开源权重能交易吗

很多银行都在问同一个问题：我们基于开源大模型做后训练，得到的那套权重到底算不算数据资产？能不能登记、入表、甚至对外交易？

答案要过三关：会计确认关、知识产权关、许可证关。一句话结论是：开源权重本身你只是“被许可使用”，通常不能直接当成自有资产；但你合法取得的使用权和后训练形成的衍生成果，在满足条件时可以入表、登记，也可以在许可证允许范围内交易。

权重不是源代码，而是训练后收敛的参数张量，是一种“涌现性知识载体”，其著作权定性在全球范围内仍处于制度真空。

中国正在用数据产权登记、数据资产入表和数据知识产权登记把它纳入资产框架；美国主要用出口管制管住闭源前沿权重、开放权重相对宽松；欧盟则在 AI Act 里对开源豁免部分义务，却不豁免版权与训练数据责任。

这意味着：能不能交易，最终看的不是“开源”两个字，而是基座许可证的具体条款、后训练投入的可证明性，以及训练数据是否干净。

一、先厘清：权重是什么、为什么是法律难题

1. 权重的技术本质：权重是神经网络在海量数据训练后，通过梯度下降自动收敛的高维参数矩阵，由数十亿乃至万亿个浮点数构成，具有难以解释的“黑盒”特征。
2. 它不是源代码：源代码是人类可读、可逐行审查的确定指令；权重是自动形成的统计参数，没有自然人直接投入独创性编排。
3. 著作权难以直接套用：我国《计算机软件保护条例》保护的是“确定指令序列”的计算机程序，《著作权法》汇编作品又以内容选择或编排的独创性为前提，权重两边都不完全对应。
4. 司法以反不正当竞争兜底：北京知识产权法院在（2023）京73民终3802号案中认定，直接使用他人 AI 模型结构和参数构成违反商业道德的不正当竞争。
5. 开源≠放弃权利：权利人并未放弃版权，而是借助许可证这份格式合同，有条件地让渡使用、修改和分发的权利；违反条款，附条件的授权即告终止。
6. “开源”与“开放权重”有别：OSI 的《开源人工智能定义1.0》要求同时开放数据、代码、参数；只开放权重在严格定义下可能被指“开源洗白”，产业界则普遍用模型开放框架（MOF）的多级开放度来衡量。

二、开源权重是不是数据资产

1. 会计上的中国标准：按《企业数据资源相关会计处理暂行规定》（财会〔2023〕11号，2024 年 1 月 1 日施行），符合《无形资产准则》定义和确认条件的数据资源确认为无形资产，日常活动中持有用于出售的可确认为存货。
2. 确认三要件：企业合法拥有或控制、预期带来经济利益、成本能可靠计量，内部研发支出还需满足资本化条件；财政部年报通知反复强调，不符合条件的不得确认为资产。
3. 开源权重的关键区别：你从开源社区下载的基座权重，所有权属于权利人，你只是被许可人，因此不能把这套“别人的权重”直接记为自有资产。
4. 可入表的是什么：一是合法取得、可控制且有明确经济利益的使用权或订阅（按无形资产或费用规则处理）；二是你后训练、精调、标注后形成的衍生模型与数据集合，其自研投入在满足资本化条件时可入表。
5. 登记路径已打通：浙江《人工智能领域数据知识产权登记申请指引（2025）》明确，把基于大模型形成的“算法、参数、模型等数据处理规则和数据集合”纳入登记对象；但仅直接用模型生成数据、缺乏实质投入的，一般不予登记。
6. 产权登记凭证加持：2026 年全国统一的数据产权登记体系（详见本网站《数据要素迎来国家队》）可为数据资源、数据产品出具合法拥有或控制的可信证明，作为入表、融资、入股的佐证。

三、后训练后能否交易：先看基座许可证

1. MIT 类（最宽松）：DeepSeek-R1、R1-Zero、V4-Pro 等代码与权重采用 MIT，允许商用、微调、量化、蒸馏、衍生开发，可闭源交易，仅须保留版权与许可声明，无需申请。
2. Apache 2.0 类：Qwen 3.5/3.6、Mistral 3、GLM-4.5/4.6、MiniMax-M1 等旗舰权重采用 Apache 2.0 或 MIT，允许商用、修改、再分发，须保留声明、提供许可副本。
3. 定制社区许可（有条件）：以 Llama 社区许可为代表，允许商用但设置规模门槛（如月活达到一定量级须单独授权）、署名要求，并要求衍生作品以相同协议开放。
4. 附使用限制的许可：Gemma 等专有条款规定禁用用途；RAIL、OpenRAIL 系列则在开放授权中嵌入使用限制（如禁止特定有害用途），违反即构成违约。
5. 商用判断两轴：一是许可族（宽松、著佐权、定制、负责任许可），二是规模与用途；“免费下载”绝不等于“免费商用”。
6. 交易形态多样：可通过私有化交付权重、模型市场授权、SaaS/API、蒸馏小模型、行业定制版等方式交易，但开放权重一旦发布即不可逆，授权前必须把许可边界讲清。

四、衍生权重的权属：你拥有什么，不能洗白什么

1. 你拥有的部分：你自有的后训练数据、标注、SFT/RLHF 训练流程，以及由此产生的增量参数和适配层，在来源合法、投入可证的前提下，属于你的成果。
2. 不能洗白的部分：后训练无法消灭基座许可证的义务，署名、许可声明、使用限制，以及定制协议中“衍生模型同协议开放”的合同要求，会随授权关系延续；但权重能否被 GPL 式著佐权自动传染，取决于权重可版权性与微调是否构成衍生作品，目前仍无定论。无论如何，都不能把受限基座“洗”成完全自由的资产。
3. 衍生作品认定仍空白：对权重微调是否构成著作权法意义上的“衍生作品”、传染关系是否成立，现行法律缺乏明确依据，是争议高发区。
4. 违约即授权终止：广州知识产权法院（2019）粤73知民初207号案认定 GPLv3 为“附解除条件的著作权合同”，违反条款即授权终止；最高法（2021）最高法知民终51号进一步确立违约与侵权二分。
5. 训练数据瑕疵会传导：若基座或你的后训练数据存在版权、个人信息或金融数据合规问题，衍生权重同样带瑕疵，交易后可能被追责。
6. 权重保护偏弱：权重著作权定性不明，权利人常只能主张合同违约或反不正当竞争，难以逐点取证，这使“约定清楚、留痕完整”比事后维权更重要。

五、中国路径：产权确认、资产入表与“算法开放、数据自主”

1. 产权制度：数据二十条确立资源持有权、加工使用权、产品经营权“三权分置”，2026 年数据产权登记指引和全国统一系统落地，一地登记、全国互认。
2. 资产制度：财会〔2023〕11号推动数据资源入表，财政部连续在年报通知中要求严格资本化判断、不得虚增数据资产。
3. 数据知识产权登记：浙江等地已把算法、参数、模型纳入数据知识产权登记，明确数据来源、许可证、金融领域合规等需举证，公开收集的须提供 CC、Apache 等许可证作授权证明。
4. 训练合规义务：《生成式人工智能服务管理暂行办法》要求使用具有合法来源的数据和基础模型，不得侵害知识产权；《数据安全法》《个人信息保护法》对来源和个人信息设硬性义务。
5. 战略取向：官方倡导“算法开放、数据自主”，以开放模型架构吸引生态、以受控数据资产守住竞争壁垒，开源不等于训练数据必须公开。
6. 交易含义：在中国，合法的衍生权重/模型数据集合，既可争取登记、入表、质押融资，也可在许可范围内交易，但要过来源合规和许可证审查两道关。

六、美国路径：出口管制管闭源，版权与合同兜底

1. 出口管制针对闭源前沿权重：商务部 BIS《人工智能扩散框架》（2025 年 1 月）新增对最先进闭源模型权重的管制（ECCN 4E091），初期适用于以 10^26 及以上算力训练的模型，出口、再出口、境内转让需许可，并设外国直接产品规则。
2. 开放权重相对宽松：开放权重模型被视为广义开源，公开权重、允许下载本地部署与微调；2026 年 8 月白宫尖端模型测试框架将美国开放权重模型排除在审查范围外，中国开放权重模型也不接受美国政府安全测试（据彭博社报道）。
3. 版权司法基础：2008 年美国联邦巡回上诉法院 Jacobsen v. Katzer 案确立，违反开源许可证可构成版权侵权；但权重本身是否具备可版权性仍存争议。
4. 训练数据合理使用之争：美国以合理使用抗辩为产业训练提供较大空间，但诉讼仍在塑造边界，模型输出端记忆与再现训练语料成为争议焦点。
5. 会计上无专门入表准则：美国没有针对数据资源的中国式“入表”规则，多数数据与模型相关支出按现行准则费用化，FASB 主要通过改进披露来反映数据成本。
6. 对跨境交易的含义：银行跨境取得或交付权重时，要同时判断出口管制清单、许可证地域条款和再出口限制，不能只看开源协议。

七、欧盟路径：开源豁免文档，不豁免版权与数据

1. 部分义务豁免：AI Act 第 53(2)、54(6)条规定，以自由开源许可证发布、允许访问、使用、修改和分发的通用 AI 模型，可豁免技术文档、向下游提供文档等部分义务。
2. 版权与训练摘要不豁免：开源模型仍须履行第 53(1)(c)版权政策义务（遵守版权指令、尊重机器可读 opt-out）和第 53(1)(d)训练数据摘要公开义务，系统性风险模型的义务更不豁免。
3. 文本与数据挖掘例外：《数字单一市场版权指令》第 3 条为科研机构设 TDM 例外，第 4 条一般 TDM 允许权利人以 opt-out 方式拒绝。
4. 数据库特殊权利：结构化训练数据集还可能触发欧盟数据库指令的特殊权利保护，抓取和再利用受限。
5. 司法已经亮剑：2025 年 11 月慕尼黑法院在 GEMA 诉 OpenAI 案中认定未经许可使用歌词训练构成侵权，开源和技术中立均非免责理由。
6. GDPR 全程约束：训练与后训练涉及个人数据，须有合法性基础，跨境向欧盟提供模型或服务同样受约束。

八、三法域一张表看清

1. 中国：核心是数据产权与资产化，工具是三权分置、入表、数据知识产权登记、产权登记；强调来源合法、算法开放数据自主；对开源权重交易总体鼓励但重合规。
2. 美国：核心是国家安全与事后救济，工具是出口管制（盯闭源前沿权重）、版权与合同诉讼、合理使用；开放权重较自由，但跨境交付受管制。
3. 欧盟：核心是权利保护与合规，工具是 AI Act、GDPR、版权指令、数据库特殊权利；开源可减文档义务，但版权和训练数据责任不减。
4. 共性：都不承认“开源=无版权=可任意商用”，都把训练数据合法性作为底座，都在推动某种形式的训练信息披露。
5. 差异：中国重产权确认与市场培育，美国重安全管制与市场诉讼，欧盟重权利合规与个人信息保护。

九、对银行的机会与风险

1. 机会：衍生模型可资产化：银行基于宽松许可开源模型，用合规金融数据后训练形成的风控、客服、投研模型，可争取数据知识产权登记、产权登记并按条件入表。
2. 机会：可对外输出：在许可证允许范围内，行业模型、私有化权重、蒸馏小模型、模型即服务可成为银行科技子公司的新业务。
3. 风险一：许可证污染：误把受限基座当作可自由商用，后果分两类。一是 Llama 类定制协议约定衍生模型对外分发须以相同协议开放，可能迫使你公开微调权重；二是训练或推理代码若用了 GPL、AGPL 等强著佐权组件，会在软件代码层触发开源义务。需要注意，权重本身能否被 GPL 式著佐权自动传染，因权重可版权性和微调是否构成衍生作品尚无定论，司法上并不确定；但一旦违反许可条件被终止授权，则是确定的。
4. 风险二：训练数据瑕疵：客户数据、个人信息、第三方语料若来源不清，衍生权重交易后会把法律风险传导给买方。
5. 风险三：规模与用途触发线：Llama 类许可的规模门槛、RAIL 类的禁用用途、金融场景的特殊监管，都可能让“默认可用”变成“需要授权”。
6. 风险四：出口与跨境合规：跨境部署、境外子公司使用、向境外客户交付，要过美国出口管制、欧盟数据与版权、中国数据出境三重门。
7. 风险五：权重保护弱、取证难：权重难以逐点证明独创性，一旦被盗用或被违规再分发，主要依赖合同和反不正当竞争，举证成本高。
8. 风险六：开源供应链投毒：开源模型、数据集和依赖组件可能被植入后门或污染，需软件物料清单和模型来源校验。

十、落地建议

1. 建立许可证矩阵：对每个基座模型登记许可类型、商用条件、衍生与再分发义务、署名要求、规模门槛和禁用用途，作为准入和上线硬门槛。
2. 把后训练做成可证资产：保留训练数据授权链路、训练日志、算力与人力成本、版本记录，为数据知识产权登记和入表提供完整证据。
3. 先判定能否入表：对照财会〔2023〕11号和无形资产准则，区分被许可使用权、自研衍生权重与费用化支出，不满足资本化条件的不确认为资产。
4. 对外交易前做许可清扫：明确衍生权重可否商用、能否闭源、是否须同协议开源、是否需要单独授权，并把这些写进采购与销售合同。
5. 审训练数据而非只看模型：核查基座与后训练数据的版权、个人信息、金融数据合规，必要时要求供应商提供权利瑕疵担保。
6. 加跨境合规章节：评估出口管制、数据出境安全评估、欧盟 GDPR 与 AI Act 训练摘要义务，避免跨境交付踩线。
7. 加固供应链安全：固定可信来源、校验哈希与完整性、建立模型与数据物料清单，对依赖组件做漏洞和投毒扫描。
8. 合同先行、留痕到底：用授权协议、贡献者协议、保密与权属条款把“谁拥有衍生权重、谁担责”约定清楚，并对授权全流程留痕。

结语

开源大模型的权重，确实是这个时代最特殊的一类“资产”：它有价值、可复制、能交易，却又不完全像软件、不完全像作品、不完全像传统数据。对银行而言，关键不是纠结“开源”二字，而是把三件事做实——确认你对基座权重只是被许可使用、证明你对衍生成果有合法投入、并确保训练数据和许可证经得起追溯。 在中国，登记、入表、融资的通道已经打开，合法的衍生模型可以成为资产负债表上的新科目，也可以成为对外输出的新产品；但在美国的出口管制和欧盟的版权与数据义务下，跨境交易绝不能想当然。开源给了金融机构低成本站在前沿模型肩膀上的机会，也把合规责任沿着微调、蒸馏、部署的链条一层层传导下来。把许可证读懂、把数据洗干净、把权属写清楚，银行才能把“开源的免费”真正变成“可入表、可交易、可审计”的资产。

（口径说明：本文为一般性法律与会计合规分析，不构成具体法律、税务或会计意见。所引政策包括中国财会〔2023〕11号、《生成式人工智能服务管理暂行办法》、浙江数据知识产权登记指引、最高人民法院知识产权法庭公开研讨观点，美国 BIS 人工智能扩散框架（2025 年 1 月）及相关报道，欧盟 AI Act 第 53、54 条与 GEMA 案报道。模型许可证以各权利人在 Hugging Face、官网发布的最新条款为准；具体模型能否商用、衍生与再分发，应以当时有效许可证原文和专业法律意见为准。文中案例案号与规则均来自官方或公开报道，实务处理请结合业务场景咨询专业机构。）