文｜腦極體
開源大模型對閉源大模型的沖擊，變得非常猛烈。
今年3月，Meta發(fā)布了Llama（羊駝），很快成為AI社區(qū)內(nèi)最強大的開源大模型，也是許多模型的基座模型。有人戲稱，當(dāng)前的大模型集群，就是一堆各種花色的“羊駝”。
而就在前些天，Meta又推出了免費可商用版本的“羊駝2號”——Llama2，據(jù)說性能比肩GPT-3.5。
這在整個大模型圈都是非常炸裂的。
我們知道，各個互聯(lián)網(wǎng)、科技公司都在競相訓(xùn)練、推出自己的大模型，投入了大量的計算資源和成本，如果不能有效的完成商業(yè)化，那么這些大模型就很難回收成本，后續(xù)的迭代、更新、升級都成問題，不僅研發(fā)企業(yè)會虧個底掉，更苦惱的大概就是“前功盡棄”的用戶了。
而現(xiàn)在有了自由開放強大的開源大模型，誰還愿意給閉源大模型送錢呢？
還真的有。
開源是大勢所趨，但閉源大模型依然有其存在意義和商業(yè)價值。按照目前的AI產(chǎn)業(yè)落地經(jīng)驗來看，用好大模型，還是得靠閉源。
今天我們就來聊聊這個問題，到底是誰，需要閉源大模型？
到產(chǎn)業(yè)去，到產(chǎn)業(yè)去
大模型的商業(yè)化終點是產(chǎn)業(yè)，想必已經(jīng)是不用過多解釋的共識了。
前不久，我參加某一個國產(chǎn)大模型的內(nèi)部溝通會，對方高層就明確表示，自己全部用的是閉源代碼，并且堅持走閉源路線，就是考慮到訓(xùn)練大模型與行業(yè)伙伴合作，其中很多隱私數(shù)據(jù)是不方便開源的。
見一斑可窺全豹，至少在短期內(nèi)，大模型走向產(chǎn)業(yè)，落地還是要靠閉源。
模型方面，閉源大模型的質(zhì)量更高。
就拿目前最能打的Llama 2為例，Meta 將 Llama 2 70B 的結(jié)果，與閉源模型進行了比較，結(jié)果在 MMLU 和 GSM8K 上接近 GPT-3.5，但在編碼基準(zhǔn)上，還存在顯著差距，不少數(shù)據(jù)在多樣性和質(zhì)量方面有所欠缺。
當(dāng)然，開源大模型的優(yōu)化迭代速度很快。但開源的本質(zhì)和“有性繁殖”很像，就是通過大量繁殖和變異，如同開篇那張“羊駝集群”一樣，面對不確定的未來，借助進化的“優(yōu)勝劣汰”，讓最優(yōu)質(zhì)的后代持續(xù)涌現(xiàn)。所以，開源軟件的分支多，對用戶來說，這個選擇的成本是很高的，加上開發(fā)人員眾多，版本控制是一個問題。
安全性方面，閉源大模型的可靠性更高。
開源大模型要遵守開源協(xié)議，商業(yè)使用需要獲得授權(quán)，海外開源大模型也要受到屬地管轄，github就曾封禁俄羅斯開發(fā)者賬號。使用海外開源大模型開發(fā)產(chǎn)品，供應(yīng)鏈的風(fēng)險，是客觀存在的。
那么，使用國產(chǎn)開源大模型呢？安全性得到保障，但從商業(yè)角度看，很多客戶，如大型政企，也非常看重大模型在業(yè)務(wù)上的可靠性，采購時往往需要大公司的品牌背書。一方面研發(fā)投入更大，口碑更高；另一方面，萬一大模型生成不當(dāng)，導(dǎo)致商業(yè)損失或商譽問題，使用閉源大模型可以問責(zé)服務(wù)商，使用開源大模型總不能找全球開發(fā)者算賬吧？
比如大模型創(chuàng)業(yè)公司Huging Face，為客戶提供AI咨詢，是開源社區(qū)的臺柱子，表示有大量客戶希望把自己的私有數(shù)據(jù)/專業(yè)數(shù)據(jù)用來訓(xùn)模型，并不想把這些數(shù)據(jù)給到 OpenAl。
產(chǎn)業(yè)化方面，閉源大模型的長期服務(wù)能力更強、更可用。
大模型落地，并不是接入API、塞進數(shù)據(jù)、調(diào)參優(yōu)化就結(jié)束了。作為一種新興技術(shù)，大模型與業(yè)務(wù)場景的融合，還有非常多挑戰(zhàn)。比如大模型需要通過蒸餾壓縮，減小模型規(guī)模，才能在端側(cè)部署，很多企業(yè)根本沒有這類專業(yè)人才。
再比如，大模型與業(yè)務(wù)結(jié)合，需要產(chǎn)品、運營、測試工程師等多種角色共同參與，這些服務(wù)能力是以coder為主的開源團隊，所很難提供的。此外，大模型的長期應(yīng)用，算力、存儲、網(wǎng)絡(luò)等配套都要跟上，開源社區(qū)無法幫助用戶“一站式”解決這些細(xì)節(jié)問題。
還有數(shù)據(jù)隱私顧慮，大模型是不能直接為產(chǎn)業(yè)所用的，還要通過專有場景數(shù)據(jù)進行優(yōu)化，而這些數(shù)據(jù)訓(xùn)練完的模型會被開源開放出去，讓企業(yè)顧慮重重。
我們曾采訪過一個智慧醫(yī)療研發(fā)團隊，對方表示，大量醫(yī)療數(shù)據(jù)分布在各大醫(yī)院、研究機構(gòu)，又涉及患者隱私，大家對于把數(shù)據(jù)拿出來共同訓(xùn)練一個行業(yè)模型，都存在顧慮。一方面是安全得不到保障，另一方面是自己的數(shù)據(jù)質(zhì)量高，但從中得不到恰當(dāng)?shù)幕貓螅推渌麛?shù)據(jù)質(zhì)量低的機構(gòu)一樣，很難協(xié)調(diào)。在開源大模型的共建中，如何得到數(shù)據(jù)、把握配方、確定各方貢獻(xiàn)，還存在很多難題。
開源大模型需要平衡技術(shù)創(chuàng)新自由和版權(quán)收益之間的沖突，而使用閉源大模型就沒有這方面的麻煩，數(shù)據(jù)和模型的所有權(quán)、使用權(quán)都很清晰，牢牢掌握在企業(yè)自己手里。
可以說，目前開源大模型還無法達(dá)到實際的業(yè)務(wù)需求。而開源大模型使用者和ISV集成商，是需要獲得商業(yè)回報的，如果開源大模型不可商用、效果不好、很難賺錢，那么即使免費，企業(yè)也會慎重考慮要不要投入人來開發(fā)。
所以，未來一段時間，閉源依然是大模型落地產(chǎn)業(yè)的熱門選擇。
到群眾去，到群眾去
可能有人不理解了，開源免費商用，大家都能用上白菜價的大模型了，對開發(fā)者和企業(yè)用戶多友好，你怎么還說閉源好？是不是為一門心思賺錢的大廠站臺？
非也。
但凡了解開源，都會支持開源。但凡支持開源，都會關(guān)注開源的商業(yè)化。
中國科學(xué)院梅宏院士曾說過，開源以理想主義為源起，以商業(yè)化為蓬勃助力，是開放創(chuàng)新的典范。沒有商業(yè)化，不可能有開源。
所以，開源也好，閉源也好，誰能更早“可商用”，誰就更有未來。這一點上，閉源大模型可能更占優(yōu)勢，畢竟有底氣閉源的廠商，還是有兩把刷子和研發(fā)家底兒的。
那么，開源大模型的優(yōu)勢在哪里呢？如果說閉源大模型要到產(chǎn)業(yè)去，那么開源大模型就要到群眾中去，主打一個人多力量大。
（LeCun認(rèn)為Llama-v2會改變LLM的市場格局）
開源大模型不同于傳統(tǒng)開源軟件，把源代碼放上去，然后全球開發(fā)者來貢獻(xiàn)代碼就完了。大模型的協(xié)同共建，更多體現(xiàn)在社區(qū)繁榮，大家一起把模型做優(yōu)化、數(shù)據(jù)做豐富、工具做完善、應(yīng)用做全面……
這時候，開源模式能夠帶來幾個好處：
1.技術(shù)創(chuàng)新。開源社區(qū)可以匯聚廣大科技企業(yè)、研究機構(gòu)和開發(fā)者，對模型進行優(yōu)化、改進、加速迭代，讓模型技術(shù)和配套數(shù)據(jù)集、應(yīng)用工具等，變得豐富、高質(zhì)，從而保持領(lǐng)先。
2.人才爭奪。大模型作為新興技術(shù)，人才緊缺，通過開源社區(qū)吸引全球優(yōu)秀人才做貢獻(xiàn)，加速大模型升級，能夠拉開差距。有競爭才有壓力，所以LLama 2發(fā)布之后，很快傳出OpenAI也開始考慮半年內(nèi)開源GPT-3.5的消息，開發(fā)者們有福了。
3.生態(tài)合攏。目前各行各業(yè)的IT解決方案和數(shù)字化轉(zhuǎn)型，大量使用開源技術(shù)和應(yīng)用，建設(shè)大模型開源生態(tài)，讓IT人才和企業(yè)使用相關(guān)技術(shù)，對于后期的商業(yè)化非常有幫助。比如OpenAI 的合作伙伴/投資方微軟，這次也選擇成為Llama 2 的首要合作伙伴，支持個人開發(fā)者和中小公司以最低成本調(diào)用Llama 2，這對azure無疑是一大利好。
不是所有開源大模型都能成功，生態(tài)是關(guān)鍵的護城河。
夾心餅干，向何處去？
就像手機操作系統(tǒng)的 iOS 與 Andriod，開源與閉源的競爭，并不是某一個領(lǐng)域打的“你死我活”，而是各自走出一條差異化的道路，迎來自己的天地。大模型也是如此。
閉源大模型開門迎客，開源大模型紅紅火火，大家都有光明的未來。
既然如此，為什么還有專家認(rèn)為，Llama 2開源對開源來說是一個巨大的飛躍，但對閉源的大模型公司是一個巨大打擊？
究竟打擊了誰？
答案應(yīng)該是，既不甘心只做應(yīng)用層、又沒能力卷過大廠的基礎(chǔ)大模型廠商。
谷歌研究人員曾發(fā)文說，因為有開源社區(qū)，我們（Google和OpenAI）沒有護城河。但是，OpenAI還有GPT-4這樣的閉源大模型作為殺手锏，只有被開源逼急了的情況下，才考慮把GPT-3.5開源，這里面是有技術(shù)代差的。而且GPT-3.5開源只透露了口風(fēng)，具體進展還是未知數(shù)。
所以，這類頭部科技廠商和云巨頭，如海外的谷歌、OpenAI，國內(nèi)的BATH，卡、錢、人才、數(shù)據(jù)、市場認(rèn)知度、客戶基礎(chǔ)都有優(yōu)勢，走閉源路線來完成大模型商業(yè)化、產(chǎn)業(yè)化是有一定先發(fā)優(yōu)勢和壁壘的。
這就苦了那些一心想訓(xùn)基礎(chǔ)通用大模型的二三線廠商了。
此前，全球大小科技公司和各類科研機構(gòu)，一擁而上訓(xùn)基礎(chǔ)大模型，比如某些機器視覺AI獨角獸，不小心就成了基礎(chǔ)層和應(yīng)用層之間的“夾心餅干”。
實力上打不過GPT，成本上打不過Llama，訓(xùn)出來的基礎(chǔ)通用大模型，還沒等到正式開放商用，就已經(jīng)過時了，注定是明日黃花。市場上拼不過巨頭，開放度不如開源社區(qū)，幾乎不可能收回高昂的開發(fā)成本。
趁早放棄死磕大模型，或許才是明智選擇。
比如國內(nèi)某AI公司的大模型，此前私有化報價是一年30萬，隨后就宣布對學(xué)術(shù)研究完全開放，獲得授權(quán)可免費商用。做大模型開源社區(qū)，也有商業(yè)化的可能（如Linux/ Android/紅帽），同時也能避免跟頭部的通用大模型的“硬碰硬”。
（知名投資人關(guān)于Llama2開源的討論截圖/來自網(wǎng)絡(luò)）
對于應(yīng)用層開發(fā)者和ISV集成商企業(yè)來說，用好產(chǎn)業(yè)接受度高的閉源大模型，可以更快讓客戶接受，更適合私有化定制部署的業(yè)務(wù)需求，更快完成商業(yè)落地和收入增長。
對于AI創(chuàng)業(yè)公司來說，開源直接就能用，避免重復(fù)造輪子，可能是更理想、低成本試錯的商業(yè)化手段，“報團取暖”貢獻(xiàn)大模型開源項目，推動大模型開源社區(qū)的發(fā)展，也會獲得社區(qū)回饋和商業(yè)回饋。
中國大模型發(fā)展到高水平，既要有全球領(lǐng)先的閉源大模型打頭陣，也要有具備世界影響力的大模型開源社區(qū)。
道阻且長，行則將至。不妨用建設(shè)性心態(tài)，來看待開源閉源之爭，給國產(chǎn)閉源大模型一些信心，也給國內(nèi)開源社區(qū)一些鼓勵和支持。