【摘要】作为人工智能技术创新与生态构建的载体，模型的分发机制主要呈现出“权重开放”与“接口开放”两类模式，这两种技术开放模式决定了控制权的物理边界与风险生成机制的区分。权重开放使得控制权让渡与去中心化风险扩散呈现出链式不可逆的状态，而接口开放则强化了中心化控制与技术黑箱的技术权力结构。现有以一元化监管思路为主导的法律治理体系，在面对这两种截然不同的技术架构时出现了制度错配与功能失效。遵循技术结构影响治理工具选择的应对思路，应当构建差异化的规范治理路径。对于权重开放，应确立以负责任许可为核心的源头治理与尽职免责机制以应对去中心化的滥用风险，对于接口开放则需强化以程序性义务披露与竞争秩序维护为重心的过程监管以治理过度中心化的技术权力滥用。究其实质，这种差异化治理逻辑旨在法律的确定性与技术的流动性之间建立连接，在确保技术红利释放的同时实现安全风险的有效控制。
【关键字】人工智能模型；权重开放；接口开放；技术结构；差异化治理
一、问题的提出
人工智能作为开放创新和共享创新时代的核心驱动力，正经历着从传统的代码开源（Open Source Software）向模型开源（Open Foundation Models）的范式转型，这种转型不仅改变了技术共享的形态，更形成了一种基于模型权重发布的“开放梯度”，极大地降低了下游应用的创新门槛。然而，区别于传统软件以源代码为核心，人工智能模型的复杂性衍生出了两种不同的技术演进路径：一是以OpenAI为代表的接口开放模式，其通过云端封装将模型能力作为服务输出，构建了高度中心化的技术大教堂传播方式；二是以Meta Llama系列为代表的权重开放模式，其将承载智能核心的模型参数向公众释放，试图在去中心化的集市中重构技术生态。这种技术路线的分野改变了权利中知识产权的利用样态，同时也对现有的法律治理体系提出了挑战。
人工智能模型的分发机制是技术逻辑映射市场分配根本性差别的体现，其本质是生产要素在不同技术架构下组织形式的差异性表达。类比于现代商业活动模式，权重开放与接口开放分别体现了资产交付与租赁服务这两种完全不同的范式，在接口开放模式下，模型被锁定为一种在线服务，提供商通过控制访问权限维持着对算法与数据的绝对掌控，商业秘密成为其天然的法律壁垒；而在权重开放模式下，模型转化为可流动的数字资产，一旦权重被下载至本地，发布者即失去了对模型运行状态的实时控制，导致风险生成机制呈现出链式扩散与不可逆转的特征。这种因技术结构不同而导致的控制权物理边界变化，使得传统以代码为治理对象的法律工具在面对算力与权重时发生制度错配与功能失效。
我国学界敏锐地捕捉到了这一技术变革带来的治理难题，并围绕人工智能模型开源的风险属性及规制路径展开了广泛讨论，包括侵权责任认定、法律监管、风险应对、伦理治理、开源模型分类分级，甚至是模型市场竞争问题。然而，当前研究多聚焦于单一维度的风险列举或静态的法律定性，缺乏从权重与接口结构差异视角的系统性比较，也鲜有研究深入剖析权重交付与接口服务这两种技术架构如何直接决定权利的控制边界，进而导致未能解决一元化监管与二元化技术架构之间的矛盾。
因此，本文选取最契合人工智能技术与产业实践本质的治理逻辑，即以技术结构影响治理工具选择为分析框架，试图剖析不同开放模式下的风险传导机制与责任分配逻辑。究其实质，这种差异化治理是试图在法律的确定性与技术的流动性之间建立连接，确保法律规则既能治理中心化架构下的技术权力滥用，也能引导去中心化生态中的无序扩张，从而实现技术红利释放与安全风险控制的动态平衡。
二、人工智能模型权重开放与接口开放的结构差异及其选择面向
人工智能模型的分发机制不是单纯的商业策略差异，而是技术逻辑映射市场分配的根本性差别的体现，其是由生产要素在不同的技术架构下组织形式的差别所造成的，也因此导致法律工具使用的逻辑应当有所不同，同时决定市场竞争的不同发展道路选择。
（一）人工智能模型权重开放与接口开放的技术结构与控制模式
深度学习工程实践当中，模型权重是人工智能系统物理上的核心，也是其核心市场价值所在，权重本质上是经过海量数据预训练固化的神经网络浮点数矩阵，这些矩阵承载了注意力机制中查询、键、值参数以及前馈神经网络层级状态，是人脑知识在向量空间中概率化压缩和表征。当模型使用权重开放模式时，发布者实际上交出了整个推理计算图和参数状态字典，该交付具有完全的离线属性，用户在本地设备或者私有云端加载权重，也就获得了对模型进行全量化、剪枝乃至参数微调的底层读写权限，技术上，这意味着智能物理实体的复制与转移，即发布者一旦交出权重，便可能失去对模型运行时状态的实时控制，模型由一种动态的技术服务变成了可以被处分的静态资产。此种模式冲破传统软件服务里算力和算法捆绑的固有模式，让下游开发者跳出原始发布者的基础设施之外，自主创建起专门领域的应用生态系统，但是同时也造成原始发布者在技术掌控方面失去对模型后续迭代、使用的话语权，致使物理层面控制被转移。
接口开放则创建起一个严格的推理隔离层，在此模式下，模型权重一直保存在提供商控制的显存里，并没有被序列化传输到用户端。用户只能通过应用程序接口发送上下文窗口内的文本序列，然后得到概率预测后的结果。此种结构把输入和输出在逻辑上分开，提供方拥有系统提示词、概率过滤、人类反馈强化学习实时干预的权利，从技术角度讲，接口开放模式属于无状态或者会话级状态的远程调用，用户不能访问模型梯度，也不能反向传播修改模型本身。因此，接口开放就形成了一种以访问权代替所有权的控制模式，把人工智能能力包装成一个看不见的黑箱服务。该中心化的控制结构既使得服务提供商可以实时监控并且阻止违规请求，也可以使服务提供商凭借着不断地从用户行为中得到的数据反馈来进行不断的改进和完善算法性能，最终形成了自己的一种竞争态势。
（二）不同开放模式下的差异化行为能力、责任主体与规制选择
技术结构的不同决定了控制权的物理边界，也同时影响了法律保护工具的选择。在现行知识产权保护体系当中，商业秘密与版权分别成为封闭模式和开放模式的主要保护方式，而两者又共同受到竞争法律的规制。
在接口开放模式下，商业秘密成为主要的法律壁垒。由于基础模型的训练成本较高且具有很高的商业价值，将它的参数集纳入商业秘密保护范围具有天然的法理适应性。就技术本身而言，模型权重属于不为公众所知悉、具有商业价值且权利人已采取相应保密措施的技术信息，接口开放的技术架构就是保持秘密性要件最强的物理手段，有效地阻止了竞争对手通过逆向工程来获取核心参数。以技术黑箱为载体的商业秘密保护，实际上建立了一种比专利权更强大的排他性权利，因为这种权利不受法定期限的限制，也不需要承担公开技术方案的义务，但是这种保护模式也导致了严重的透明度危机，商业秘密赋予了权利人对模型内部运行逻辑的绝对排他权，使外部监管陷入不可知论的困境。当算法决策涉及到公共利益时，商业秘密就成为拒绝算法解释和审计的合法理由。另外，接口开放模式下运用模型输出训练小模型是否构成侵犯商业秘密的问题在全球司法实践中还存有争议，例如将接口开放的输出看作纯粹的数据事实，则难以主张侵权；但如果把接口开放输出当作模型智能的衍生映射，就会触及反不正当竞争法规制的边界，这就需要监管在保护创新投入和促进知识溢出之间找到一个新的平衡点。
假设选择权一旦开放，那商业秘密的秘密性基础就会逐步瓦解，权利人只能退守到尝试寻求版权法的保护。但是模型权重是否属于著作权法意义上的作品，在理论上存在很大的争议。权重矩阵本质上是数学运算的结果，是算法在海量数据上通过梯度下降找到最优解的过程记录，并没有传统作品所要求的独创性表达和人类智力创作的直接对应关系，更接近于功能性数据或者事实的集合。根据著作权法中的合并原则，当思想和表达不能区时，表达本身不受保护。在使用同样的数据集、结构、超参数进行模型训练时，模型的权重收敛具有高度的客观必然性，也使得模型不太可能成为受到著作权法保护的作品。但是有些企业仍然通过版权合同的方式对开放权重的下游使用进行限制，该策略试图用开源许可证将著作权的控制力延伸到模型的使用行为上，即禁止用该模型来改进其他模型或者限制大规模商业应用。这种接口开放实际上是一种有条件的权利转让，但是它的保护机制非常脆弱，一方面，如果权重本身不被认定为作品，那么基于版权的许可证就没有权利基础；另一方面，权重的数字流动性使得违约追踪成本很高，一旦权重泄露到去中心化的网络中，法律上的追偿实际上无法弥补技术的不可逆扩散。
无论是通过商业秘密还是版权的保护路径，最终都会被竞争法的治理视野所涵盖。在接口开放模式下，基于商业秘密的封闭生态很容易产生必要设施效应，当某个前沿模型成为数字经济基础设施时，提供者会利用接口开放的定价权和访问权来实施拒绝交易或者差别待遇，这或构成滥用市场支配地位。垄断风险不只在价格上体现，更是对下游创新方向的控制，服务商可以对接口开放参数进行调整，也可以限制某些请求，从而实质上控制下游的应用发展。而权重开放表面上推进了技术的普惠化，但也可以被看作是一种掠夺性的开源，即巨头企业通过免费发布高质量权重，把模型推理能力商品化，破坏了中小初创公司以接口开放收费的商业模式，巩固了自己在生态系统中的主导地位。这与历史上浏览器商业战争中免费的策略思路一致，都是为了破坏互补品的价值来维持自身的生态垄断，把模型权重这个核心资产贬值成免费的基础设施，巨头企业把竞争对手拉入算力、数据、云服务等互补性资产的竞争中，而这些正是科技巨头最擅长的领域。因此，竞争法的治理重点在于识别开放背后的排他性意图，防止技术开放成为扼杀潜在竞争的手段。
（三）开放模式的选择伴生对后续市场结构与创新生态的影响
不同的开放模式选择正在改变人工智能产业的市场结构和创新生态。接口开放模式容易产生寡头垄断、应用依附的垂直整合结构。由于当前模型训练部分遵循规模定律，只有少数几家巨头才有可能承担高昂的算力成本，下游的应用开发者只能依附于巨头企业的接口开放之上，从而产生很强的供应商锁定。在这种结构之下，创新的大部分利润被底层模型厂商通过接口开放调用费攫取，造成应用层创新乏力，随时面临被模型厂商原生功能覆盖的风险。这种依附性的市场结构还会造成技术发展路径依赖，下游应用完全受制于上游模型迭代的快慢和能力边界，不太容易进行底层架构的创新。接口开放模式下的数据回流机制又加剧了马太效应，用户在使用过程中产生的高质量数据被服务商无偿占有，用于优化模型，使领先者和追赶者的差距越来越大。
相反，权重开放则形成了底层同质化、垂直差异化水平分工的生态。开源社区的兴旺说明当权重成为公共品之后，创新的重点就从训练模型转移到微调、量化以及边缘部署。该模式降低了市场准入门槛，使中小企业、学术机构可以在主流模型的基础上进行二次开发，产生大量的专用模型，这些模型针对的是某个领域或者场景。而分布式创新模式极大地加快了技术的扩散和应用，同时也带来了公地悲剧的担忧，如果没有商业回报，使用免费获得参数权重的主体可能就没有动力去研发下一代前沿模型。当模型训练成本极高，单靠开源社区的捐款或者企业的公益投资是无法保证研发可以持续进行，因此，权重开放模式虽然在短期内促进了生态繁荣，但是长期会陷入基础研究投入不足的结构性危机之中，这就需要市场去探索一种可以将开源精神与商业回报结合起来的新型激励机制。
三、人工智能模型权重开放与接口开放的风险区分与治理困境
技术结构的不同决定了商业模式的差异，也造成了风险生成机制的差异性，使现有的责任体系在面对两种模式时出现明显的制度失灵。失灵并不是由于法律规则的缺失，而是因为法律所预设的生产方式和人工智能时代实际的生产流程之间产生了根本性的错位。
（一）安全风险的差异化生成与扩散路径
接口开放模式下的风险主要是交互式过程中产生的风险，即提示词注入、诱导生成等内容。风险发生在推理阶段，具有动态博弈的特点，由于权重处在黑箱保护之下，攻击者只能依靠试探来查找漏洞，对此服务提供方具有修复能力，一旦发现漏洞，可以在服务端更新系统提示词或者过滤器，瞬间阻断全球所有用户的攻击路径。因此，在接口开放模式下风险的扩散依靠中心节点的稳定，具有可逆性和可控性。但是中心化的防御机制也存在单点故障的隐患，一旦中心模型被攻破或者出现系统性偏差，其影响就会瞬间波及所有依赖该接口开放的下游应用。另外，接口开放模式下的风险还存在着一种隐蔽的操纵风险，服务商可以通过改变模型输出的概率分布，潜移默化地影响用户的认知和决策，也正是由于算法黑箱的存在，这种操纵很难被有效察觉。
权重开放模式下的风险是本体性风险，核心即是安全护栏的剥离。经过人类反馈强化学习对齐的安全模型，可能不太需要很多的数据和算力就可以通过微调去除安全限制。这类风险的存在呈现结构性的特征，因为用户修改了模型的内部参数，一旦恶意微调后的权重流入到去中心化网络中，就会呈现出扩散式的传播特点，没有任何中心化的机构可以收回或者删除这些调参数据。不可逆性使得权重开放成为自动化网络攻击工具或者生物武器知识扩散的源头，与软件漏洞不同的是，人工智能模型的恶意能力一旦被释放出来，具有自我进化的能力和各种恶意软件相结合，就有可能形成智能化的攻击链条。同时，权重开放可能会造成深度伪造技术泛滥，缺少中心化的内容水印和溯源机制，使得由本地模型产生的虚假信息很难被追踪和识别，对机器的社会信任造成很大威胁。
（二）权利保护与责任承担中的制度不适
就权利保护和责任承担而言，现行法律制度面对这类问题呈现出规则错配的状态。对接口开放模式，商业秘密保护虽然可以维护企业的竞争优势，但是在侵权认定上却出现了举证困难。当权利人怀疑接口开放模式输出的侵犯其著作权的内容或者存在算法歧视时，由于无法接触到模型权重，就无法完成接触加实质性相似的举证责任或初步举证证明商业秘密未采取保密措施等内容，且商业秘密相关规定与算法透明度原则在这时就直接产生冲突，造成司法救济的失效。这样的制度性障碍使受害者常常会陷入举证不能的困境，实际上实现了接口开放服务商一定程度的侵权豁免权。为了解决以上问题，一些法域尝试实行举证责任倒置或者算法审计制度，但由于商业秘密保护逻辑强势，这些努力总体上收效甚微。
对于权重开放模式，以著作权或者合同为基础的开源许可证试图限制下游的恶意使用，但是实践中存在责任主体分散不清的困境。当模型权重经过多层微调、量化之后，再被不同的主体部署时，原始发布者和最终的危害结果之间的因果链条就有可能被切断。发布者一般依据技术中立原则以及开源免责条款来主张免责，实际控制人则可能隐藏在去中心化的网络里。传统的产品责任原则基于制造者控制风险的逻辑，在此处可能无法有效适用，因为制造者在交付权重的那一刻就失去了对产品的控制能力。失去控制力状况下受害者很难找到适格的赔偿主体，也使得法律威慑力大打折扣，除此之外，现有的开源许可证体系大多只对知识产权的授予与保留作出规定，缺少对伦理风险、安全责任的有效规制，因此，基于合同的治理模式在面对公共安全风险时就会显得无能为力。
（三）一元化监管思路下的规范错配
目前的监管思路大多采取的是过程监管和守门人责任，从本质上讲，这种方式主要是为应对中心化的接口开放模式。我国《生成式人工智能服务管理暂行办法》（以下简称《暂行办法》）创造性地把责任主体分为服务提供者和技术支持者，与接口、权重分发的逻辑形成有效对应。对接口开放运营者来说，《暂行办法》要求其承担内容审核、用户实名认证、防沉迷等严格的义务，实际上要求运营者具备强大的技术管控能力，而接口开放模式的中心化控制技术特征刚好与之契合。但对只提供模型权重的技术支持者，虽然《暂行办法》规定了有限义务，但是在实践中开发者只把模型权重上传到开源社区，是否构成向境内公众提供服务还存在模糊地带。强制要求开源开发者和接口开放的企业承担相同的内容审核义务实质上是不公平的，因为他们无法有效控制模型运行时的输入输出。
规范错配的深层原因是竞争法和人工智能相关监管规则目标的内在冲突。竞争法更偏向于打破大企业的垄断，以促进市场的有效竞争；而人工智能相关监管规则更偏向于防范危险能力或风险的扩散。由此二者的不同面向就容易造成监管信号的混乱，如果强行套用统一的标准，只会造成开源社区的萎缩或者迫使开源模型走名义开源实则限制获取的虚假开源之路，最终阻碍技术创新和生态繁荣。因此，未来的法律治理不能只依靠一元化的监管思路，而应该建立差异化的治理框架，对于接口开放模式要突出其作为信息基础设施的公共性，加强算法透明度、严格的内容审核义务；对权重开放模式则应当重在源头治理、社区规范，创建模型风险分级制度、恶意使用追踪机制，在安全的基础上发挥最大的技术红利，从而正视技术架构的差别，创建起既适应生产力发展又可以有效控制风险的法律治理体系。
四、面向不同开放模式的差异化治理框架构建
权重开放与接口开放虽同属模型能力的对外释放，但两者在技术架构、风险传导机制与主体关系结构上呈现出明显差异。循此逻辑，沿用统一化的治理范式已难以有效回应不同开放模式的治理需求，需要探索差异化的规范路径。
（一）差异化规范选择的开放模式治理框架
构建人工智能模型开放治理的法律框架，首要前提在于精准识别不同开放模式在风险传导机制与责任分配逻辑上的本质差异。Hugging Face全球政策负责人lrene Solaiman在分析生成式人工智能发布策略时指出，开源并非非黑即白的二元状态，而是一个呈现出从单纯代码公开到模型权重完全释放的连续谱系。在此谱系中，权重开放与接口开放构成了两种不同的治理场景，二者在控制权保留程度上的区别决定了单一维度规制范式的局限。
权重开放所引发的控制权让渡导致传统中心化监管模式陷入技术控制困境。既然模型权重已脱离开发者的控制，原本基于源头管控的治理手段便难以触及下游千变万化的应用场景，从而导致风险治理的被动。换言之，权重开放后的风险具有显著的外溢性与不可控性，若继续沿用针对平台服务商的强监管义务，不仅无法实现责任落实，反而会因责任边界不清而抑制开源社区的创新活力。
与权重开放形成互补的是，接口开放模式保留了治理主体的技术控制力，模型本体始终运行于服务提供者的云端服务器中，开发者通过应用程序接口向外输出计算能力而非模型实体。这种架构使得开发者依然掌握着对输入内容与输出结果的实时阻断权与过程监管权，有利于在风险发生的萌芽阶段进行干预，且能够清晰地划分上下游主体的责任边界。相比于权重开放的去中心化，接口开放更接近于传统的服务监管逻辑，其风险更多集中在数据泄露或服务中断等中心化节点，而非不可控的社会化扩散。
基于上述技术与风险逻辑的断裂，若对两类模式适用同质化的法律规制将不可避免地背离公法上的比例原则。比例原则要求公权力的介入程度必须与风险的程度及规制手段的有效性相匹配。若要求权重开放者承担与接口提供者同等的全流程安全义务，可能因合规成本过高而扼杀模型开发商或个人开发者的生存空间并形成事实上的技术垄断；反之，若以权重开放的宽松标准去监管接口服务，则会放纵掌握巨大算力资源的平台巨头逃避其应尽的守门人责任。因此，如欧盟《人工智能法》将模型应用场景、风险等级与治理方式的区分匹配的做法，差异化治理应当是规制治理理论在人工智能领域的具体展开。这一框架要求构建一种与技术控制能力相适应的多层次责任体系，即对于权重开放侧重于源头的透明度披露与免责抗辩机制的构建以激发创新公地的活力，对于接口开放则侧重于过程控制与安全保障义务的落实以确保技术红利在安全可控的路线上释放。
（二）以可控性与可追责性为核心构建模型权重开放治理规则
面向模型权重开放这一技术场景，治理重心的构建应当致力于在开发者的源头安全义务与使用者的末端滥用风险之间确立合理的责任机制。鉴于开源生态中因果链条的拉长与复杂化，法律责任的重心应从单纯的技术提供者向实际产生危害后果的下游应用者转移，即在模型权重一旦发布便脱离开发者实时控制的客观技术条件下，应当由直接实施侵权或犯罪行为的末端用户承担主要法律责任。这种责任配置逻辑符合过错与责任相一致的原则，也能够避免因过度连带责任而导致开源社区产生寒蝉效应，确保基础模型开发者不因无法预见的下游恶意使用而陷入由于不可抗力带来的法律困境。
然而开发者的责任豁免并非是无条件的，其正当性基础必须建立在伦理与技术共构范式之上，这一范式要求开发者在模型训练与微调阶段，将人类价值观与安全规范内嵌于代码和参数之中，通过红队测试与对抗性攻击训练等技术手段，消除显而易见的歧视性输出或诱导性内容。换言之，只有当开发者证明其已在技术层面尽到了最大努力的风险预防义务，才能主张排除侵权责任的抗辩权，这种将伦理规范转化为代码约束的机制，实质上是在技术源头构建了一道防范风险外溢的数字化防火墙，使得权重的开放伴随着内生的安全基因。
在具体的规范落实层面，传统刚性法规的滞后性需通过灵活性更强的契约工具加以弥补，例如可通过RAIL这类名为负责任人工智能许可证承担技术失控后的替代性控制功能。不同于大多开源软件许可侧重关注知识产权的授予，负责任的人工智能许可证引入了基于行为限制的使用规范，明确列举了利用模型进行虚假信息传播、网络攻击等禁止性用途，尽管开发者失去了对权重的物理控制，但通过这种附条件的法律授权，依然能够在法律层面保留对违规使用的追索权，从而在去中心化的生态中维系一种契约式的长臂管辖。
上述责任分配、技术内嵌与契约约束的有机结合，最终旨在形成一种尽职免责的制度预期，即只要开源模型提供者履行了必要的风险评估、安全对齐及合规声明义务，便应当对其在不知情情况下发生的下游违法利用行为享有免责。这能够鼓励开发者主动投入资源提升模型的安全性与鲁棒性，也为开源模型从技术实验走向产业应用提供必要的法律确定性保障。
（三）以程序性义务与竞争性秩序维护为核心构建接口开放治理规则
相较于权重开放所呈现的去中心化技术特征，接口开放模式基于其云端部署的架构属性天然内嵌了一种中心化的技术权力结构。有学者在述及人工智能引发的政治变革时曾指出，算力与算法资源的集中往往会重塑社会权利的分配机制，导致技术持有者与使用者之间形成一种难以逆转的依附性关系。在接口开放的商业生态中，这种不平等的技术权力结构表现为下游应用开发者对上游基础模型提供商在技术设施与服务连续性上的深度依赖，模型接口实质上构成了数字经济时代的关键基础设施。若缺乏有效的法律规制，掌握核心算法的平台极易利用这种非对称的议价能力实施数据封锁、算法歧视甚至生态圈禁，从而将原本应当开放共享的创新机遇异化为少数巨头攫取超额利润的私有领地。
为矫正此类技术黑箱带来的信息不对称，法律治理的重心应当从结果端的责任追究前移至过程端的程序正义构建。对比，在无法直接审查模型代码与权重的情况下，应当要求接口提供者履行详尽的信息披露与风险管理义务，通过建立负面清单制度明确划定模型服务的应用禁区与安全红线。具体而言，接口提供者须向调用者及监管机构提交包含训练数据来源说明、算法局限性声明以及潜在偏见警示在内的透明度报告，这种以信息公开换取商业信任的机制构成了接口治理的第一道防线，它不仅保障了下游用户的知情权与选择权，更通过标准化的合规边界尽量降低技术黑箱所带来的弊端。
在确立程序性义务的基础上，维护竞争性市场秩序构成了接口开放治理的另一维度。考虑到基础模型具有自然垄断属性与网络效应，单一的知识产权保护路径可能无意间助长技术壁垒的固化。因此，治理规则的设计应当引入反垄断法中的必需设施理论精神，强调接口服务的互操作性与非歧视性原则。这意味着处于市场支配地位的模型提供商不得无故对特定竞争对手实施接口降速、屏蔽或差异化定价，必须确保下游生态的多元化与开放性。这种竞争秩序的法律塑造，试图在商业秘密保护与技术公共性之间找到平衡点，防止上游的技术优势异化为扼杀下游创新的垄断工具，从而实现通过技术扩散弥合数字鸿沟。
五、结语
人工智能模型分发机制本质上是数字时代生产要素组织形式在技术变革结构性张力下的更新和发展，本文试图释明的是权重开放与接口开放并非单纯的商业策略差异，而是代表了两种截然不同的技术权力架构与风险生成逻辑，前者通过控制权的物理让渡实现了算力与算法的解绑，构建了去中心化的创新网络，但同时也引致了责任主体的分散与风险链式扩散的不可逆性；后者则通过中心化的架构确立了服务的实时可控性，却也加剧了技术权力的垄断集中与算法黑箱的封闭效应。
面对这种差异的技术现实形成的商业模式，传统试图以单一监管逻辑涵盖所有场景的治理思路已显现出明显的不足，法律治理的有效性取决于其能否有效回应技术架构所设定的控制边界，因此，构建差异化的规范治理路径是提高当前监管实效、保持竞争秩序的必然选择。究其实质，人工智能模型开源的法律治理旨在寻求法律的确定性与技术的变革性之间建立起富有弹性的连接机制，这种连接不应是对技术发展的单向度限制，而应是一种基于风险的动态调控系统，未来的治理架构需要在保障公共安全底线和使用可获得性基础上，通过精细化的制度设计包容技术架构的多元性。未来伴随技术的无限发展会产生更多商业模式，只有正视不同技术效果在结构上的不同所带来商业模式的差异，并据此配置有效的治理工具，才能在防范系统性风险的同时，维系并发展一个多层次、差异化且具有持续创新动力的产业生态系统。
【作者简介】
辜凌云，北京大学智能学院助理研究员，北京大学法学博士。
