UW Allen School + Ai2
唯一还在做真开放的工业级团队

华盛顿大学 Paul G. Allen School of Computer Science and Engineering 是美国排名最靠前的计算机系之一，NLP 与 AI 研究常年位居全美前五，拥有 700 多名学生、教师和员工，覆盖系统、理论、安全、人机交互与机器学习。真正让它区别于同类院系的，是与单一研究伙伴关系的密度与深度——Allen Institute for AI（Ai2）。

Ai2 由微软联合创始人 Paul Allen 于 2014 年创立，是一家总部位于西雅图的非营利研究机构。不同于受学期周期约束的学术实验室，也不同于受产品路线图约束的企业实验室，Ai2 从成立之初就带着一个单一使命：在开放中进行高影响力的 AI 研究。它的组织形态——由基金支持的独立非营利机构——在"不发表就出局"的学术界与专有的企业研究之间开辟了第三条路。

UW Allen School 与 Ai2 的耦合是结构性的：教师在两个机构同时持有职位，博士生由 Ai2 研究者共同指导，OLMo 这样的重大项目由同时是教授、又是 Ai2 高级总监的人共同领导。锚定这一合作的核心人物包括 Noah A. Smith（UW 教授、Ai2 NLP 高级总监）、Hanna Hajishirzi（UW 教授、Ai2 AI 高级总监）和 Ali Farhadi（UW RAIVN Lab 负责人、Ai2 前 CEO）。UW 计算语言学教授 Emily Bender 也是核心的思想声音——她因合著"随机鹦鹉"（stochastic parrots）论文而闻名，这篇论文重构了围绕大语言模型的伦理讨论。2025 年初，UW Allen School 获得 1000 万美元联邦资金用于扩展 AI 算力基础设施。

OLMo 是当今"真正开放"大语言模型系列中最重要的一个。与几乎所有其他主流 LLM 不同，OLMo 不仅发布模型权重，还发布完整的训练数据、训练代码、评估代码和训练日志——使任何地方的研究者都能完全复现和审计训练过程。与 Meta LLaMA 的区别是根本性的：LLaMA 发布权重（允许推理和微调）但不公开训练数据；OLMo 是开放科学，而不仅仅是开放权重。配套工具 OLMoTrace 能将模型的具体输出追溯回影响它的训练文档，这种透明度机制在任何商业或半开放 LLM 中都找不到对应物。

Dolma 是史上发布过的最大规模的完全开放 LLM 训练数据集之一，包含约 3 万亿 token，来自网页文本、科学文献、代码和书籍的多样组合，是 OLMo 系列的主要数据基础——它是把 UW-Ai2 路线与所有主要专有及半开放替代方案区分开来的最具体的组成部分。

2025 年 8 月，OMAI（Open Multi-modal AI for Science）宣布启动：这是美国国家科学基金会（NSF）与 NVIDIA 联合投资 1.52 亿美元的项目，由 Ai2 牵头、UW Allen School 深度参与，是美国学术史上对开放 AI 基础设施的最大单笔联邦承诺。目标不是构建商业 AI 产品，而是为气候科学、生物医学、材料科学和天文学等领域构建完全开放的多模态 AI 基础设施，向全国研究者开放。

由 Ali Farhadi 领导的 RAIVN Lab（Reasoning, AI, and VisioN）工作在计算机视觉、自然语言处理与机器人的交叉点，探索视觉、语言与物理动作如何连接——这使 RAIVN 天然契合 OMAI 的多模态科学基础设施议程。

UW-Ai2 的协同模式代表了一种可能被复制的结构：大学与独立非营利机构的双轨制，比单纯的大学实验室更能持续，比纯商业公司更能坚守开放价值——它解决了 AI 研究中一个根本矛盾，如何同时获得足够的资源和足够的独立性。1.52 亿美元的 OMAI 是"AI for Science"的转折点：不是做 ChatGPT 竞品，而是把 AI 作为科学工具整体升级，这是联邦资金层面对开放 AI 基础设施最大的单笔押注。

但风险同样真实：开放生态需要持续的外部资金，商业化路径比 OpenAI 模式弱得多。Ai2 的非营利结构在价值观上是优势，但在资金可持续性上是软肋——Paul Allen 遗产基金提供了稳健的底盘，但当竞争进一步升级、缺乏商业产品收入将成为制约。OMAI 的联邦资金能维持多久，是需要持续观察的关键变量。