PPT_補充
開放還是封閉系統：從 Netscape、Linux、Android 到 AI
核心重點總表
核心問題 |
主要結論 |
代表案例 |
開放是否一定優於封閉？ |
不是。開放擅長擴大參與、降低進入門檻；封閉擅長維持一致性、品質與責任控制。 |
Linux、Android、iOS |
什麼才算真正開放？ |
必須區分開放標準、開放原始碼、開放權重、資料開放與僅提供 API。 |
OSI、AOSP、AI 模型 |
開放是否等於沒有治理？ |
不是。成功的開放系統通常具有授權、維護者、審查、版本與相容性制度。 |
Linux、Mozilla |
封閉是否只是壟斷？ |
不一定。封閉也可能用於集中更新、資安控管、品質保證與責任追蹤，但容易造成平台鎖定。 |
Apple、封閉 AI API |
AI 為何比傳統軟體更難？ |
模型權重一旦釋出便可複製、微調與移除防護；但封閉模型又可能形成黑箱及少數公司壟斷。 |
開放權重與前沿模型 |
目前影響力最大的開放系統有哪些？ |
Android在行動裝置居主導地位，Linux主導網站、雲端與高效能運算；Chromium、Kubernetes及開放AI框架則形成重要技術基礎。 |
Android、Linux、Chromium、Kubernetes |
中國開放權重AI有何影響？ |
將壓低模型價格、加速在地部署與主權AI，並迫使全球企業調整開放策略；同時也增加供應鏈、安全與治理風險。 |
Qwen、DeepSeek及中國開放權重生態 |
技術史是否必然由封閉走向開放？ |
不是。歷史較常呈現某一層開放後，控制權轉移到更高層的雲端、商店、晶片、資料或服務。 |
網際網路、Android、AI |
NVIDIA 的立場是什麼？ |
支持開放權重與廣泛部署，既有促進生態的公共理由，也符合擴大 GPU、網路與軟體需求的商業利益。 |
Open Weights and American AI Leadership |
較可行的制度為何？ |
採分層混合模式：開放標準與中低風險基礎能力，高風險能力分級存取，封閉系統必須可稽核、可替換。 |
AI 治理建議 |
教材大綱
單元 |
學習內容 |
一、開放與封閉的層次 |
區分標準、原始碼、權重、資料、API與平台治理。 |
二、Netscape與Mozilla |
理解開放如何保存技術與競爭，但不必然挽救原公司。 |
三、Linux |
理解開放授權、維護者治理與商業服務如何共存。 |
四、Android與Apple |
比較開放核心、相容性控制與垂直整合。 |
五、主要開放系統的市場影響力 |
比較Android、Linux、Chromium、Kubernetes與開放AI工具的地位。 |
六、AI的特殊性 |
分析權重、資料、程式碼與服務層的不同風險。 |
七、中國開放權重AI |
分析價格、生態、主權AI、國際標準與安全治理的影響。 |
八、NVIDIA的立場 |
從開放權重倡議、基礎設施利益與混合生態分析其政策位置。 |
九、開放與安全 |
比較透明稽核、能力擴散、集中監控與供應商鎖定。 |
十、歷史案例的共同規律 |
比較Netscape、Linux、Android與AI的開放模式。 |
十一、從封閉走向開放？ |
理解技術史不是單向進程，而是開放與再集中反覆循環。 |
十二、制度建議 |
提出分層、分級、可稽核與可替換的混合治理模式。 |
一、開放與封閉不是單一選項
系統是否「開放」，不能只看使用者是否免費取得產品。真正的開放涉及技術、法律、治理與商業模式。相同產品可能在某一層開放、另一層封閉。例如 Android 的核心原始碼可以取得，但進入完整的 Google 行動服務生態仍須符合相容性與授權條件。
形式 |
開放內容 |
使用者權利與限制 |
開放標準 |
協定、格式與介面 |
可促進不同系統互通，但不代表實作程式碼公開。 |
開放原始碼 |
程式原始碼 |
通常允許使用、研究、修改與散布，實際權利依授權條款而定。 |
原始碼可見 |
可閱讀的程式碼 |
可能禁止修改、商用或重新散布，不能直接等同開放原始碼。 |
開放權重 |
已訓練模型參數 |
可本地部署或微調，但訓練資料、程式與方法可能仍然封閉。 |
開放 API |
標準化服務介面 |
方便接入功能，但核心系統、價格與規則仍由供應商控制。 |
封閉平台 |
產品、商店、更新與規則集中管理 |
一致性較高，但容易形成平台依賴與轉換成本。 |
Open Source Initiative 對開放原始碼 AI 的定義指出，只公開模型權重仍不足以保證使用者能完整研究、修改與重建系統；還必須考慮資料資訊、程式碼與模型參數。這說明 AI 時代的「開放」比傳統軟體更難以用一個標籤概括。
二、Netscape：開放能保存技術，不一定能挽救企業
1990年代瀏覽器競爭中，Netscape 面對的不只是另一套瀏覽器，而是掌握桌面作業系統與預設安裝通路的 Microsoft。當 Internet Explorer 與 Windows 結合，競爭從產品功能轉為平台、通路與商業模式的競爭。
比較項目 |
Netscape |
Microsoft |
主要戰場 |
瀏覽器及伺服器軟體 |
Windows 平台與其附帶服務 |
取得方式 |
使用者另行下載或購買 |
可隨作業系統直接取得 |
收入壓力 |
瀏覽器本身需支持營運 |
可由作業系統與其他業務支撐 |
競爭優勢 |
早期品牌、技術與開發者 |
平台控制、預設位置與資本 |
1998年 Netscape 釋出瀏覽器套件原始碼，Mozilla 計畫由此形成。其歷史意義不是「開源立即逆轉商業敗局」，而是把私人公司的技術資產轉化為可持續發展的公共技術與社群。Netscape 的企業地位沒有因此完全恢復，但 Mozilla 與 Firefox 延續了瀏覽器多元競爭。
三、Linux：開放的成功依賴治理，而不是取消治理
Linux 核心依 GNU General Public License version 2（GPL-2.0）授權。開發者可以取得、修改與散布程式碼，但正式核心仍有維護者、子系統負責人、程式碼審查與版本管理。任何人都能建立自己的版本，不等於任何修改都會進入官方核心。
常見誤解 |
實際情況 |
開放代表任何人都能改官方版本 |
任何人可以提出或建立版本，但正式納入須經審查與維護流程。 |
免費代表沒有商業價值 |
企業可從雲端、硬體、技術支援、資安與維運服務獲利。 |
程式碼公開就自然安全 |
公開增加稽核機會，但仍需要持續修補、責任分工與安全維護。 |
開放系統沒有權力中心 |
權力由公司所有權轉為維護權、聲望、社群規則與技術判斷。 |
Linux 最重要的制度創新，是讓多家公司共同投資基礎層，再於雲端、硬體、服務與應用層競爭。因此，開放未消滅企業，而是重新安排企業在哪一層獲利。
四、Android與Apple：開放核心和封閉整合的兩種道路
Android Open Source Project（AOSP）允許廠商取得與修改原始碼，但若要成為 Android 相容裝置，必須符合 Compatibility Definition Document（CDD）並通過 Compatibility Test Suite（CTS）。Google Play 與 Google Mobile Services 則屬另一層授權與控制。
層次 |
Android模式 |
Apple模式 |
作業系統核心 |
AOSP 原始碼開放，可由多家硬體廠商採用 |
核心與主要系統由 Apple 集中控制 |
相容性 |
以 CDD、CTS 維持應用程式相容 |
由單一硬體與系統設計維持一致 |
應用程式通路 |
主流裝置通常依賴 Google Play |
主要依賴 App Store |
更新 |
受到 Google、晶片商、製造商與電信商協作影響 |
Apple 可對支援裝置集中推送 |
市場效果 |
快速擴張、硬體多樣，但可能碎片化 |
體驗一致、控制力強，但平台限制較高 |
Android 顯示，開放核心不等於整個生態完全開放；Apple 則顯示，封閉整合可以帶來更新、安全與使用體驗的一致性。兩者都不是純粹的技術選擇，而是不同的價值鏈與控制權安排。
五、目前影響力最大的開放系統
「市占最高」必須依使用情境判斷。行動裝置、網站伺服器、超級電腦、瀏覽器核心及雲端平台沒有一個共同分母，因此不能用單一比例排列所有開放系統。較適合的做法，是觀察它們在各自領域是否已成為主要基礎設施。
領域 |
主要開放系統 |
市場與生態地位 |
行動裝置 |
Android／AOSP |
StatCounter於2026年7月估計，Android約占全球行動作業系統68.38%，是使用者規模最大的開放核心作業系統。 |
網站與雲端伺服器 |
Linux |
W3Techs於2026年7月估計，Linux運行於約61.7%可辨識作業系統的網站，也是雲端、容器與AI伺服器的主要基礎。 |
高效能運算 |
Linux及Linux衍生系統 |
2026年TOP500名單中的超級電腦大量採用Linux、RHEL、Ubuntu、Rocky Linux、Kylin等Linux系統，顯示其在高效能運算的主導地位。 |
瀏覽器核心 |
Chromium |
Chrome、Edge、Brave、Opera等瀏覽器以Chromium為基礎；原始碼開放，但開發方向仍高度受Google影響。 |
雲端原生平台 |
Kubernetes |
Kubernetes成為容器編排與多雲部署的重要共同標準，讓企業能在不同雲端及本地環境移轉工作負載。 |
AI開發工具 |
PyTorch、TensorFlow、JAX、Transformers |
模型框架與工具鏈多採開放原始碼，使研究成果可以快速重現、修改與部署。 |
這些案例顯示，開放系統的影響力常不在消費者直接購買的產品名稱，而在它是否成為其他產品共同依賴的底層。Linux、Chromium與Kubernetes雖由企業大量投入與主導，仍允許多方共同使用、修改及建立服務；因此開放與集中治理可以同時存在。
六、AI為何使開放與封閉的爭議升級
傳統軟體的原始碼通常需要專業人員編譯、設定與部署。AI模型權重一旦公開，使用者可能直接進行本地推論、微調、量化、建立代理，甚至移除部分安全限制。模型的複製成本也遠低於最初訓練成本，因此「發布後難以召回」成為核心風險。
AI層次 |
開放後的價值 |
主要風險 |
研究論文與方法 |
促進驗證、教育與科學累積 |
可能加快敏感能力擴散 |
訓練與推論程式碼 |
提高重現性與工具創新 |
可協助重建或強化模型 |
訓練資料資訊 |
有助偏誤、著作權與來源稽核 |
涉及隱私、商業秘密與資料權利 |
模型權重 |
支援本地部署、客製化與主權 AI |
防護可被移除，能力可大量複製 |
封閉 API |
便於集中更新、監控與撤銷存取 |
形成黑箱、定價控制與供應商鎖定 |
七、中國開放權重AI對全球生態的影響
中國AI並非整體都採取完整開放原始碼模式。較精確的說法是：許多中國模型公司積極發布開放權重模型，但訓練資料、完整訓練程式、資料清理流程、線上服務與部分旗艦版本仍可能封閉。Qwen、DeepSeek、GLM、Kimi、MiniMax及Hunyuan等模型系列，共同形成規模可觀的開放權重生態。
影響面向 |
可能產生的效果 |
需要注意的限制 |
模型價格與商業模式 |
可下載及自行部署的模型增加替代選項，壓低封閉API的價格與模型租金。 |
訓練、微調與推論仍需算力，成本可能轉移到晶片、雲端及維運層。 |
全球開發者生態 |
中小企業、學校及新興市場可直接採用成熟模型，不必從零訓練。 |
開放權重不等於資料與方法完全透明，使用者仍須評估授權、來源與品質。 |
在地化與主權AI |
政府與企業可在本地資料中心部署，加入語言、法規及產業資料，降低對外國API的依賴。 |
本地部署不自動保證安全，仍需要資安、更新、稽核及人才。 |
技術標準與路徑依賴 |
大量微調與衍生版本可能使模型架構、Tokenizer、推論格式與工具介面成為事實標準。 |
標準若由少數模型家族主導，也可能產生新的生態依賴。 |
美中產業競爭 |
迫使美國及其他國家的模型企業重新評估開放策略，避免開放生態完全由中國模型占據。 |
過度以國籍限制模型可能提高成本、減少競爭，並使研究與企業部署受阻。 |
安全與治理 |
外部研究者可檢查、測試及改良模型，也可用於防禦和教育。 |
安全限制可被移除，模型可能被用於詐騙、網路攻擊或其他高風險用途，發布後難以召回。 |
Stanford HAI在2025年底的研究指出，中國已形成不只依賴單一DeepSeek的多元開放權重生態。2026年的ATOM Report進一步指出，中國模型在2025年超越美國開放模型，並持續擴大在下載、衍生模型、推論使用與性能上的影響。這種變化代表全球AI競爭不再只比較哪一家公司的封閉聊天服務最好，也開始比較哪一個模型家族能吸引最多開發者、衍生模型與部署平台。
中國開放權重策略最可能造成的長期結果，是讓基礎模型逐漸商品化。當不同供應商都能提供相近能力時，價值會往資料、產業知識、代理工作流程、雲端服務、晶片、資安與長期維護移動。這與Linux的歷史相似：共同基礎層愈開放，上層服務與治理就愈重要。
八、NVIDIA的立場
觀察面向 |
核心重點 |
公開主張 |
NVIDIA 與多家企業支持開放權重模型，認為其有助研究、創業、競爭、在地部署與技術自主。 |
基礎設施位置 |
NVIDIA 主要提供 GPU、網路、系統與軟體工具；不同模型路線都可能形成其運算需求。 |
商業誘因 |
開放權重使更多組織能自行部署與微調模型，通常會增加推論、訓練與邊緣運算需求。 |
生態策略 |
NVIDIA 不必只押注單一模型公司，而可支援開放模型、封閉 API、雲端模型與本地模型並存。 |
公共論述與企業利益 |
支持開放可以同時促進開發者參與與市場競爭，也符合擴大運算平台使用量的商業利益。 |
不宜個人化 |
這不是單一企業領導者的個人偏好，而是 NVIDIA 在 AI 產業鏈位置、產品組合與生態策略的制度性選擇。 |
2026年7月的《Open Weights and American AI Leadership》主張，美國不宜過早限制開放權重模型，並把開放權重與創新、競爭、科學研究、國家自主及廣泛採用連結起來。從公共政策角度看，這種立場有助於避免前沿模型能力完全集中在少數公司；從企業策略看，更多模型被訓練、微調與部署，也會擴大 GPU、伺服器、網路、推論軟體與開發工具的需求。
因此，NVIDIA最適合被理解為「基礎設施與生態擴張者」，而不是單純的激進開放派。它可以同時支援開放權重模型與封閉模型服務，因為兩種模式都需要算力。其理想市場不是某一個模型獨占，而是大量模型、代理與應用在共同的運算平台上競爭。
過度簡化的說法 |
較精確的分析 |
NVIDIA支持開放純粹是理想主義 |
其立場同時具有公共政策理由與明確的基礎設施商業利益。 |
NVIDIA只支持開放模型 |
它也與封閉模型公司、雲端服務商和企業軟體生態合作。 |
支持開放等於主張毫無限制地公開所有模型 |
開放權重倡議不必然否定對高風險能力進行評測、分級或限制。 |
AI產業只有開放、封閉與硬體三派 |
實際上還包括混合模式、主權AI、雲端平台與產業專用模型等多重策略。 |
未簽署倡議就必然反對所有開放模型 |
企業可能基於能力風險、政策措辭、競爭策略或治理責任而不參與特定倡議。 |
九、開放與安全並非簡單對立
模式 |
可能提升安全的原因 |
可能降低安全的原因 |
開放 |
外部研究者可稽核；可離線部署；組織能自行修補與控制資料。 |
攻擊者也能研究；防護可移除；權重一旦釋出難以召回。 |
封閉 |
可集中監控、更新、撤銷帳號及限制大規模濫用。 |
外界難以稽核；供應商可能隱瞞問題；形成集中攻擊目標與黑箱依賴。 |
安全的真正問題不是「看得到」或「看不到」，而是誰可以檢查、誰可以修改、誰可以部署、誰能停止系統，以及事故發生後誰負責。開放與封閉都可能安全，也都可能危險；差別取決於治理能力與應用情境。
十、從四個歷史案例得到的規律
案例 |
開放帶來的力量 |
開放的限制 |
Netscape／Mozilla |
保存技術路線與市場競爭的可能性 |
無法立即彌補平台與通路劣勢 |
Linux |
共同維護基礎設施，降低單一供應商控制 |
需要授權、維護者、審查與長期投入 |
Android |
快速吸引硬體廠商與開發者，擴大市場 |
碎片化風險與關鍵服務的再集中 |
AI開放權重 |
支援研究、本地部署、客製化與技術自主 |
高能力擴散後難以撤回，安全責任分散 |
共同規律是：開放最擅長擴大參與與創造生態，封閉最擅長維持一致控制與集中責任。真正成功的系統通常不是完全開放或完全封閉，而是決定哪一層共享、哪一層治理、哪一層收費，以及哪一層承擔風險。
十一、技術史是否必然從封閉走向開放？
技術史並不是由封閉必然走向開放的單向進步。較常見的情況是：某一層因開放而快速普及，新的企業再於更高一層建立控制點。開放會打破舊有瓶頸，但不會自動消除市場集中。
歷史案例 |
首先開放的層次 |
後來形成的新控制點 |
網際網路 |
TCP/IP、HTTP與HTML等開放標準 |
搜尋、社群、廣告與雲端平台集中於少數企業。 |
Netscape／Mozilla |
瀏覽器原始碼及網頁標準 |
Chromium成為主要核心，開發方向再次集中於大型企業。 |
Linux |
作業系統核心與大量工具 |
雲端服務、企業管理平台及資料中心由少數供應商掌握。 |
Android |
手機作業系統核心 |
應用程式商店、搜尋、地圖、帳號與行動服務成為新控制點。 |
AI |
研究論文、框架及愈來愈多開放權重模型 |
前沿算力、晶片、訓練資料、雲端推論及使用者入口仍高度集中。 |
因此，AI未來不太可能完全開放，也不會維持全面封閉。較可能的格局是：中小型與成熟模型愈來愈開放，最新前沿模型先以封閉服務發布；研究工具與介面趨向標準化，但高品質資料、算力、晶片及大規模服務仍由少數企業控制。企業則混合使用本地開放模型與外部封閉API。
AI層次 |
較可能的發展方向 |
研究方法與開發工具 |
持續開放，成為共同知識與工程基礎。 |
中小型與成熟模型 |
逐漸商品化，更多權重可下載、微調及本地部署。 |
最新前沿模型 |
為回收成本、控制風險與維持優勢，通常先採封閉API或有限存取。 |
企業應用 |
採混合架構，敏感資料使用本地模型，高能力任務使用外部服務。 |
關鍵基礎設施 |
晶片、資料中心、雲端與高品質資料仍可能高度集中。 |
治理制度 |
由單純區分開放或封閉，轉向依能力、部署規模及使用情境分級。 |
歷史真正顯示的不是「封閉終將消失」，而是控制權不斷移動。制度設計的任務，是避免共同基礎被單一企業永久鎖定，也避免高風險能力因完全無治理的開放而失控。
十二、AI時代的建議：分層、分級與可替換
治理原則 |
具體做法 |
基礎層盡量開放 |
開放標準、評測、安全工具、研究方法及中低風險模型。 |
高風險能力分級 |
依網路攻擊、生物化學、自主行動與大規模詐騙等能力決定存取條件。 |
封閉系統必須可稽核 |
允許獨立評測、事故通報、決策紀錄與適當的外部監督。 |
確保可替換性 |
資料、提示、代理流程與應用不應被單一模型或雲端永久鎖定。 |
保留本地與主權部署 |
政府、醫療、教育及關鍵產業應有安全的本地部署選項。 |
責任與控制相配 |
模型提供者、部署者及使用者依其實際控制能力分擔責任。 |
較合理的答案不是把所有AI鑰匙交給每一個人，也不是只交給少數公司，而是讓一般用途能力廣泛可用，同時對最高風險能力設定更嚴格的存取、評測與責任制度。
十三、結論
Netscape說明開放能讓技術超越原公司的生命週期；Linux證明開放需要制度化治理；Android顯示開放核心仍可搭配相容性與服務控制；Apple則證明封閉整合能以一致體驗、更新與品質建立價值。AI把這場爭論推向更高風險，因為模型不只執行固定指令，也能生成內容、程式與行動計畫。
中國開放權重模型的快速成長，正在加速模型商品化、在地部署與主權AI，也迫使全球企業重新思考封閉API的價格與生態策略。但歷史並不保證AI會全面開放；控制力可能由模型本身轉移到晶片、雲端、資料、應用商店與代理平台。
因此，開放與封閉不是道德上的二選一，而是權利、責任、風險與商業利益的配置。開放決定誰能參與，封閉決定誰能控制；良好的制度必須同時防止參與被壟斷，也防止高風險能力完全失去控制。
複習思考題與簡易解答
1. 為什麼不能只用「開放」或「封閉」描述一套系統？
簡易解答：因為原始碼、標準、資料、模型權重、API、應用程式商店與治理可能具有不同開放程度。
2. Netscape開放原始碼的主要歷史意義是什麼？
簡易解答：它未必挽救原公司，卻促成Mozilla並保存瀏覽器技術與競爭。
3. Linux如何證明開放不等於沒有管理？
簡易解答：Linux有GPL授權、維護者、程式碼審查、版本控制與正式納入流程。
4. Android為何屬於混合模式？
簡易解答：AOSP核心開放，但相容性、Google Play與GMS等關鍵生態仍受規範與授權控制。
5. AI開放權重與傳統開源軟體有何差異？
簡易解答：權重可直接部署和微調，安全限制也可能被移除；而且只有權重不代表資料與訓練程式也開放。
6. NVIDIA支持開放權重的制度性原因是什麼？
簡易解答：開放權重能擴大模型部署與開發者生態，增加GPU、網路與軟體平台需求，符合其基礎設施位置。
7. 為什麼不應把NVIDIA描述成只支持開放模型？
簡易解答：NVIDIA同時服務開放模型、封閉API、雲端與企業模型，其核心利益是擴大整體算力需求。
8. 開放一定比較安全嗎？
簡易解答：不一定。開放有助外部稽核，也讓攻擊者取得能力；安全取決於治理、修補、部署和責任制度。
9. 目前哪些開放系統具有最大的市場影響力？
簡易解答：Android在行動裝置居主導地位，Linux主導網站、雲端與高效能運算，Chromium、Kubernetes與開放AI框架則是重要技術基礎。
10. 中國開放權重AI會如何影響全球市場？
簡易解答：它會壓低模型價格、擴大本地部署與主權AI、促進在地化，也會增加安全、授權與供應鏈治理問題。
11. 為什麼技術史不能簡化為從封閉走向開放？
簡易解答：某一層開放後，控制權常轉移到更高層，例如雲端、商店、晶片、資料或服務平台。
12. AI治理較可行的方向是什麼？
簡易解答：基礎與中低風險能力開放，高風險能力分級，封閉系統可稽核，並確保使用者可替換供應商。
資料來源
- Mozilla，〈Mozilla 專案歷史〉：Mozilla 專案始於1998年 Netscape 瀏覽器套件原始碼的公開。
- Linux Kernel Documentation，〈Linux kernel licensing rules〉：Linux核心整體採GPL-2.0授權。
- Android Open Source Project，〈Android Compatibility program overview〉及〈Compatibility Test Suite overview〉。
- Open Source Initiative，〈The Open Source AI Definition 1.0〉。
- StatCounter Global Stats，〈Mobile Operating System Market Share Worldwide〉，2026年7月：Android約68.38%。
- W3Techs，〈Usage statistics of Linux for websites〉，2026年7月：Linux約占可辨識網站作業系統61.7%。
- TOP500，2026年6月名單及作業系統統計：超級電腦廣泛使用Linux與其衍生系統。
- Stanford HAI，Beyond DeepSeek: China’s Diverse Open-Weight AI Ecosystem and Its Policy Implications，2025年12月。
- Lambert與Brand，The ATOM Report: Measuring the Open Language Model Ecosystem，2026年4月。
- Qwen官方網站及技術報告；DeepSeek官方模型與研究資料。
- NVIDIA等，Open Weights and American AI Leadership，2026年7月24日。
- OpenAI，〈Introducing gpt-oss〉及gpt-oss說明文件：以Apache 2.0發布開放權重模型。
- Anthropic，公開政策與AI安全資料：主張對高能力模型採風險導向治理，並未主張全面禁止所有開放權重模型。