AI把出处洗掉之后,一个开源项目把许可证从MIT换成了GPL

今天是 2026 年 11 月 20 日,星期五。这一周开源圈有两件事看着不搭界,其实说的是同一件事。

一件在上周——Asahi Linux 宣布把全部仓库从 MIT 迁到 GPL-2.0-or-later,原因不是法律风险,也不是商业算计,而是"有人拿 AI 把它的代码洗了一遍"。另一件在更早几天——一个论文团队用大模型扫过 4000 多个 C/C++ 项目,确证了 187 个内存安全缺陷;几乎同时,另一份第三方账单显示,某大厂的 AI 漏洞挖掘项目七个月报了 37966 条"发现",被标记修复的只有 217 条。

把它们放在一起,一个信号就清楚了:AI 把"生产"的成本压到接近零,但"验收"的成本还牢牢挂在人身上。而绝大多数账本,只统计前者。

一、一条用了几十年的"署名"规矩,被检测成本击穿了

先说 Asahi Linux。它是让 Linux 跑在 Apple Silicon Mac 上的底层项目。多年以来,它把大部分代码放在 MIT 许可证下,为的就是让任何人都能按需复用。现在这条路走到头了。

项目在《Progress Report: Linux 7.3》(James Calligeros,2026-11-07)里写得很直白:他们多次发现有人利用宽松许可劫持成果,目的直接指向"替换这个项目,并在 Apple Silicon 的 Linux 上激进变现"。在部分极端案例里,尚在开发、还没正式发布的功能代码,被人从个人 fork 里直接取走、无署名发布,或者用大模型重写一遍来掩盖来源。

这就是所谓"代码洗白"(code laundering):拿别人的代码,过一道工序把来源洗干净,再用它而不遵守原许可证、也不署名。AI 出现之前,这道工序要一行行改、重命名变量、挪动函数位置;大模型让它变得又便宜又快。

MIT 许可证只要求保留原始版权声明,不要求公开修改、不要求你的版本继续开源。这既是它受欢迎的原因,也正好是它的软肋。用项目自己的话说:MIT"明确允许这种行为,并且没有任何条款可以防范恶意行为者"。所以 Asahi 的决定是:此后全部代码只用强 copyleft,也就是 GPL-2.0-or-later。

这不是法律部门的产物,是一个项目被逼到墙角后的制度选择:当"署名"这条最古老的非正式约束在检测成本上被击穿,能押注的就只剩可执行的正式制度。

迁移还在进行中,不是一夜之间完成的。GitHub 上可核实的旁证是:AsahiLinux/m1n1 的许可证元数据已是 GPL-2.0,AsahiLinux/asahi-nvram 仍是 MIT,AsahiLinux/linux 则标为 NOASSERTION——一批仓库正处在中间状态。

对企业下游用户的一个提醒:许可证处在"迁移中"的仓库,正是合规判断最容易出错的地方——你今天拉到的代码是 MIT,明天同一个仓库的更新可能已是 GPL-2.0。依赖锁定不能只锁版本哈希,还要锁"取用那一刻的许可证快照"。

二、WINE 二十年前就走过这条路

Asahi 自己把这个决定类比 WINE:WINE 最初也是 MIT,上世纪 90 年代到 2000 年代被大量专有分支收割,2002 年改成 LGPL,为的是挡住进一步的专有 fork、鼓励大家直接向上游贡献。

历史押韵得有点讽刺。二十年前防的是"手工改代码做闭源分支",二十年后防的是"AI 洗代码做替代产品"。变的只是洗稿的成本,不变的是宽松许可对"搭便车"的天然无力。

WINE · 2002Asahi · 2026
MIT → LGPL,应对专有分支收割,鼓励向上游贡献MIT → GPL-2.0-or-later,应对 AI 洗稿与商业化搭便车

真正值得记的,是 Asahi 在同一年还做了另一件事:把部分驱动(TI USB-PD、SPMI、Thunderbolt 初始支持)改为 upstream-first 开发,Thunderbolt 补丁第一次直接送上游。

收紧许可证、同时改善上游协作——这两件事发生在同一个项目、同一年,不是巧合。用制度经济学的说法:边界规则(谁能拿、怎么用)和成本分摊规则(谁维护、谁贡献)必须同时改,只改一条,成本就会被推到别处。用 copyleft 挡住搭便车,用 upstream-first 提高"绕开你"的替代成本。

三、"发现"免费了,"验收"却成了新的稀缺品

Asahi 的故事是"代码被洗",同一周的另一组数据说的是"报告被灌水"——两者是同一个病的两面。

据「开源之道」11-15 简报梳理,VulnCheck 追踪某大厂 AI 漏洞挖掘项目七个月的账本:截至 11-02 自报 37966 条发现,公开的只有 7349 条(19.4%),被标记修复的仅 217 条。同一周期发现增加 11813 条,修复只增加 15 条。

55.9%

curl 已公开的 34 份 AI 漏洞报告中,被判"不是漏洞"的比例

curl 项目收到 45 份报告,已公开的 34 份里,19 份被判"不是漏洞"(55.9%),确认为漏洞的只有 17.6%,而且全部是 low。另一份论文把"AI 垃圾 PR"第一次做成了项目级实证:被维护者认定为低质量 AI 贡献的 PR,作者主动披露用了 AI 的只有 14%,绝大多数在三天内被关闭,且关闭时维护者往往不给任何理由。

环节AI 出现前AI 出现后成本落在谁身上
产出代码 / 报告昂贵、稀缺接近零提交方,几乎为零
审查 / 验收与产出匹配成为新瓶颈维护者、企业
署名 / 来源举证靠自觉遵守检测成本被击穿原作者、法务

这些数字提醒我们一件事:任何以"要求披露 AI 使用"为前提的治理设计,都得先看看那 14% 的披露率。制度如果还假设"提交成本高",筛选负担就会全部砸到守门人身上——这是制度滞后,不是道德问题。

四、CIO 该做的,不是少用 AI,而是把验收乸在企业手里

对企业数字化负责人来说,这件事的落点不在"要不要用开源",而在"用开源的时候,凭什么相信它、又如何证明自己没踩线"。

1. 许可证不是法务的一次性签字,是要进台账的动态字段。像 Asahi 这样把 MIT 迁到 GPL-2.0 的变更,会影响下游的分发与商用条款。企业级依赖清单应当记录"许可证 + 版本 + 取证日期 + 变更通知来源",而不是停留在采购时的那一版 PDF。

2. 把"验签"和"来源"放进验收单。关键开源依赖要能回答三问:制品从哪来、是否可复现构建、出处链条是否完整。SBOM、制品代理、签名验证这三样,在代码洗白成本归零之后,从"加分项"变成"保命项"。

3. 对内生成的 AI 代码,先定归属规则再谈效率。企业自己用大模型写代码、生成补丁,同样会产生"出处不清"的问题:这段代码是基于哪份开源代码改的、要不要继承原许可证、是否允许对外分发。把这些写进 AI 编码规范,比事后追责便宜得多。

回到开头那两组数字。它们看起来在说不同的事——一个项目改了许可证,一堆报告被判无效。但指向的是同一个判断:

当生成近乎免费,价值就从"能不能做出来"转移到"能不能验得清、算得明、说得清出处"。企业的开源治理、AI 治理,最后都要落到同一套可举证的台账上。

这也解释了为什么过去一周里,无论是给智能体发"非人类身份",还是争论谁有权定义"什么算一个缺陷",大家其实都在回答同一个问题:在一个人人可以低成本生产的世界里,谁为结果负责,凭什么让人相信。


主要来源与日期:「开源之道」2026-11-15 简报(含 Asahi Linux《Progress Report: Linux 7.3》,James Calligeros,2026-11-07;LWN.net 2026-11-07 摘录;VulnCheck 2026-11-09;arXiv:2611.15159、arXiv:2611.16565 等论文)。相关数字均为公开报道与论文口径,部分为第三方追踪或研究者自述,未经逐条审计,引用时请回溯原文。

本文由众谛信息整理,用于企业数字化与开源治理观察。

关于我们

​我们致力于帮助中小企业实现数字化转型,我们的团队由一群充满激情和创新思维的专业人士组成,他们具备丰富的行业经验和技术专长。

扫一扫获取顾问以及手册

登录 留下评论
你没导入它,它却偷走了你的云密钥:一次针对AI智能体开发框架的投毒