嘉賓 | 郭煒、沈旸、程戈

主持 | 薛彥澤

整理 | 李美涵

大模型的場(chǎng)域，被開(kāi)閉源自動(dòng)地劃分為兩個(gè)陣營(yíng)。自此，開(kāi)閉源之爭(zhēng)的硝煙一直盤旋在大模型的上空。

從奧特曼頗為無(wú)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(kāi)源。到李彥宏直截了當(dāng)?shù)臄嘌裕洪_(kāi)源模型可能是一種“智商稅”，隨著時(shí)間的推移，開(kāi)源模型只會(huì)越來(lái)越落后。開(kāi)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(kāi)源注入了強(qiáng)心劑。有人說(shuō)，Meta的持續(xù)開(kāi)源是對(duì)開(kāi)源唱衰論的最有力反擊。周鴻祎也站出來(lái)說(shuō)，大模型不該淪為少數(shù)廠家的賺錢工具。

為了能挖掘這場(chǎng)開(kāi)閉源之爭(zhēng)的更多細(xì)節(jié)，AIGC實(shí)戰(zhàn)派邀請(qǐng)了白鯨開(kāi)源CEO 郭煒、前神碼CIO 沈旸以及湖南國(guó)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(kāi)源是不是比閉源的成本更高”等話題，力圖厘清開(kāi)閉源之爭(zhēng)的這一爭(zhēng)鋒點(diǎn)——開(kāi)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(kāi)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(lái)的收入。開(kāi)源模型可能有后勁不足的問(wèn)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(wàn)億甚至十萬(wàn)億級(jí)別。

?開(kāi)源的商業(yè)模式尚未成熟。對(duì)于To C的AI產(chǎn)品來(lái)說(shuō)，模型性能的微弱差異都可能會(huì)影響到最終的用戶體驗(yàn)。

?開(kāi)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(shí)才合理，所以適合醫(yī)療、金融領(lǐng)域的B端客戶。

?開(kāi)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(jì)開(kāi)源的“爆點(diǎn)”將在100B左右大小誕生。

?目前的開(kāi)源模型還不是真開(kāi)源，無(wú)法調(diào)動(dòng)整個(gè)社區(qū)的力量。開(kāi)源的核心在于改動(dòng)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(guò)整理的采訪內(nèi)容如下。

1.開(kāi)源頂流“剛”得過(guò)GPT-4o ？

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

沈旸: 我們看到這個(gè)參數(shù)的時(shí)候，就放棄部署了，知道肯定跑不起來(lái)。不過(guò)，我認(rèn)為這個(gè)size的商業(yè)化潛力很大。如果是一個(gè)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(duì)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(yíng)收來(lái)源。

程戈：Llama和GPT，商業(yè)邏輯是不一樣的。Meta的開(kāi)源策略是出于對(duì)流量入口的爭(zhēng)奪，就像移動(dòng)互聯(lián)網(wǎng)的時(shí)代，安卓通過(guò)開(kāi)源以對(duì)抗蘋果一樣。

每當(dāng)Meta開(kāi)源新的模型，股價(jià)就會(huì)上揚(yáng)，這說(shuō)明資本對(duì)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(huì)畫個(gè)問(wèn)號(hào)的，對(duì)B端用戶來(lái)說(shuō)，開(kāi)源模型可能無(wú)法完全保證其數(shù)據(jù)安全；對(duì)C端流量來(lái)說(shuō)，Meta是否能夠通過(guò)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(dòng)互聯(lián)網(wǎng)時(shí)代不同，大模型作為后臺(tái)服務(wù)，API的切換相對(duì)容易，用戶和服務(wù)商粘性不強(qiáng)。所以我擔(dān)心我對(duì)Meta的開(kāi)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(lái)的收入。

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

首先，大模型的熱潮雖然讓Llama等開(kāi)源模型廣為人知，但它們的產(chǎn)品形態(tài)和未來(lái)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(gè)產(chǎn)品，我覺(jué)得它更像是數(shù)據(jù)庫(kù)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(wèn)題，而是作為構(gòu)建其他應(yīng)用的基礎(chǔ)。

薛彥澤：那我們?cè)偻弦粚诱f(shuō)，開(kāi)閉源生態(tài)，目前各處于什么樣的狀態(tài)，哪個(gè)可能更占優(yōu)一點(diǎn)？

郭煒：我說(shuō)一個(gè)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(shuí)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(chǎng)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(wèn)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(shì)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(jué)得開(kāi)源的市場(chǎng)會(huì)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(kāi)源基礎(chǔ)上進(jìn)行開(kāi)發(fā)，并對(duì)模型進(jìn)行精簡(jiǎn)，使其體量足夠小，能完成家政等特定場(chǎng)景中的任務(wù)就可以。

開(kāi)源生態(tài)的話，已經(jīng)在運(yùn)動(dòng)規(guī)劃方面公開(kāi)了權(quán)重，無(wú)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(gè)論斷說(shuō)，“模型必須先變小，才能繼續(xù)變大”，老師們?cè)趺纯催@條規(guī)律？

郭煒：不能說(shuō)這個(gè)規(guī)律不對(duì)哈。但是，大和小是模型的兩個(gè)不同層次，是并行的，本質(zhì)是取決于不同的應(yīng)用場(chǎng)景。

我還是以數(shù)據(jù)庫(kù)的發(fā)展舉例，在早期，大家做數(shù)據(jù)庫(kù)也是拼命做大。像IBM的DB2這樣的大型數(shù)據(jù)庫(kù)可能需要占據(jù)整個(gè)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(gè)服務(wù)器的規(guī)模。同時(shí)，也出現(xiàn)

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

我覺(jué)得大模型的發(fā)展也會(huì)是雙向的，而不是所謂的“先后”。解決通用問(wèn)題還是需要大模型，具體到一個(gè)具體問(wèn)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(jìng)賽”尚未結(jié)束，后面肯定還有更大的模型。

薛彥澤：回到這個(gè)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(jué)得模型當(dāng)前的參數(shù)還不夠大。如果以人腦的1000億個(gè)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(wàn)億甚至十萬(wàn)億級(jí)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(gè)概率模型，只有當(dāng)我們觸及到這個(gè)極限，等那時(shí)我們才會(huì)考慮通過(guò)蒸餾等方法來(lái)縮小模型規(guī)模，看是否能夠在減少參數(shù)的同時(shí)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(gè)時(shí)候就應(yīng)該考慮往小里做了。總的來(lái)說(shuō)，這還是一個(gè)探索的階段，未知空間還很大。

有關(guān)數(shù)據(jù)的問(wèn)題，我個(gè)人感受是數(shù)據(jù)還遠(yuǎn)遠(yuǎn)沒(méi)有耗盡。目前大模型學(xué)到的都是表面的知識(shí)，就像三體人學(xué)習(xí)人類一樣。經(jīng)過(guò)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(chǎng)直播，我們會(huì)有觀點(diǎn)的沖突，之后才有討論、說(shuō)服和決策，但目前的大模型還沒(méi)有允許被“喂”不同立場(chǎng)或者是“人格”的語(yǔ)料。

程戈: 參數(shù)規(guī)模，主要是兩個(gè)原因決定的。我們說(shuō)的“智能涌現(xiàn)”，是說(shuō)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(huì)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(lái)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(lái)了參數(shù)規(guī)模的增長(zhǎng)。然而，視覺(jué)數(shù)據(jù)跟自然語(yǔ)言數(shù)據(jù)相比，噪聲太多。在這種情況下，單純?cè)黾訁?shù)規(guī)模帶來(lái)的成本收益比將逐漸降低，因此我們可能不會(huì)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(kāi)源模型是不是主要面向B端和學(xué)術(shù)側(cè)？為什么會(huì)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(kāi)源在這方面還未成熟，可能需要三到五年的時(shí)間，才能真正進(jìn)入良性的生長(zhǎng)周期。

以安卓為類比，它也是做了很多年才開(kāi)始有收入的。

目前，閉源模型在To C領(lǐng)域用的更多，因?yàn)樗鼈冇辛髁浚軌蛭顿Y人，獲得大量的資金支持。而開(kāi)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(chǎng)景適配的重要性遠(yuǎn)超過(guò)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_(kāi)源模型還需要自行部署、訓(xùn)練和優(yōu)化，這對(duì)于企業(yè)來(lái)說(shuō)是額外的投入。

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

首先，對(duì)于想做初期POC（概念驗(yàn)證）或企業(yè)內(nèi)部應(yīng)用來(lái)說(shuō)，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(guò)按需付費(fèi)（如按token計(jì)費(fèi)）方式即可。

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

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

如果要說(shuō)開(kāi)源大模型的未來(lái)，我覺(jué)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(wèn)題，我估計(jì)范圍在100B左右。

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

設(shè)想一個(gè)B端企業(yè)采用開(kāi)源模型，其競(jìng)爭(zhēng)對(duì)手使用閉源，模型之間可能只有5%到10%的效果差距。但對(duì)一般用戶來(lái)說(shuō)，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(jìng)爭(zhēng)的關(guān)鍵。只有當(dāng)開(kāi)源模型的能力達(dá)到與閉源模型相似的水平時(shí)，中間廠商才會(huì)采用并提供給中小開(kāi)發(fā)者使用。

為什么是現(xiàn)在大家看到開(kāi)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(jìng)爭(zhēng)能力來(lái)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(kāi)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(kāi)源模型，成本未必低于閉源？

薛彥澤: 接下來(lái)我們聊聊開(kāi)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(kāi)源之所以貴，就是大家想去做微調(diào)，只要你放棄了這個(gè)想法，它的使用成本是極其低的。

例如，如果你想將一個(gè)通用的開(kāi)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(gè)模型開(kāi)源出來(lái)。盡量不要自己做微調(diào)，更為經(jīng)濟(jì)高效。

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

郭煒：做個(gè)比喻，我就覺(jué)得開(kāi)源模型比作一個(gè)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(kāi)源模型的優(yōu)勢(shì)在于它的可塑性。你可以通過(guò)微調(diào)來(lái)教授它專業(yè)知識(shí)，或者通過(guò)規(guī)則來(lái)指導(dǎo)它，使其適應(yīng)特定領(lǐng)域的應(yīng)用。

然而，無(wú)論采用哪種方式，開(kāi)源模型使用的時(shí)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(gè)產(chǎn)品，使用閉源模型是必然的。說(shuō)實(shí)話，目前的開(kāi)源大模型是愛(ài)好者，前輩級(jí)大企業(yè)的玩具，普通企業(yè)很難入場(chǎng)去用。

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

程戈：開(kāi)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(jiǎn)單的根據(jù)To B 還是To C來(lái)決定。

如果我面向的是行業(yè)用戶，例如醫(yī)療領(lǐng)域，我會(huì)選擇開(kāi)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(jìng)爭(zhēng)優(yōu)勢(shì)，而其他醫(yī)療巨頭把模型開(kāi)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(huì)將開(kāi)源模型與我的領(lǐng)域特定場(chǎng)景和數(shù)據(jù)結(jié)合起來(lái)。

但如果我的產(chǎn)品是基于一個(gè)創(chuàng)意idea，只是用大模型來(lái)為C端用戶提供增值服務(wù)，那么我選閉源。開(kāi)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(jìng)爭(zhēng)力中收回時(shí)才合理。

5.開(kāi)源模型，是全村希望還是智商稅？

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

郭煒：用剛才的比喻來(lái)說(shuō)，現(xiàn)在的開(kāi)閉源放在一起比，就是用安卓1.0對(duì)打iPhone 3GS，現(xiàn)在看著開(kāi)源模型還比較弱，將來(lái)誰(shuí)贏誰(shuí)輸尚未可知。

但我倒是不同意將開(kāi)源模型粗暴地當(dāng)做"智商稅"。開(kāi)源模型，盡管沒(méi)有經(jīng)過(guò)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(wèn)題是，現(xiàn)在開(kāi)源模型我覺(jué)得不是真開(kāi)源。真正的開(kāi)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(kāi)放，允許用戶發(fā)現(xiàn)問(wèn)題并做出貢獻(xiàn)?，F(xiàn)在開(kāi)源模型不是這樣的，缺少數(shù)據(jù)和訓(xùn)練方法的開(kāi)放，無(wú)法獲得實(shí)質(zhì)性的反饋和改進(jìn)。

我和阿帕奇基金會(huì)成員討論過(guò)，了解到開(kāi)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(kāi)源模型。此外，盡管有些企業(yè)基于開(kāi)源模型進(jìn)行開(kāi)發(fā)，但這些改動(dòng)往往無(wú)法反饋到原始模型中，這限制了開(kāi)源社區(qū)的健康發(fā)展。開(kāi)源的核心在于改動(dòng)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(kāi)源大模型還只是一個(gè)分發(fā)渠道。

沈旸：首先來(lái)說(shuō)，李彥宏說(shuō)“開(kāi)源模型都是智商稅”的時(shí)候，一定是有其特定背景的。當(dāng)時(shí)提出這一觀點(diǎn)時(shí)，國(guó)內(nèi)還沒(méi)有出現(xiàn)70B參數(shù)級(jí)別的開(kāi)源大模型，當(dāng)時(shí)開(kāi)源模型的性能與閉源模型相比差距很大，幾乎無(wú)法使用。因此，很多公司對(duì)開(kāi)源模型進(jìn)行一些簡(jiǎn)單的改造，然后提供給企業(yè)，這可能是他所批評(píng)的行為。

但以今天的情況看，這一觀點(diǎn)已經(jīng)不再成立。無(wú)論是國(guó)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(wú)幾。

至于未來(lái)誰(shuí)更強(qiáng)大，我認(rèn)為這與開(kāi)源或閉源沒(méi)有直接關(guān)系，而是看誰(shuí)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(wú)論是開(kāi)源還是閉源，其模型性能都會(huì)很強(qiáng)。

目前，無(wú)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(yíng)收來(lái)源。如果依賴這些作為主要營(yíng)收，我覺(jué)得沒(méi)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(shí)國(guó)內(nèi)出現(xiàn)了所謂的千模大戰(zhàn)，以及許多基于開(kāi)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(guò)，周鴻祎說(shuō)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(gè)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(shì)進(jìn)行差異化競(jìng)爭(zhēng)。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(jià)值最大化。

不過(guò)，市場(chǎng)上的通用大模型最終不會(huì)容下太多競(jìng)爭(zhēng)者——就像手機(jī)操作系統(tǒng)一樣，市場(chǎng)最終只會(huì)留下少數(shù)幾家。這將是一個(gè)自然選擇的過(guò)程，由市場(chǎng)決定哪些模型能夠生存下來(lái)。