一句話結論
7 月 24 日，25 家科技巨頭連署公開信，要美國政府別限制「開源權重」AI。但這封信真正的資訊不在誰簽了——在誰沒簽，以及那段替「蒸餾」辯護的文字，正好打在缺席者自己的官司上。對台灣企業主管來說，這件事的實際意義只有一個：你該重新盤點「哪些資料絕對不能離開公司」。
先說我為什麼覺得這封信值得寫。
它表面上是美國的科技政策辯論，跟台灣公司好像沒關係。但拆開來看，它其實在回答一個你們公司今年一定會遇到的問題——AI 到底要不要「養在自己家裡」？
而且這封信有個很少見的地方：簽名的人裡面，沒有一家是靠賣封閉前沿模型賺錢的。這件事本身就說明了很多。
這封信在講什麼？
信的標題是〈Open Weights and American AI Leadership〉（開源權重與美國的 AI 領導地位），2026 年 7 月 24 日發布。
先解釋名詞，因為這是全文的關鍵：「開源權重模型」指的是任何人都能下載、檢視、修改、放在自己機房裡跑的 AI 模型。注意它跟「開源軟體」不完全一樣——這點後面會踩煞車。
信裡的五個主張，我翻成白話：
| 主張 | 白話講 |
|---|---|
| 降低進入門檻 | 小公司、大學不用從頭訓練模型，也不用每個任務都付前沿模型的高價 |
| 成本紀律 | 難的問題才用最貴的模型，其他地方用便宜的專用模型。AI 要用在幾十億件日常小事上，這筆帳才算得過來 |
| 促進競爭 | 很多人都能做模型，好處才不會集中在少數幾家手上 |
| 客戶掌控權 | 不被單一供應商綁架，資料留在自己手上，累積的know-how是自己的 |
| 開放才安全 | 最反直覺的一條：封閉不等於安全，「少數幾個封閉模型」反而製造單點故障；開放讓更多人能檢查漏洞 |
最後那條是整封信最有膽的一句：「開放性可能是通往 AI 安全最重要的途徑之一。」這句話直接跟「封閉才安全」的主流說法對幹。
誰簽了？誰沒簽？
這段是全篇最值得你花三分鐘的地方。
簽的 25 家（首波）包括：Nvidia、Microsoft、Meta、IBM、Dell、Palantir、CrowdStrike、Palo Alto Networks、Cisco、Mistral、Hugging Face、Mozilla、Linux Foundation、Andreessen Horowitz、Y Combinator、Perplexity、Replit、GitHub、Cohere 等。
然後發生了三件很有戲的事：
- 黃仁勳用他生平第一則 X 貼文轉發這封信。原文是：「For my first post, I'm sharing a letter Nvidia signed on why open models matter. The world needs both frontier closed models and frontier open models.」（我的第一則貼文，要分享 Nvidia 連署的一封信，談開放模型為何重要。世界同時需要前沿的封閉模型和前沿的開放模型。）一個從不發推的人為這件事開帳號，本身就是訊號。
- 幾小時後，OpenAI 補簽了。首波名單裡沒有它，但它後來把名字加上去了。
- Anthropic 沒簽，Google 沒簽，Amazon 也沒簽。OpenAI 一補簽，Anthropic 就成了美國主要 AI 公司裡最顯眼的缺席者。
那各家的算盤是什麼？
我不打算假裝能讀出每家公司的內心，但把商業模式攤開來看，動機其實不難推：
| 誰 | 生意是什麼 | 為什麼樂見開源 |
|---|---|---|
| Nvidia | 賣晶片 | 越多人自己跑模型＝越多人買卡。賣鏟子的當然希望人人都能挖礦 |
| Meta | 社群廣告 | 模型不是它的收入來源，開放出去反而削弱對手的護城河 |
| Microsoft、Dell、Cisco | 賣雲、賣伺服器 | 不管跑哪個模型，機器和雲都是跟他們租的 |
| CrowdStrike、Palo Alto | 資安 | 攻擊方已經在用 AI 了，防守方需要能拆開看的模型 |
| Hugging Face、Mistral | 開源生態本身 | 這是他們的立身之本 |
| Anthropic（沒簽） | 賣封閉前沿模型 | 見下一段——理由比「保守」複雜得多 |
為什麼 Anthropic 不能簽？關鍵藏在「蒸餾」那一段
信裡有一段很技術、很多人會跳過，但它其實是整封信最有政治意味的部分。
信中主張：「蒸餾」（用一個模型的輸出來訓練或改進另一個模型）是被廣泛使用的正當技術，不該跟侵權行為混為一談，也不該因此一刀切限制。
把時間軸拉出來，你就懂這段在講誰：
| 時間 | 發生什麼 |
|---|---|
| 2026 年 6 月 | Anthropic 指控阿里巴巴旗下 Qwen 對它的 Claude 進行大規模「蒸餾」，擷取模型能力 |
| 7 月 21 日 | 美國財政部長 Bessent 公開表示，若查出中國模型是靠竊取美國模型而來，可能祭出制裁與實體清單。他說：「我們在很多中國模型上發現了美國大型語言模型的浮水印，這無法接受。」 |
| 7 月 24 日 | 這封信發布，主張蒸餾是正當技術、反對一刀切限制 |
看出來了嗎？這封信替「蒸餾」講話，等於直接削弱 Anthropic 手上那張牌。要 Anthropic 簽這封信，等於要它親手拆掉自己的訴求。
所以「Anthropic 不簽是因為它保守」這個解釋太簡單了。更貼近的說法是：這封信的其中一段，直接踩在它自己的利益上。
補充查證：截至 2026 年 7 月 22 日，還沒有任何中國 AI 模型真的被制裁，目前停留在「財長口頭警告」階段。另外，這封信由 Microsoft 的官網頁面託管，但公開資料裡沒有明確指出是誰發起的——這點我查不到，就不編。
誠實踩煞車：開源權重不是萬靈丹
講完戲劇性的部分，來講對你公司真正重要的。
我在企業培訓現場，最怕聽到主管看完這種新聞後說「那我們也來自己架一個」。五個現實問題，你要先想清楚：
- 地端跑模型的成本不是零。GPU 採購、機房空間、電費、散熱、三到五年的折舊，全部要算進去。很多公司算完會發現，用雲端 API 反而便宜——除非你的呼叫量真的很大。
- 維運要人。誰負責更新模型？誰負責調校？誰在出問題時 debug？這通常是壓垮中小企業的那一根稻草——不是買不起機器，是找不到也留不住那個人。
- 能力還是有落差。開源模型這兩年進步很快，但在複雜推理、超長文脈絡這些硬任務上，仍然落後最前沿的封閉模型。「比較省錢」不等於「一樣好」，這兩件事要分開講。
- 自己架不等於比較安全。這是最常見的誤會。設定錯誤的地端環境，可能比雲端更危險——雲端至少有一整個團隊在顧資安，你的地端可能只有一個兼職的 IT。
- 「開源權重」不等於「開源授權」。這是最容易踩的法律陷阱：很多模型你下載得到、跑得起來，但授權條款對商業使用有限制（用戶數上限、不得用於特定用途、不得拿去訓練競品）。導入前一定要請法務看授權條款，別看到「開源」兩個字就當免費。
那到底什麼時候該用開源、什麼時候用閉源？
這張表是我在課堂上帶主管做選型時用的框架，你可以直接截圖存起來：
| 判斷維度 | → 用雲端閉源模型 | → 考慮地端開源模型 |
|---|---|---|
| 資料敏感度 | 公開資訊、對外文案、一般行政 | 絕對不能離開公司的資料（這是最強的理由） |
| 任務複雜度 | 要深度推理、跨領域判斷、長文件分析 | 重複性高、規則清楚的任務（分類、抽取、標註） |
| 呼叫量 | 一個月幾千次以內 | 一個月幾十萬次以上（這時自架才攤得平） |
| 需不需要最新知識 | 要查最新資訊、要能上網 | 吃自家資料就夠，不需要外部新知 |
| 團隊技術力 | 沒有專職 MLOps／IT 人力 | 有能長期維運的工程團隊 |
五個維度裡，只要有三個以上落在右邊，才值得認真評估地端。只有一兩個就想自架，通常會變成一個沒人維護的專案。
哪些台灣公司現在就該評估？
從我在企業培訓現場遇到的狀況來看，這四類最有理由：
- 製造業——產線參數、良率數據、製程配方，這些是不能出廠的。
- 金融保險——法遵要求嚴，客戶資料流向要能交代。
- 醫療院所——病歷屬於高度敏感個資。
- 政府標案——很多案子明確要求資料落地。
反過來說，同樣重要：如果你做的是行銷、行政、內容、客服這類工作，老實用雲端的前沿模型就好。為了「自主」去自架一套，最後得到一個比較笨、比較慢、還沒人維護的系統，那是為難自己。
那主管現在該做什麼？
不是選邊站，也不是急著編預算。是先做一件更基本的事：把「哪些資料絕對不能離開公司」這條線畫出來。
我建議的做法很土但有效——找齊各部門主管，一起把公司的資料分成三類：
- 紅線：外流會出事的（客戶個資、未公開財報、合約條款、製程配方、還沒發布的營運數字）
- 黃區：內部資料但外流不致命（會議記錄、內部簡報、一般報表）
- 綠區：本來就公開的（官網文案、新聞稿、公開簡報）
這條線一畫出來，選型問題就自動有答案了：紅線資料才需要考慮地端，黃區綠區用雲端服務又快又便宜。
我常跟學員說，你是機長，AI 是機組人員。這封公開信吵的是「航空公司該讓哪些機型飛」，那是產業層級的事。但機長真正該管的，是這趟航班該載什麼、不該載什麼——這才是你畫得了、也該畫的線。
而且這件事有個很有意思的變化：以前「決定公司用什麼系統」是 IT 部門的事，比的是技術規格。現在它變成一個business判斷——你要先知道公司哪些資料值錢、哪些外流會死，才知道技術該怎麼選。真正變值錢的，不是會架模型的人，是那個說得出「我們公司的紅線在哪」的人。
常見問題 FAQ
Q：開源權重模型是免費的嗎？
模型本身通常可以免費下載，但這不等於免費使用。你要自己出機器、電費、維運人力；而且授權條款可能對商業使用有限制。「免費下載」和「免費使用」是兩件事，導入前務必請法務看清楚授權。
Q：我們公司規模不大，該自己架 AI 嗎？
先問一個問題：有沒有資料是絕對不能離開公司的？如果沒有，那幾乎可以確定用雲端服務比較划算。如果有，也建議先把那部分業務獨立出來評估，不要整間公司一起搬。
Q：自己架在公司裡，是不是比較安全？
不一定。安全取決於你怎麼設定跟怎麼維護，不是取決於機器放在哪。設定錯誤的地端環境可能比雲端更危險——雲端業者至少有專職資安團隊，你的地端可能只有一個身兼多職的 IT。
Q：這封美國的公開信，會影響台灣企業嗎？
短期不會直接影響。但如果美國真的限制開源模型，或對特定國家的模型祭出制裁，市場上可選的模型就會變少、變貴。這正是為什麼「不要被單一供應商綁死」值得現在就開始想。
資料來源
以下資料均於 2026 年 7 月 25 日查證，並以多家中立第三方媒體交叉比對，未採用連署企業自家公關稿作為單一來源：
- 公開信全文與連署名單：Open Weights and American AI Leadership（2026/7/24）
- Tom's Hardware：首波 25 家連署、OpenAI／Anthropic／Google 缺席
- The Next Web：黃仁勳生平第一則 X 貼文與原文引述
- The New Stack：Anthropic 與 OpenAI 未簽署之分析
- CNBC、TechCrunch：財長 Bessent 蒸餾制裁警告（2026/7/21）與「浮水印」引述
- The Register：公開信報導
查證說明（誠實揭露）：①連署名單在發布後仍持續增加，OpenAI 是首波之後才補簽的，各家報導的家數因擷取時點不同而異，本文以「首波 25 家」為準並註明後續變動。②這封信由誰發起、誰召集，公開資料中查無明確說明，僅知託管於 Microsoft 官網頁面，故本文不做推測。③截至 7/22，尚無中國 AI 模型實際遭制裁。④本文為政策與商業分析，非法律意見；授權條款請以各模型官方條款與貴公司法務判斷為準。
想把「紅線盤點」實際做出來？
想自己先了解：我的電子報每週一篇，把這類趨勢翻成能用的判斷 → startupforyou.substack.com
如果你要帶著各部門主管一起畫這條線：我在企業內訓裡有一個模組專門做「資料紅線盤點」，帶主管們當場把三類資料分完、產出一頁公司自己的 AI 使用規範。想聊聊你們的狀況，寫信到 ai@autolab.cloud，或看看 AI 顧問教練團。
關於作者
黃敬峰（AI峰哥／阿峰老師），企業 AI 實戰培訓專家，服務客戶包含國泰人壽、工研院、士林電機、中嘉寬頻、電通、城邦媒體等。聯絡方式：ai@autolab.cloud