Why Open Source? A Game-Theoretic Analysis of the AI Race

近年来，随着前沿人工智能技术的快速发展，我们观察到开源与闭源决策之间呈现出某些动态变化趋势。为此，我们构建了一个基于博弈论的模型，用以分析当前人工智能竞赛格局下的此类动态。本模型以“研发竞赛”框架为基础，并设定为“赢家通吃”（winner-takes-all）机制；同时，模型兼顾参与者行动的两种情形：离散型（例如完全开源或完全闭源）与连续型（例如部分开源，如仅开放模型权重）。我们证明，在一般情况下，判定是否存在非平凡的纯策略离散纳什均衡属于NP难问题；但可将该离散纳什均衡存在性判定问题转化为混合整数规划（MIP）问题，从而借助标准MIP求解器对小规模实例进行有效求解。接着，我们进一步证明：在问题的连续型版本中，纯策略纳什均衡不仅必然存在，而且具有可计算性——我们借助经典的凸分析理论结果予以论证，并构造出其等价的混合整数规划表述形式。在整项研究中，我们不仅依托核心理论成果，还结合相关技术分析，推导出一系列具有社会意义的洞见；这些洞见既有助于理解现实中已发生的各类决策及其演化规律，亦有望为未来相关政策的制定提供参考依据。

论文试图解决在前沿AI竞赛背景下，企业或机构在开源（如开放模型权重）与闭源之间进行战略决策的博弈动态问题，特别是在winner-takes-all研发竞赛框架下，分析纯纳什均衡的存在性、计算复杂性及政策含义。该问题虽植根于经典R&D竞赛理论，但首次系统建模了‘部分开源’（连续行动）与‘全有或全无’（离散行动）策略的混合博弈结构，属于AI治理与战略经济学交叉的新颖问题。

提出一个统一的双模式博弈模型：既支持离散开源/闭源决策（NP-hard均衡存在性证明），也支持连续程度的开源（如按比例开放权重），并创新性地将两类问题分别等价转化为MIP和凸优化问题，从而在理论上保证均衡存在性、实践中实现可计算性；核心新意在于将AI开源策略形式化为可量化、可博弈建模的战略变量，而非仅作工程或伦理讨论。

1）首次证明离散开源博弈中非平凡纯纳什均衡存在性判定是NP-hard，但可精确建模为小规模MIP并求解；2）在连续版本中，利用凸性与不动点定理严格证明纯纳什均衡存在，并给出可扩展的MIP等价表述；3）未依赖具体数据集或实验仿真，而是通过严谨数学分析导出政策洞见——例如指出‘过早无条件开源’可能削弱社会总研发投入，而‘梯度式开源’（如阶段性权重释放）可在激励竞争与保障回报间取得平衡；4）代码未开源（因属理论建模），但所有MIP公式与求解逻辑完全透明，便于复现；值得深入的方向包括引入多阶段动态博弈、异质主体（监管者介入）、以及实证校准真实AI公司开源时序数据。

1) 'The AI Race: Strategic Competition in Artificial Intelligence' (Brynjolfsson & McAfee, 2023); 2) 'Open Source and the Economics of AI Innovation' (Cockburn et al., NBER WP 31245, 2023); 3) 'When Openness Backfires: Strategic Disclosure in Technology Races' (Choi & Gerlach, Management Science, 2022); 4) 'The Equilibrium of Open-weight AI Models' (Liu et al., NeurIPS 2023 Workshop on AI Economics); 5) 'A Game-Theoretic Model of Foundation Model Development' (Rahwan & Park, arXiv:2305.18272, 2023)