嘉賓 | 郭煒、沈旸、程戈

主持 | 薛彥澤

整理 | 李美涵

大模型的場域，被開閉源自動地劃分為兩個陣營。自此，開閉源之爭的硝煙一直盤旋在大模型的上空。

從奧特曼頗為無力的辯稱：OpenAI的Open指的是人工智能成果的廣泛共享，而非模型的開源。到李彥宏直截了當(dāng)?shù)臄嘌裕洪_源模型可能是一種“智商稅”，隨著時間的推移，開源模型只會越來越落后。開源模型在商業(yè)模式上的斷裂及性能的落后一直飽受詬病。

然而，Llama 3.1的橫空出世給開源注入了強(qiáng)心劑。有人說，Meta的持續(xù)開源是對開源唱衰論的最有力反擊。周鴻祎也站出來說，大模型不該淪為少數(shù)廠家的賺錢工具。

為了能挖掘這場開閉源之爭的更多細(xì)節(jié)，AIGC實(shí)戰(zhàn)派邀請了白鯨開源CEO 郭煒、前神碼CIO 沈旸以及湖南國家應(yīng)用數(shù)學(xué)中心副主任程戈，深入探討了“為什么市面上頭部AI產(chǎn)品依賴閉源大模型？”“開源是不是比閉源的成本更高”等話題，力圖厘清開閉源之爭的這一爭鋒點(diǎn)——開源大模型，到底是全村的希望，還是智商稅？

以下是訪談要點(diǎn)：

?Meta的開源策略，其主要目的是搶奪信息入口，而非商業(yè)授權(quán)帶來的收入。開源模型可能有后勁不足的問題。

?當(dāng)前大模型的參數(shù)還不夠大。如果以人腦的神經(jīng)元作為參考，能實(shí)現(xiàn)AGI的大模型，其參數(shù)規(guī)?？赡苄枰_(dá)到萬億甚至十萬億級別。

?開源的商業(yè)模式尚未成熟。對于To C的AI產(chǎn)品來說，模型性能的微弱差異都可能會影響到最終的用戶體驗(yàn)。

?開源模型所要求的微調(diào)、部署等額外成本，只有能從壟斷性的行業(yè)中收回時才合理，所以適合醫(yī)療、金融領(lǐng)域的B端客戶。

?開源大模型的size一定是有體量限制的，考慮到企業(yè)部署和運(yùn)行模型的成本，估計開源的“爆點(diǎn)”將在100B左右大小誕生。

?目前的開源模型還不是真開源，無法調(diào)動整個社區(qū)的力量。開源的核心在于改動能夠被貢獻(xiàn)回上游，從而一起打造更強(qiáng)大的工具。

經(jīng)過整理的采訪內(nèi)容如下。

1.開源頂流“剛”得過GPT-4o ？

薛彥澤：最近Meta公司開源的Llama 3.1 405B的模型能不能剛得過GPT-4o？模型的實(shí)力究竟是怎樣的，如此龐大的體量會不會在實(shí)際部署時遇到挑戰(zhàn)？

沈旸: 我們看到這個參數(shù)的時候，就放棄部署了，知道肯定跑不起來。不過，我認(rèn)為這個size的商業(yè)化潛力很大。如果是一個7B參數(shù)的小模型，企業(yè)很容易完成私有部署，模型廠商很難賺到錢。但對于405B這樣size的模型，一般企業(yè)很難搞定，必須要借助云服務(wù)，這是一條重要的營收來源。

程戈：Llama和GPT，商業(yè)邏輯是不一樣的。Meta的開源策略是出于對流量入口的爭奪，就像移動互聯(lián)網(wǎng)的時代，安卓通過開源以對抗蘋果一樣。

每當(dāng)Meta開源新的模型，股價就會上揚(yáng)，這說明資本對其商業(yè)策略是認(rèn)可的。但Meta是否真的能達(dá)到其商業(yè)目的，我是會畫個問號的，對B端用戶來說，開源模型可能無法完全保證其數(shù)據(jù)安全；對C端流量來說，Meta是否能夠通過吸引用戶并將模型封裝成優(yōu)質(zhì)產(chǎn)品，還有待觀察。

值得注意的是，與移動互聯(lián)網(wǎng)時代不同，大模型作為后臺服務(wù)，API的切換相對容易，用戶和服務(wù)商粘性不強(qiáng)。所以我擔(dān)心我對Meta的開源策略可能后勁不足，我想他們主要目的還是搶占信息入口，而非商業(yè)授權(quán)帶來的收入。

郭煒：我自己搞開源10多年了，據(jù)我觀察，開源項(xiàng)目的成熟一般需要三到五年的時間。現(xiàn)在就斷言大模型的開源項(xiàng)目能不能打敗GPT-4o可能為時尚早。

首先，大模型的熱潮雖然讓Llama等開源模型廣為人知，但它們的產(chǎn)品形態(tài)和未來方向?qū)嶋H上還未確定。其次，我不認(rèn)為大模型本身是一個產(chǎn)品，我覺得它更像是數(shù)據(jù)庫這樣的基礎(chǔ)組件。不同的模型可以類比為Oracle、Postgres或MySQL——它們本身并不直接解決業(yè)務(wù)問題，而是作為構(gòu)建其他應(yīng)用的基礎(chǔ)。

薛彥澤：那我們再往上一層說，開閉源生態(tài)，目前各處于什么樣的狀態(tài)，哪個可能更占優(yōu)一點(diǎn)？

郭煒：我說一個跟大家稍微不一樣的觀點(diǎn)，我認(rèn)為大模型本身不那么重要，誰掌握數(shù)據(jù)才重要。模型跑分高不代表在實(shí)際的應(yīng)用場景中能滿足用戶的需求。

為什么手機(jī)百度里的AI搜索助手使用頻率那么高，能以80%到90%的準(zhǔn)確率快速回答問題，就是因?yàn)橛邪俣鹊臄?shù)據(jù)加持，讓你快速獲得你需要的數(shù)據(jù)，豆包和元寶的優(yōu)勢也在于此。

程戈: 我想補(bǔ)充一下具身智能領(lǐng)域的信息，在這方面我覺得開源的市場會更好一些。具身智能如果要實(shí)現(xiàn)離線功能，必然需要在開源基礎(chǔ)上進(jìn)行開發(fā)，并對模型進(jìn)行精簡，使其體量足夠小，能完成家政等特定場景中的任務(wù)就可以。

開源生態(tài)的話，已經(jīng)在運(yùn)動規(guī)劃方面公開了權(quán)重，無需再付出預(yù)訓(xùn)練的成本，只要去做微調(diào)就可以了，能夠很好的降低成本。

2.“模型先變小，才能繼續(xù)變大”？

薛彥澤：現(xiàn)在AI領(lǐng)域有個論斷說，“模型必須先變小，才能繼續(xù)變大”，老師們怎么看這條規(guī)律？

郭煒：不能說這個規(guī)律不對哈。但是，大和小是模型的兩個不同層次，是并行的，本質(zhì)是取決于不同的應(yīng)用場景。

我還是以數(shù)據(jù)庫的發(fā)展舉例，在早期，大家做數(shù)據(jù)庫也是拼命做大。像IBM的DB2這樣的大型數(shù)據(jù)庫可能需要占據(jù)整個房間，而隨著技術(shù)的進(jìn)步，它們逐漸縮小到機(jī)柜甚至單個服務(wù)器的規(guī)模。同時，也出現(xiàn)

了針對特定場景優(yōu)化的小型數(shù)據(jù)庫，比如運(yùn)行在手機(jī)或電腦中的數(shù)據(jù)庫。

我覺得大模型的發(fā)展也會是雙向的，而不是所謂的“先后”。解決通用問題還是需要大模型，具體到一個具體問題，例如智能眼鏡的日常交互，一定是小模型更合適。

薛彥澤：更大模型的推出速度好像在放緩，比如GPT-5的延期。

郭煒：大模型的迭代速度慢。然而，LLM領(lǐng)域的“軍備競賽”尚未結(jié)束，后面肯定還有更大的模型。

薛彥澤：回到這個論斷本身，是否暗示了現(xiàn)在的大模型訓(xùn)練遇到了數(shù)據(jù)、算力等方面的瓶頸，需要采取蒸餾等方法先得到小模型，才能繼續(xù)發(fā)展？

沈旸: 我覺得模型當(dāng)前的參數(shù)還不夠大。如果以人腦的1000億個神經(jīng)元作為參考，現(xiàn)有的AI模型參數(shù)量與之相比還相差甚遠(yuǎn)。如果AGI能做到在各種任務(wù)上超越人類，參數(shù)規(guī)?？赡苄枰_(dá)到萬億甚至十萬億級別。

在達(dá)到這樣的規(guī)模之前，我們都在探索AI大模型的天花板。因?yàn)閠ransformer架構(gòu)是個概率模型，只有當(dāng)我們觸及到這個極限，等那時我們才會考慮通過蒸餾等方法來縮小模型規(guī)模，看是否能夠在減少參數(shù)的同時保持或提升性能。

例如下一次發(fā)的4050B模型，跑分只比405B高一分，這個時候就應(yīng)該考慮往小里做了。總的來說，這還是一個探索的階段，未知空間還很大。

有關(guān)數(shù)據(jù)的問題，我個人感受是數(shù)據(jù)還遠(yuǎn)遠(yuǎn)沒有耗盡。目前大模型學(xué)到的都是表面的知識，就像三體人學(xué)習(xí)人類一樣。經(jīng)過篩選的數(shù)據(jù)，使得模型都是中立的“偉光正”。就像今天的這場直播，我們會有觀點(diǎn)的沖突，之后才有討論、說服和決策，但目前的大模型還沒有允許被“喂”不同立場或者是“人格”的語料。

程戈: 參數(shù)規(guī)模，主要是兩個原因決定的。我們說的“智能涌現(xiàn)”，是說隨著參數(shù)擴(kuò)大，模型的性能線性提升，但到達(dá)某一點(diǎn)后，性能提升會非?？臁Ｈ欢?，如果要再進(jìn)一步，則需要更高質(zhì)量的數(shù)據(jù)。而目前，帶來的信息增益是最多的數(shù)據(jù)已經(jīng)消耗的差不多了。

其次，多模態(tài)數(shù)據(jù)的引入雖然帶來了參數(shù)規(guī)模的增長。然而，視覺數(shù)據(jù)跟自然語言數(shù)據(jù)相比，噪聲太多。在這種情況下，單純增加參數(shù)規(guī)模帶來的成本收益比將逐漸降低，因此我們可能不會繼續(xù)盲目增加參數(shù)規(guī)模。另外，端側(cè)推理的需求也影響了模型規(guī)模，在本地能run的模型隱私性更好，這使得現(xiàn)階段小模型的涌現(xiàn)和流行成為自然。

3.頭部產(chǎn)品依賴閉源模型？

薛彥澤：現(xiàn)在AI的頭部產(chǎn)品，幾乎都是依賴閉源大模型的。開源模型是不是主要面向B端和學(xué)術(shù)側(cè)？為什么會出現(xiàn)這種現(xiàn)象？

郭煒：閉源大模型已經(jīng)有了自己的商業(yè)模式。而開源在這方面還未成熟，可能需要三到五年的時間，才能真正進(jìn)入良性的生長周期。

以安卓為類比，它也是做了很多年才開始有收入的。

目前，閉源模型在To C領(lǐng)域用的更多，因?yàn)樗鼈冇辛髁?，能夠吸引投資人，獲得大量的資金支持。而開源模型雖然在To B上有所應(yīng)用，但不如前者廣泛。在To B領(lǐng)域，場景適配的重要性遠(yuǎn)超過模型本身的性能。許多海外的SaaS服務(wù)，仍然在調(diào)用閉源模型的API。因?yàn)殚_源模型還需要自行部署、訓(xùn)練和優(yōu)化，這對于企業(yè)來說是額外的投入。

沈旸:目前為什么閉源模型更受歡迎呢，我覺得可以從以下幾種商業(yè)情景考慮：

首先，對于想做初期POC（概念驗(yàn)證）或企業(yè)內(nèi)部應(yīng)用來說，使用閉源模型的成本非常低廉。大模型云調(diào)用的方式省去了硬件成本，通過按需付費(fèi)（如按token計費(fèi)）方式即可。

其次，對于目標(biāo)是做到頭部AI應(yīng)用的用戶來說，為了追求效率和性能，也會傾向于采用閉源模型。

最后，就是我剛才提到的，開源模型一定是個“偉光正”的大模型，這使得AI在內(nèi)容上有過濾，可能在商業(yè)效果上打折扣。

如果要說開源大模型的未來，我覺得關(guān)鍵在大型企業(yè)出于數(shù)據(jù)安全考慮，必須進(jìn)行本地部署的情況。然而，在這種情況下，模型的size一定是有體量限制的，要能兼顧模型的運(yùn)行和成本等問題，我估計范圍在100B左右。

程戈: 我覺得這是模型不同的商業(yè)模式所決定的。在C端市場，即使是細(xì)微的性能差距也會在客戶體驗(yàn)中被放大，導(dǎo)致使用開源模型的產(chǎn)品在商業(yè)競爭中處于劣勢。

設(shè)想一個B端企業(yè)采用開源模型，其競爭對手使用閉源，模型之間可能只有5%到10%的效果差距。但對一般用戶來說，他們并不關(guān)心這一點(diǎn)點(diǎn)差距，因此用戶體驗(yàn)成為了競爭的關(guān)鍵。只有當(dāng)開源模型的能力達(dá)到與閉源模型相似的水平時，中間廠商才會采用并提供給中小開發(fā)者使用。

為什么是現(xiàn)在大家看到開源在B端和學(xué)術(shù)界受歡迎？B端是因?yàn)樵S多行業(yè)的競爭能力來源于其私有數(shù)據(jù)，為了保護(hù)商業(yè)利益，哪怕性能遜色些，也不得不用開源。而學(xué)術(shù)界的研究和實(shí)驗(yàn)需要，與閉源模型的黑盒特性間不適配，不滿足學(xué)術(shù)研究的透明度和可復(fù)現(xiàn)性。

4.使用開源模型，成本未必低于閉源？

薛彥澤: 接下來我們聊聊開源模型的成本，因?yàn)檫€需要投入人力做微調(diào)，在實(shí)際的生產(chǎn)環(huán)境中也許不如閉源更經(jīng)濟(jì)？

沈旸：開源之所以貴，就是大家想去做微調(diào)，只要你放棄了這個想法，它的使用成本是極其低的。

例如，如果你想將一個通用的開源大模型調(diào)整為特定于金融領(lǐng)域的模型，這非常難，更好的做法是等待金融領(lǐng)域的大企業(yè)把這個模型開源出來。盡量不要自己做微調(diào)，更為經(jīng)濟(jì)高效。

薛彥澤：但開源模型的價值不就在于大家可以自己做微調(diào)和訓(xùn)練嗎？

郭煒：做個比喻，我就覺得開源模型比作一個中專生，它可能不如閉源模型那樣已經(jīng)達(dá)到大專生的水平，但開源模型的優(yōu)勢在于它的可塑性。你可以通過微調(diào)來教授它專業(yè)知識，或者通過規(guī)則來指導(dǎo)它，使其適應(yīng)特定領(lǐng)域的應(yīng)用。

然而，無論采用哪種方式，開源模型使用的時間成本一定是大于閉源模型的。如果你想在短期內(nèi)做一個產(chǎn)品，使用閉源模型是必然的。說實(shí)話，目前的開源大模型是愛好者，前輩級大企業(yè)的玩具，普通企業(yè)很難入場去用。

薛彥澤: 如果程老師做一款A(yù)I產(chǎn)品，會選擇開源還是閉源？

程戈：開源跟閉源的選擇，它跟最終的產(chǎn)品形態(tài)是相關(guān)的，而不是簡單的根據(jù)To B 還是To C來決定。

如果我面向的是行業(yè)用戶，例如醫(yī)療領(lǐng)域，我會選擇開源模型。因?yàn)樵谶@種情況下，我積累的醫(yī)療數(shù)據(jù)是行業(yè)內(nèi)的競爭優(yōu)勢，而其他醫(yī)療巨頭把模型開源的概率非常小，因?yàn)檫@不符合他們的商業(yè)利益。因此，我會將開源模型與我的領(lǐng)域特定場景和數(shù)據(jù)結(jié)合起來。

但如果我的產(chǎn)品是基于一個創(chuàng)意idea，只是用大模型來為C端用戶提供增值服務(wù)，那么我選閉源。開源模型雖然省去了預(yù)訓(xùn)練成本，但增加了微調(diào)、推理及維護(hù)的成本。這些額外成本只有能從行業(yè)壟斷性或競爭力中收回時才合理。

5.開源模型，是全村希望還是智商稅？

薛彥澤: 李彥宏近日提出“開源模型都是智商稅”，包括月之暗面的楊植麟也說開源只是To B的拓客手段，怎么看？

郭煒：用剛才的比喻來說，現(xiàn)在的開閉源放在一起比，就是用安卓1.0對打iPhone 3GS，現(xiàn)在看著開源模型還比較弱，將來誰贏誰輸尚未可知。

但我倒是不同意將開源模型粗暴地當(dāng)做"智商稅"。開源模型，盡管沒有經(jīng)過商業(yè)化打磨，但有可能像早期的安卓系統(tǒng)那樣，擁有活躍的社區(qū)和多方參與，能夠快速迭代和改進(jìn)。

問題是，現(xiàn)在開源模型我覺得不是真開源。真正的開源是能夠獲得正反饋的，應(yīng)該包括代碼、數(shù)據(jù)和訓(xùn)練方法的全面開放，允許用戶發(fā)現(xiàn)問題并做出貢獻(xiàn)?，F(xiàn)在開源模型不是這樣的，缺少數(shù)據(jù)和訓(xùn)練方法的開放，無法獲得實(shí)質(zhì)性的反饋和改進(jìn)。

我和阿帕奇基金會成員討論過，了解到開源模型的標(biāo)準(zhǔn)正在制定。只有當(dāng)這些標(biāo)準(zhǔn)確立后，我們才能深入討論什么是開源模型。此外，盡管有些企業(yè)基于開源模型進(jìn)行開發(fā)，但這些改動往往無法反饋到原始模型中，這限制了開源社區(qū)的健康發(fā)展。開源的核心在于改動能夠被貢獻(xiàn)回上游，從而一起打造更強(qiáng)大的工具。而現(xiàn)在的開源大模型還只是一個分發(fā)渠道。

沈旸：首先來說，李彥宏說“開源模型都是智商稅”的時候，一定是有其特定背景的。當(dāng)時提出這一觀點(diǎn)時，國內(nèi)還沒有出現(xiàn)70B參數(shù)級別的開源大模型，當(dāng)時開源模型的性能與閉源模型相比差距很大，幾乎無法使用。因此，很多公司對開源模型進(jìn)行一些簡單的改造，然后提供給企業(yè)，這可能是他所批評的行為。

但以今天的情況看，這一觀點(diǎn)已經(jīng)不再成立。無論是國內(nèi)70B參數(shù)的模型，還是如405B這樣的模型，性能已經(jīng)非常接近閉源模型，推理成本也相差無幾。

至于未來誰更強(qiáng)大，我認(rèn)為這與開源或閉源沒有直接關(guān)系，而是看誰砸的錢更多。例如，如果Meta 能投入100億美元，而百度只能投入10億美元，那么投入更多的公司無論是開源還是閉源，其模型性能都會很強(qiáng)。

目前，無論是百度、阿里、Meta還是其他公司，都不是以AI或大模型作為主要營收來源。如果依賴這些作為主要營收，我覺得沒有一家公司能活得下去。

程戈：李彥宏的觀點(diǎn)有一定的道理，特別是在當(dāng)時國內(nèi)出現(xiàn)了所謂的千模大戰(zhàn)，以及許多基于開源模型的小規(guī)模微調(diào)產(chǎn)品，這些產(chǎn)品在性能上很難超越閉源模型。

不過，周鴻祎說大模型不應(yīng)該成為少數(shù)廠商的賺錢工具，我也同意這個看法。歸根到底，這和他們各自的商業(yè)模式有關(guān)系。

現(xiàn)在，不同企業(yè)根據(jù)自身的優(yōu)勢進(jìn)行差異化競爭。例如，百度利用其在搜索領(lǐng)域的數(shù)據(jù)積累，而其他公司比如字節(jié)則可能利用自己強(qiáng)大的內(nèi)容生產(chǎn)生態(tài)。這些企業(yè)都在走差異化路線，借助自己在生態(tài)上的積累，讓AI的價值最大化。

不過，市場上的通用大模型最終不會容下太多競爭者——就像手機(jī)操作系統(tǒng)一樣，市場最終只會留下少數(shù)幾家。這將是一個自然選擇的過程，由市場決定哪些模型能夠生存下來。

本文轉(zhuǎn)載自??51CTO技術(shù)棧??，作者：李美涵