开源人工智能赋能可持续发展目标的治理路径探索

人工智能（AI）革命正以惊人的速度推进，开源模式为加速可持续发展目标及其他使命提供了关键支撑，同时也伴随着潜在隐患。本文提出四项治理举措，探讨如何将可持续性、评估、安全与合作融入开源人工智能的演进过程，从而削减其带来的不确定性与挑战，推动全球可持续繁荣。

2025年2月10日在巴黎召开的人工智能（AI）行动峰会彰显了国际社会日益增强的意愿，即借助人工智能落实联合国可持续发展目标（SDGs） ^1,2 ，这与在环境、社会及安全领域为维护地球健康而对人工智能进行治理的呼声相契合 ³。2018年至2024年间，人工智能在助力可持续发展目标方面的应用增长了300% ⁴ ，并在农业监测（SDG 2）、生态系统治理（SDG 15） ⁵ 以及气候变化缓解（SDG 13） ⁶ 等领域取得了显著成果。开源模式的兴起支撑着向普惠且高效的人工智能生态系统的转型。通过公开源代码、权重与训练数据，并以开源许可证7发布，允许社区研究、使用、修改与分发，开源人工智能最初被构想为从根本上高效地推动全球可持续发展进程。

然而，随着开源人工智能模型的不断扩展，其对可持续发展目标的影响愈发凸显，呈现出可持续发展目标推进过程中日益复杂且矛盾的一面 ^7,8 。在缺乏监管的背景下，开源模型的易用性带来了此前被忽视的关键障碍。具体而言，结构化治理的缺失往往导致资源过度消耗与伦理风险，而这些问题尚未得到充分讨论。这一新兴现实表明，若不对开源人工智能模型的管理方式进行有意识的变革，旨在促进全球可持续发展目标的开放性反而可能适得其反。

尽管过往诸多研究与框架增进了人们对开源人工智能及可持续性的认知，但它们仍处于分散且各自孤立的状态。一方面，多数研究聚焦于单一阶段的影响（如训练或部署），而忽略了开源人工智能模型整个生命周期中的相互依存关系 ^9,10 。另一方面，现有的开源人工智能治理框架——从美国的创新导向型框架到欧盟的基于风险的监管框架 ¹¹——主要在国家或机构的孤岛内运作，缺乏跨境协调与执行机制。

为应对开源人工智能模型与治理框架面临的双重挑战，我们提出四项针对性行动，从两个维度推进前期研究与框架。首先，这些行动有助于将关注点从被动实施转向主动干预，在开源人工智能模型的开发、部署与重用过程中融入可持续性、问责制与透明度。其次，这些变革性行动能够引入多方利益相关者与跨尺度视角，将开发者、监管机构与用户纳入统一协调框架，从而将本地实施与全球合作相联结。我们将开源人工智能治理概念化为可持续性（可持续生命周期管理）、评估（定量影响评估）、安全（监管与审查）以及协调（共享与合作）之间的动态互动（图 1），从而使开源人工智能范式与可持续、合乎伦理及公平的原则相契合。

图 1：开源人工智能 (AI) 转型的不确定性与解决方案。

开源对人工智能模型的关键意义

利用人工智能为可持续发展目标带来的机遇既可取又可行。近期创新成果标志着向开源模式的转变，这与可持续发展目标所追求的更易获取、更易适应的解决方案高度契合。此外，这些创新成果还有助于实现可持续发展目标的本地化建模，并促进全球在可持续发展目标建模与政策制定方面的协作。

向开源模式的过渡促进了知识的传播与可持续发展目标（SDG）建模的迭代改进，这涉及运用数学、统计和/或计算方法分析与预测SDG（如SDG交互分析与情景模拟）。通过开放获取算法与协作开发环境，该模式能够快速迭代模型，以应对流行病、自然灾害或冲突等新兴SDG挑战，从而提供更快、更可靠的对未来SDG趋势的洞察。在高度优化的专用基础设施上托管开源AI模型，可实现每秒超过179个令牌的处理速度（相比之下，专有AI模型为138个令牌），这对特定区域中应对SDG挑战的延迟敏感型应用构成显著优势。在SDG的环境维度上，诸如ChatClimate等开源自然语言处理模型正在开发中，旨在完全基于经核实的科学知识进行响应，从而降低气候虚假信息的风险。在可持续发展目标的社会层面，Llama等开源语言模型已被探索作为潜在工具，以缓解全球治疗师短缺问题，尤其在满足特定社区健康需求方面15。在可持续发展目标的经济层面，开放架构使中小企业能够采用并定制前沿人工智能，通过提供对基础模型的开放访问来优化生产16。

开源范式的转变显著降低了人工智能模型的使用成本，从而促进了更广泛的参与，助力可持续发展目标的实现。例如，开源人工智能模型在提供相当性能的同时，成本仅为专有模型的5%到29%。这使得人工智能的应用范围从专业领域扩展至更广泛的用户与组织，有效普及了人工智能的使用，同时促进了为实现可持续发展目标而进行的知识共创。在环境方面，低成本的计算机视觉模型能够对生态系统进行分散式、经济实惠的监测，例如在极地与高山地区。在社会方面，大学与全球公民科学平台（如Zooniverse）利用这些低成本、易于使用的开源人工智能工具开设课程并大规模促进知识共创。在经济方面，全球研究表明，与仅依赖专有解决方案的组织相比，使用开源人工智能的组织更有可能报告成本节约与更高的投资回报率，可能性高出24%。该模式改善了全球可持续发展目标推进的平衡性与公平性，并缩小了各区域在分析可持续发展目标能力方面的差距。

缺乏治理的开源人工智能对实现可持续发展目标的挑战

近年来，开源人工智能经历了前所未有的增长。然而，在缺乏治理框架的情况下，开源人工智能在推进可持续发展目标方面的应用面临着重大挑战与风险。

开放性同样带来了一系列不确定性。尽管开源人工智能降低了下游流程（如推理、微调与模型重用）的能源与水资源消耗，但这些效率提升并未延伸至上游硬件与基础设施层面，这些层面的资源密集度依然居高不下。其硬件生命周期涵盖芯片、GPU、数据中心基础设施与消费级人工智能设备，已被认定为全球材料与有毒废物流的潜在