开源大模型对闭源大模型的冲击，变得十分强烈。

本年3月，Meta发布了Llama（羊驼），很快成为AI社区内最强壮的开源大模型，也是许多模型的基座模型。有人戏称，当时的大模型集群，便是一堆各种花样的“羊驼”。

而就在前些天，Meta又推出了免费可商用版别的“羊驼2号”——Llama2，听说功能比肩GPT-3.5。

这在整个大模型圈都是十分迸裂的。

咱们知道，各个互联网、科技公司都在竞相练习、推出自己的大模型，投入了许多的核算资源和本钱，假如不能有用的完结商业化，那么这些大模型就很难回收本钱，后续的迭代、更新、晋级都成问题，不只研制企业会亏个底掉，更苦恼的大约便是“前功尽弃”的用户了。

而现在有了自在敞开强壮的开源大模型，谁还愿意给闭源大模型送钱呢？

还真的有。

开源是大势所趋，但闭源大模型仍然有其存在含义和商业价值。依照现在的AI工业落地经历来看，用好大模型，仍是得靠闭源。

今日咱们就来聊聊这个问题，到底是谁，需求闭源大模型？

01 到工业去，到工业去

大模型的商业化结尾是工业，想必现已是不必过多解说的一致了。

前不久，我参加某一个国产大模型的内部交流会，对方高层就明晰表明，自己悉数用的是闭源代码，并且坚持走闭源路途，便是考虑到练习大模型与职业同伴协作，其间许多隐私数据是不方便开源的。

见一斑可窥全豹，至少在短期内，大模型走向工业，落地仍是要靠闭源。

模型方面，闭源大模型的质量更高。

就拿现在最能打的Llama 2为例，Meta 将 Llama 2 70B 的成果，与闭源模型进行了比较，成果在 MMLU 和 GSM8K 上挨近 GPT-3.5，但在编码基准上，还存在明显距离，不少数据在多样性和质量方面有所短缺。

当然，开源大模型的优化迭代速度很快。但开源的实质和“有性繁衍”很像，便是经过许多繁衍和变异，好像开篇那张“羊驼集群”相同，面临不确认的未来，凭借进化的“优胜劣汰”，让*质的子孙继续出现。所以，开源软件的分支多，对用户来说，这个挑选的本钱是很高的，加上开发人员许多，版别操控是一个问题。

安全性方面，闭源大模型的可靠性更高。

开源大模型要恪守开源协议，商业运用需求取得授权，海外开源大模型也要遭到属地统辖，github就曾封禁俄罗斯开发者账号。运用海外开源大模型开发产品，供应链的危险，是客观存在的。

那么，运用国产开源大模型呢？安全性得到保证，但从商业视点看，许多客户，如大型政企，也十分看严重模型在事务上的可靠性，收购时往往需求大公司的品牌背书。一方面研制投入更大，口碑更高；另一方面，万一大模型生成不妥，导致商业丢失或商誉问题，运用闭源大模型能够问责服务商，运用开源大模型总不能找全球开发者算账吧？

比方大模型创业公司Huging Face，为客户供给AI咨询，是开源社区的台柱子，表明有许多客户期望把自己的私有数据/专业数据用来训模型，并不想把这些数据给到 OpenAl。

工业化方面，闭源大模型的长时间服务才能更强、更可用。

大模型落地，并不是接入API、塞进数据、调参优化就完毕了。作为一种新式技能，大模型与事务场景的交融，还有十分多应战。比方大模型需求经过蒸馏紧缩，减小模型规划，才能在端侧布置，许多企业底子没有这类专业人才。

再比方，大模型与事务结合，需求产品、运营、测验工程师等多种人物一同参加，这些服务才能是以coder为主的开源团队，所很难供给的。此外，大模型的长时间运用，算力、存储、网络等配套都要跟上，开源社区无法协助用户“一站式”处理这些细节问题。

还有数据隐私顾忌，大模型是不能直接为工业所用的，还要经过专有场景数据进行优化，而这些数据练习完的模型会被开源敞开出去，让企业顾忌重重。

咱们曾采访过一个才智医疗研制团队，对方表明，许多医疗数据散布在各大医院、研究组织，又触及患者隐私，咱们关于把数据拿出来一同练习一个职业模型，都存在顾忌。一方面是安全得不到保证，另一方面是自己的数据质量高，但从中得不到恰当的报答，和其他数据质量低的组织相同，很难和谐。在开源大模型的共建中，怎样得到数据、把握配方、确认各方奉献，还存在许多难题。

开源大模型需求平衡技能立异自在和版权收益之间的抵触，而运用闭源大模型就没有这方面的费事，数据和模型的一切权、运用权都很明晰，牢牢把握在企业自己手里。

能够说，现在开源大模型还无法到达实践的事务需求。而开源大模型运用者和ISV集成商，是需求取得商业报答的，假如开源大模型不行商用、作用欠好、很难挣钱，那么即便免费，企业也会慎重考虑要不要投入人来开发。

所以，未来一段时间，闭源仍然是大模型落地工业的抢手挑选。

02 到大众去，到大众去

或许有人不睬解了，开源免费商用，咱们都能用上白菜价的大模型了，对开发者和企业用户多友爱，你怎样还说闭源好？是不是为一门心思挣钱的大厂站台？

非也。

凡是了解开源，都会支撑开源。凡是支撑开源，都会重视开源的商业化。

中国科学院梅宏院士曾说过，开源以抱负主义为源起，以商业化为昌盛助力，是敞开立异的模范。没有商业化，不行能有开源。

所以，开源也好，闭源也好，谁能更早“可商用”，谁就更有未来。这一点上，闭源大模型或许更占优势，终究有底气闭源的厂商，仍是有两把刷子和研制家底儿的。

那么，开源大模型的优势在哪里呢？假如说闭源大模型要到工业去，那么开源大模型就要到大众中去，主打一个人多力量大。

（LeCun以为Llama-v2会改动LLM的商场格式）

开源大模型不同于传统开源软件，把源代码放上去，然后全球开发者来奉献代码就完了。大模型的协同共建，更多体现在社区昌盛，咱们一同把模型做优化、数据做丰厚、东西做完善、运用做全面……

这时候，开源形式能够带来几个优点：

1.技能立异。开源社区能够会聚广阔科技企业、研究组织和开发者，对模型进行优化、改善、加快迭代，让模型技能和配套数据集、运用东西等，变得丰厚、高质，然后坚持*。

2.人才抢夺。大模型作为新式技能，人才紧缺，经过开源社区招引全球优秀人才做奉献，加快大模型晋级，能够摆开距离。有竞赛才有压力，所以LLama 2发布之后，很快传出OpenAI也开端考虑半年内开源GPT-3.5的音讯，开发者们有福了。

3.生态合拢。现在各行各业的IT处理方案和数字化转型，许多运用开源技能和运用，建造大模型开源生态，让IT人才和企业运用相关技能，关于后期的商业化十分有协助。比方OpenAI 的协作同伴/投资方微软，这次也挑选成为Llama 2 的首要协作同伴，支撑个人开发者和中小公司以*本钱调用Llama 2，这对azure无疑是一大利好。

不是一切开源大模型都能成功，生态是要害的护城河。

03 夹心饼干，向何处去？

就像手机操作系统的 iOS 与 Andriod，开源与闭源的竞赛，并不是某一个范畴打的“有你没我”，而是各自走出一条差异化的路途，迎来自己的六合。大模型也是如此。

闭源大模型开门迎客，开源大模型红红火火，咱们都有光亮的未来。

既然如此，为什么还有专家以为，Llama 2开源对开源来说是一个巨大的腾跃，但对闭源的大模型公司是一个巨大冲击？

终究冲击了谁？

答案应该是，既不甘愿只做运用层、又没才能卷过大厂的根底大模型厂商。

谷歌研究人员曾发文说，由于有开源社区，咱们（Google和OpenAI）没有护城河。可是，OpenAI还有GPT-4这样的闭源大模型作为杀手锏，只要被开源逼急了的情况下，才考虑把GPT-3.5开源，这里边是有技能代差的。并且GPT-3.5开源只透露了口风，详细开展仍是未知数。

所以，这类头部科技厂商和云巨子，如海外的谷歌、OpenAI，国内的BATH，卡、钱、人才、数据、商场认知度、客户根底都有优势，走闭源路途来完结大模型商业化、工业化是有必定先发优势和壁垒的。

这就苦了那些一心想训根底通用大模型的二三线厂商了。

此前，全球巨细科技公司和各类科研组织，蜂拥而至训根底大模型，比方某些机器视觉AI独角兽，不小心就成了根底层和运用层之间的“夹心饼干”。

实力上打不过GPT，本钱上打不过Llama，训出来的根底通用大模型，还没比及正式敞开商用，就现已过期了，注定是时过境迁。商场上拼不过巨子，敞开度不如开源社区，简直不行能回收昂扬的开发本钱。

趁早抛弃死磕大模型，或许才是正确挑选。

比方国内某AI公司的大模型，此前私有化报价是一年30万，随后就宣告对学术研究彻底敞开，取得授权可免费商用。做大模型开源社区，也有商业化的或许（如Linux/ Android/红帽），一起也能防止跟头部的通用大模型的“硬碰硬”。

关于运用层开发者和ISV集成商企业来说，用好工业承受度高的闭源大模型，能够更快让客户承受，更适合私有化定制布置的事务需求，更快完结商业落地和收入增加。

关于AI创业公司来说，开源直接就能用，防止重复造轮子，或许是更抱负、低本钱试错的商业化手法，“报团取暖”奉献大模型开源项目，推进大模型开源社区的开展，也会取得社区回馈和商业回馈。

中国大模型开展到高水平，既要有全球*的闭源大模型打头阵，也要有具有国际影响力的大模型开源社区。

道阻且长，行则将至。无妨用建造性心态，来看待开源闭源之争，给国产闭源大模型一些决心，也给国內开源社区一些鼓舞和支撑。