只有21%的人工智能领域博士进入产业界，而到2020年上升到70%；对大模型而言，几乎全部大尺寸模型都来源于产业界，而这一数据在2010年还只占11%。事实上，规模定律主导下的人工智能发展模式正在形成高度分化且马太效应严重的资源分化格局，而开源应被视为调节当前结构性分化的重要手段而得到公共政策的肯定与支持，其对商业利益的干涉因此能够得到价值层面的合理性论证。值得指出的是，开源此种调节作用尽管表现为对商业主体自主决策的干涉，但其反而可能促进人工智能整体生态的良性发展，最终有利于商业主体自身。2024年下半年，以增加算力、数据、网络规模来实现模型性能持续增长的规模定律已经遭遇瓶颈，布隆伯格报道指出OpenAI、谷歌、Anthropic三大巨头公司的下一代旗舰模型在投入大量资源后都没有达到预期绩效（Metz et al.， 2024）。技术路径依赖以及探索其他技术路线的不确定性使得商业公司不敢做出重大战略调整，导致整个人工智能技术创新生态在当时陷入停滞困境，而正是DeepSeek的开源创新为突破该困境提供新的动力，并反过来激励三巨头进行战略调整。

  最后，开源人工智能的反对者认为开放模型权重或源代码并不必然激励更多生产者参与，高企的实验门槛导致“开放促进创新”的传统逻辑不一定有利于提升人工智能创新效率。DeepSeek在实践上的成功虽然对此类质疑做出了反驳，但我们仍然需要在理论上厘清，为何对于开放对象、层次都明显不同于开源软件的开源人工智能而言，“开放促进创新”这一逻辑仍然是有效的？经济民主理论对此可给出两方面的理论支撑。一方面，对该问题的回答取决于我们如何定义“效率”。哥伦比亚大学教授查尔斯·赛伯（Charles Sabel）指出，对于生产者而言，效率意味着以最低的浪费来使用资源和技术，对于消费者而言，效率则意味着对其需求的最大化满足（Sabel， 1982：6）。尽管站在生产者的角度，高企的实验门槛使得开放人工智能模型权重或源代码很可能被视为一种供给侧的浪费，因为即使开放也不会自动带来普遍的生产参与，但站在消费者的角度，开放人工智能模型权重或源代码仍然是一种必要前提，因为正是此开放过程才使得需求侧具有最大化地满足多元需求的可能性。另一方面，开源能否提高人工智能创新效率还取决于我们如何在范围经济和规模经济中进行选择和权衡。正如前文引述崔之元的论述，范围经济构成了后福特主义的生产目标，进而通过生产方式的改变实现了经济民主与经济效率的统一。人工智能作为一般通用技术，其需要兼顾应用领域的广泛性和应用类型的多样性（Lipsey et al.， 2005：93），而开源人工智能即使不是实现人工智能“规模经济”的唯一路径，也仍然是实现人工智能“范围经济”的关键。

  于是，针对三点质疑，经济民主理论为开源人工智能的合理性提供了理论支持，但这并不代表开源人工智能就可以沿袭传统开源软件的治理机制而自然实现。前文论述更多表明，安全风险扩散的担忧、商业利益保护的主张、生产效率提升的不确定性尽管都不能作为否定开源人工智能价值的理由，但依然是需要面对的新治理挑战。具体而言，当开源人工智能的安全风险由社会而非少数群体来判定时，我们仍然需要应对风险扩散的安全治理机制创新；类似地，尽管商业利益保护不能拒绝开源要求，这并不意味着所有公司都必须被强制开源，我们仍然需要的是“公-私”边界的动态平衡。这些讨论都直接引向本文下一部分分析，即我们究竟需要何种开源治理机制与体系的改革，才能够实现开源人工智能的理论价值。

 五、经济民主视角下开源人工智能治理改革的三重方向

  传统的开源软件治理主要针对两个问题并因此包含两方面的核心机制设计：针对开源软件产权投机的“一般通用许可证”机制，以及针对开源软件生产秩序的开源社区治理机制。然而，开源人工智能从软件源代码向人工智能工具、模型、资源三个层面的延伸引入新的复杂性，使得开源人工智能治理并不限于传统开源软件治理的两个问题和两类机制，而演变为涵盖更多维度的体系性改革。构建经济民主的“劳动-资本-公共产品”三维分析框架自然构成开源人工智能治理改革的具体内涵。

  （一）劳动管理体系改革与开源责任制度的再选择

  经济民主的首要要求是在劳动管理过程中贯穿民主原则，而这也直接表现为打破“技术分工”与“社会分工”一一对应的传统思维，在实现工人技能多元化的同时，促进技术人员、管理人员和工人的有机结合。尽管开源人工智能生态不同于传统工厂生产场景，但仍然可从类比视角得到治理改革的启示。

  传统开源软件并未充分考虑软件生产过程的管理问题，因为源代码开放后更多通过自选择机制来实现后续的软件再生产。开源人工智能与之并不完全类似，人工智能开源方的相对优势地位，使之与后续参与者在一定程度上可被视为构成“管理者-劳动者”关系，而在加利福尼亚州SB1047法案中出现的开源责任争议也正缘于开源方的地位变迁。针对此问题，从经济民主原则出发，相关治理场景可分为两类。

  一方面，当人工智能开源局限于模型开源时，考虑到模型权重以及模型源代码的门槛较高，后续衍生模型开发者事实上不能基于开源模型重现结果，且往往需要依赖模型开源方提供的其他基础设施（例如云服务）来实现模型功能，此时的开源方与后续开发者更接近于“管理者-劳动者”关系，即后续开发者虽然有可能利用模型“作恶”，但在一定程度上仍然受到开源方的管理约束。在此场景下，治理制度改革存在两种选择：类似于历史上的互联网平台治理框架，由于开源方没有能力审核后续开发者的所有活动，为避免限制源头创新而在制度上可以选择为开源方提供宽泛的“安全港”保护原则；然而，正如当前正在展开的要求修正《通信规范法案》第230条的诉求（Office of the Attorney General， n.d.，）类似，考虑到开源人工智能的影响较大，治理制度仍然可以要求开源方承担连带责任，并由此迫使开源方主动探索治理工具创新以对后续开发者采取限制措施。究竟选择何种制度取向仍然与各国国情以及人工智能的发展阶段有关，并没有“放之四海而皆准”的通用政策方案，但“管理者-劳动者”关系的确定为我们理解不同制度走向提供了分析框架。

  另一方面，如果人工智能开源进一步发展至人工智能资源开放，由于后续开发者能够基于相关资源来重现结果，而且并不依赖开源方提供的其他基础设施，由此大大削弱了开源方的相对优势，并导致开源方与后续开发者的“管理者-劳动者”关系不复存在。在此场景下，我们很难继续要求开源方承担连带责任，但这并不意味着开源方就完全没有其他治理义务。从经济民主的视角来看，开源人工智能资源的重要性在于其实现了开源方与后续开发者的有机结合，此时事实上我们已经不能再严格区分开源方与后续开发者的身份差别，而应更多看到二者的合作关系以及基于此形成的人工智能开源生态。此时的治理制度改革的重点也因此不能再局限于责任边界的划分与匹配，而更应关注合作治理结构下的责任制度创新，典型代表如当前部分学者提出的无过错责任制度的重建与推广（戴昕，2024）。

  无论上述哪种场景，经济民主理论给予的启发都在于打破了管理者相对于劳动者的单一权力方向，而认识到二者相互影响并因此要求促进二者合作的重要性，这一思路对于回应人工智能安全风险的责任治理机制创新至关重要。值得指出的是，上述两类关于开源人工智能治理场景的讨论事实上暗含着开源程度越高、开源方责任越小，越需要跳出以明确责任边界划分为基础的传统责任治理框架的内在逻辑。

  （二）资本体系改革与技术“委托-代理”关系的再平衡

  经济民主原则向资本领域的延伸主要表现为在养老基金、主权基金等机构资本影响力不断增强的背景下，提升资本管理方作为“代理人”向劳动者及更一般社会公众作为“委托人”的负责任水平的一系列制度要求。尽管传统开源软件治理与资本体系改革的关联度较小，但人工智能当前的高资本投入属性使之同样需要关注经济民主原则对该维度的制度改革价值。

  在开源人工智能生态下，对资本体系的分析可从当前人工智能的生产逻辑入手。规模定律支撑下的人工智能高度依赖算力、数据、网络的持续增长，而这一方面来源于人工智能公司自身的资本投入，另一方面也来源于内涵极为丰富且多样的社会资源，后者尤以数据为关键。在长期发展历程中，整个互联网空间积累了难以想象的各类型的海量数据。无论是一般性的维基百科、GitHub托管平台上的开源软件代码，还是专业领域的报纸媒体、垂直领域的数据库，这些数据社会资源经由人工智能公司的抓取、汇集而被转换为人工智能模型的训练素材，并在此过程中转变为支撑模型价值生产的数据资本。由此，作为数据社会资源来源方的广大社会利益相关方，与作为数据社会资源利用者的人工智能公司，同样可被视为建立了数据价值释放与技术生产视角下的委托-代理关系，即利益相关方希望通过人工智能模型训练的方式释放原数据资源的潜在价值，人工智能公司作为代理人则通过技术创新来实现这一委托目标。

  然而，伴随着人工智能模型能力的提升和影响力的增加，这一委托-代理关系正面临着越来越多的争议与挑战。一方面，人工智能公司对社会数据资源的无限制抓取和应用正在招致社会的集体性反制，这既体现为数据原版权方起诉人工智能公司的法律争议，也表现为当前被业界普遍应用的反爬虫或限制爬虫技术；另一方面，人工智能模型能力的不断增长反过来正在损害利益相关方，一个典型案例是2023年好莱坞大罢工中的编剧群体，以编剧生产的海量剧本为数据基础的人工智能模型正在反过来压低编剧平均工资乃至替代编剧，并因此招致后者的强烈反抗。

  这两方面争议的实质都可被归因于原有委托-代理关系的失衡，即本身具有目标一致性的社会利益相关方与人工智能公司，在新环境下出现了分歧：“代理人”推动技术进步的成绩不足以回应“委托人”的目标关切，后者此时不仅包含释放数据价值潜力的希望，也包括维系自身利益的需要。从实现经济民主的要求来看，相应的治理改革需要推动“代理人”再次校准其与“委托人”的目标一致性程度，而开源人工智能便是实现这一再平衡的重要举措，即依托于社会数据资源的人工智能公司将技术创新成果反馈于社会以作为对其索取的回报。然而，我们同样需要注意的是，人工智能公司本身也有海量的资本投入，因此允许开源方对所开放人工智能成果进行一定程度的限制相应地成为合理的政策调适。在具体治理实践中，这种限制一方面体现为开源人工智能在工具、模型、资源三个层次差异化的开放程度，另一方面也体现为开源模型协议相对于传统开源软件协议的修正。②这两方面的限制虽然表面上看起来并不符合传统开源软件的精神，但具有经济民主意义上的合理性。

  需要指出的是，接受开源人工智能的多层次开放和协议修正并非再平衡技术“委托-代理”关系的唯一制度选择，我们当前仍然需要更多的思想解放与制度创新空间。例如，澳大利亚曾立法强制要求数字媒体平台与本地内容生产商就广告分成展开集体协商，我们同样有可能将此治理经验引入开源人工智能乃至更一般的人工智能治理领域，要求人工智能公司与数据社会资源提供方展开多种形式的收益分享对话；类似地，在数据治理领域曾被广泛讨论的“数据信托”制度，同样在开源人工智能治理领域具有应用前景。无论是何种改革内涵，都可被总结为在经济民主要求下实现人工智能领域技术委托-代理关系再平衡的改革方向。

  （三）公共产品体系改革与技术“公地”资源治理创新

  实现经济民主的第三个维度与公共产品的稳定供给有关，旨在为多元主体在不同方向、出于不同需求的差异化、多样性实验探索提供条件。这既是因为包容多元差异本身即是民主的要求之一，也缘于只有在实验探索过程中个体才能通过学习以提升能力，并同时孕育创新。乔治城大学教授朱莉·科恩（Julie E. Cohen）就指出：“日常实践的游戏（play）空间才为众多生产者的创造性活动提供了机会”（Cohen， 2012：6）。在这方面，开源软件本身就是经济民主的最好体现：开源程序员的持续贡献保证了源代码的不断积累，而源代码作为一种技术“公地”资源又支撑了开源程序员能力的提升以及开源社区的繁荣和发展。然而，开源人工智能的特殊性使得开源软件这种传统的公共产品生产体系难以维系，而这也相应要求人工智能时代的技术“公地”资源治理体系需要新的突破。

  对于开源人工智能而言，由于模型规模的庞大与不可解释性，源代码已经不能作为技术“公地”资源支持后来参与者的实验探索，取而代之的是模型权重以及数据集、算力、论文、经验方法等新形式、新载体，由此带来的治理问题则是如何将后者转变为稳定供给的技术“公地”资源。此时需要解决的治理问题有两个：一方面，考虑到人工智能模型或资源需要庞大的投入，仅靠传统开源软件社群的“礼物文化”难以维系，新的技术“公地”资源在供给侧需要新的激励机制；另一方面，人工智能技术尚未在各领域实现广泛应用，技术孤岛先锋主义限制了需求侧的普遍参与，后来开发者尚未形成类似于开源软件社区的庞大规模。针对这两方面的治理挑战，开源人工智能在技术“公地”资源治理方面还需要新的治理突破，而其他领域的已有实践同样可能会提供参考性启发。

  就供给侧而言，关键在于改变开源方行为的“成本-收益”结构，而开源人工智能产权制度的丰富与改革可能是重要的切入点。耶鲁大学法学院教授圭多·卡拉布雷西（Guido Calabresi）曾与合作者提出以“财产规则”与“责任规则”来解构统一财产权的分析框架（Calabresi and Melamed，2013）：在财产规则下，只能基于权利主体的同意才能进行交易；而在责任规则下，即使不经权利主体同意，通过给予合理的补偿也能实施强制交换。对于开源人工智能而言，考虑到人工智能技术创新过程中本身就利用了大量社会资源，我们同样有理由要求人工智能公司遵循责任规则而非财产规则，此时关于人工智能技术资源是否开源以及以何种条件开源的决策便不完全由人工智能公司单方面决定，而同样可取决于第三方或协商决策。

  就需求侧而言，关键在于打破技术孤岛先锋主义，以便在各领域、各场景应用人工智能，并在此过程中扩大、丰富开源人工智能的后来开发者规模。当前国内以公共资金投入建设的公共算力基础设施，是有利于扩大人工智能应用范围的重要举措，但尚未明确地突出需求侧治理的重要性，而这一改革目标在美国副总统万斯的巴黎人工智能行动峰会讲话中被明确提出。万斯指出美国将在放松监管的同时，重点发展“有利于工人（pro-worker）”的人工智能技术路线（Vance， 2025）。尽管万斯并未解释该人工智能技术路线的具体内涵和促进该技术路线的政策体系，但其明显不同于国际社会之前所关注的“负责任人工智能”“可信人工智能”等更加侧重供给侧的政策概念。这一概念也与哈佛大学教授丹尼·罗德里克（Dani Rodrik）和查尔斯·赛伯等提出的“创造更好工作”理论相一致，旨在强调人工智能技术路线选择应服务于工人和工作的基本内涵，而这正是解决需求侧问题的关键。如果将需求侧纳入政策范畴，那么开源人工智能发展所需要的技术公地资源将明显超出数据、算力、网络这些供给侧维度而覆盖更大范围，安全治理的公共产品、能力建设的开放网络、行业应用的标准体系、社会保障的公共基准等都可能被纳入其中。此时，开源人工智能的技术“公地”资源治理更需要被视为国家发展战略的整体考量，而非微观领域的具体政策工具（王哲，待刊）。

六、结论与讨论

  人工智能的技术创新与广泛应用正在引发普遍的治理关注，开源人工智能治理是最受争议的议题之一。围绕人工智能是否需要开源的争议正在科学研究、风险投资、产业创新、司法实践等各个领域普遍展开。在此背景下，有关开源人工智能治理的争议已不能再被视为局限于技术层面的开发模式、商业模式之争，而是上升为事关人工智能未来发展道路选择的时代大问题之一，因此也将影响人工智能技术演化、安全治理、普惠应用等诸多相关议题。

  考虑到开源作为数字时代知识生产与演化基础模式的重要地位，其在应用于人工智能领域时所面临的新挑战，同样意味着我们正在进入数字生产模式更迭变革的关键时期。自20世纪后半叶以来逐渐成熟而稳定的技术与产业演化形态，正在人工智能快速发展的背景下进入新一轮的调整与变革期。诸多适用于传统开源软件治理的理念与机制，都需要在开源人工智能的背景下得到新的解释或发展，而本文从经济民主视角给出的回答，便是在理论上的一次探索性讨论。也正是基于经济民主的理论阐释，我们才能认识到，如果说开源是人工智能未来发展的关键选择，开源人工智能治理便是确保这一选择造福人类的关键。不过正如当年的开源软件一样，开源人工智能的价值并不局限于人工智能这项技术的创新与应用，更重要的是围绕开源人工智能的生产与再生产过程而形成丰富的人类合作关系，以及蓬勃发展的开源人工智能生态社群，而当前我们距离这一目标还存在一定距离，未来需要不断地努力与探索。

  *本文系国家社会科学基金一般项目“‘公地’视角下全球数字治理合作或冲突的影响因素与机制研究”（项目编号：23BGL244）的研究成果。

参考文献：

崔之元，1997，《经济民主的两层含义》，载《读书》第4期。

崔之元，1996，《鞍钢宪法与后福特主义》，载《读书》第3期。

罗伯特·达尔，2018，《经济民主导言》，天津人民出版社。

戴昕，2024，《无过错责任与人工智能发展——基于法律经济分析的一个观点》，载《华东政法大学学报》第5期。

贾开，2025，《DeepSeek与人工智能多重技术路线的治理启示》，载《电子政务》第3期。

贾开，2017，《比特币开源社区的治理机制研究》， 清华大学博士学位论文。

蒋余浩、张心旖、戴明洁，2025，《开放治理与创新方向规制：推进通用人工智能发展的制度机制研究》，载《中国科学院院刊》第4期。

王东宾，2013，《开源的合作机制与财产权悖论及其解释》，清华大学博士学位论文。

王坚，2025，《AI和大数据时代，科技创新也应“开源”》，科学网。

王哲，待刊，《开源创新公地治理机制演变：从开源软件到开源大模型的范式转型与治理路径变迁》。

王哲、薛澜、赵静，2024，《开源创新组织的创新成本演化与动态治理机制》，载《公共管理评论》第4期。

杨长汉，2024，《完善养老基金股权投资制度》，载《中国保险》第12期。

Ahmed, NUR, Muntasir Wahed, and Neil Thompson C., 2023, “The Growing Influence of Industry in AI Research,” Science, Vol. 379, No. 6635.

Bengio, Yoshua, “Reasoning through Arguments Against Taking Ai Safety Seriously,” .

Bitzer, J., W. Schrettl, and P. J. H. Schröder, 2007, “Intrinsic Motivation in Open Source Software Development,” Journal of Comparative Economics, Vol. 35, Iss. 1.

Calabresi, Guido and A. D. Melamed, 2013 “Property Rules, Liability Rules, and Inalienability: One View of the Cathedral,” in Richard A. Epstein (ed.), Modern Understandings of Liberty and Property, New York: Routledge.

Brandeis, L., 1914, “Other People’s Money: Serve One Master Only,” .

Cohen, Julie E., 2012, Configuring the Networked Self: Law, Code, and the Play of Everyday Practice, New Haven: Yale University Press.

EBSCO, 2023, “U.S. Government Bails out Chrysler Corporation,” .

Fortis, Savannah, 2023, “Biden AI executive order ‘certainly challenging’ for open-source AI - Industry Insiders,” .

Hoffmann, M., Frank Nagle, & Yanuo Zhou, 2024, “The Value of Open Source Software,” Harvard Business School Working Paper, No. 24-038, .

Lipsey, R. G., K. I. Carlaw, and C. T. Bekar, 2005, Economic Transformations: General- Purpose Technologies and Long-term Economic Growth, Oxford University Press.

LLaMA, 2023, “LLAMA 2 Community License Agreement,” .

McGaughey, E., 2024, “Economic Democracy: A Brief History and the Laws That Make It,” .

McGaughey, E., 2023, “Five Principles of Economic Democracy,” in Isabelle Ferreras (ed.), Democratizing the Corporation: The Bicameral Firm and Beyond, London: Verso.

Metz, R., et al., 2024, “OpenAI, Google and Anthropic Are Struggling to Build More Advanced AI,” .

Newsom, G. 2024, “To the Members of California State Senate,” .

Office of the Attorney General, n.d., “Department of Justice’s Review of Section 230 of the Communications Decency Act of 1996,” .

Sabel, C., 2012, “Dewey, Democracy, and Democratic Experimentalism,” Contemporary Pragmatism, Vol. 9, No. 2.

Sabel, C. F., 1982, Work and Politics: The Division of Labor in Industry, Cambridge University Press.

Vincent, James, 2025, “Remarks by the Vice President at the Artificial Intelligence Action Summit in Paris, France,” .

Vincent, James, 2023, “OpenAI co-founder on company’s past approach to openly sharing research: ‘We were wrong’,” .

Walsh, P. F., et al., 1915, Final Report of the Commission on Industrial Relations, Chicago: Barnard & Miller Print.

Weber, S., 2005, “The Political Economy of Open Source Software and Why it Matters,” in Robert Latham and Saskia Sassen (eds.), Digital Formations: IT and New Architectures in the Global Realm, Princeton University Press.

Webb, S. and B. Webb, 1965, Industrial Democracy, New York: Sentry Press.