房天下2024年10月12日发布:中国信通院何宝宏：开源从“通用”走向“场景化” 下一代开源正在路上

互联网的快速发展正是得益于开源的成功。从早期的操作系统Linux、安全通信OpenSSL、数据库My SQL、门户工具Apache、排版引擎Webkit，到近年来的手持终端Android、网络Open Daylight、云计算Open Stack、大数据Hadoop、容器Docker以及AI深度学习领域的TensorFlow和PyTorch等，这些借助开源互联网而起的开源软件，今日又成了互联网的基石。可以说，互联网与开源同根同源、相伴相生，既是Internet over Open Source，也是Open Source over Internet。

目前，开源许可协议类型有2700多种，主要差异性体现在对分发衍生软件的限制不同。在全球活跃度的前1000个开源软件中，超过60%使用MIT、Apache 2.0以及BSD宽松型许可协议。

何宝宏指出，如今开源已取得巨大成功。从生态规模看，全球开源生态成熟繁荣，全球开源软件项目高速增长，覆盖当前主流技术领域，全球开源贡献者储备规模庞大。从行业应用看，全球行业开源逐步兴起，各行业应用开源模式建立产业开放供应链，提升生产效能。此外，开源模式正在引领科技实现越来越多的突破。

开源许可协议面临新环境从“通用开源”走向“场景化开源”

多年来，开源促进组织OSI（Open Source Initiative）维护着对开源的定义（OSD），以及其认可的开源许可协议列表，目标是促进和保护开源软件及开源社区。一切不满足OSI所规定的全部十条要求的开放许可协议，都会被开源权威机构OSI认为是“非典型性”开源。

开源许可协议从最早的GPL开始，逐渐演进到GPLv2和v3，中间还有Apache、MPL、AGPL、LGPL等，但是近几年来有一批新的许可协议出现，引起了社区的一些激烈的讨论。这些新的许可协议包括BSL、SSPL、Elastic以及一个比较特殊的附加条款Commons Clause。

但OSI的这10大原则，诞生于20多年前，聚焦的是软件代码，更多是关于软件产品，属于通用开源范畴。近年来，开源的这一经典定义面临着新的挑战与重构，尤其是来自云计算、大数据、大模型和AIGC的挑战，让开源早已不在局限于通用领域，更多转向聚焦于数据、服务等场景化开源。

如今，云计算已经催生了一批“非典型性”开源许可协议。早期的开源许可协议，未涉及到云服务场景的分发形式。市场现实是云厂商基于开源技术推出云服务，但贡献甚少。于是，一批开源项目修改了开源协议，比如限制云服务模式的SSPL许可协议。

随着大数据尤其是数据资产化，开放数据和数据流通成为一种新“开源”模式。数据通常是事实和信息的表达，而版权通常适用于原创创作的表达形式，版权通常不适用于数据资产。

AI大模型涉及的开放许可证类型更为复杂。仅Hugging Face上开源的人工智能模型就超过28万，涉及66个开源协议，大致可以分为三类。第一类是通用开源软件许可协议，比如Apache 2.0/GPL 3.0/MPL 2.0；第二类是知识共享许可协议，比如CC-BY-4.0；第三类是人工智能大模型开源许可协议，比如Llama/OpenRail等。

相对OSI经典的开源定义，开源AI大模型都会对“古典”开源的定义做成新限制，多为用途和生成内容的输出。对于AIGC，更是存在新的争议，比如：AIGC生成的代码，可否参与开源贡献？目前各方对此类问题试图进行规范，比如：

2023年3月，美国版权局发布《AI版权认定声明及登记指引》，纯AIGC作品不受版权法保护，进行版权登记时需要披露AIGC部分。Apache基金会发布《第三方许可政策》，提出“AIGC的条款与开源定义保持一致”贡献者注明创建贡献时使用的工具，例如包含“Generated-by”。

事实上，AIGC涉及的版权和开放许可，还未形成广泛共识。何宝宏指出，开放许可协议的基石可分为几个阶段：软件著作权—>著作权—>知识产权—>知识产权+。涉及到开放数据和开源大模型许可协议，更需要考虑使用场景、商业收益和科技伦理问题。

迎接下一代开源需与现实世界适配

当软件从产品成为服务，当开放的对象从代码延展到数据和模型，当开放许可的法律基础从版权延展所有权，当代码生成主体从自然人的程序员延展到AIGC，当开源与现实中的法规制度、隐私保护和科技伦理日益密切时，下一代开源将向何处去？

开源软件促进会OSI（open source initiative）对于开源提出了十个条款，包括：自由再发布、源代码公开、允许派生作品、作者源代码完整性、不能歧视任何个人或团体、不能歧视任何领域、许可协议的发布、许可协议不能只针对某个产品、许可协议不能约束其他软件、许可协议必须独立于技术。