开源大模型对闭源大模型的冲击，变得非常猛烈。
今年3月，Meta发布了Llama（羊驼），很快成为AI社区内最强大的开源大模型，也是许多模型的基座模型。有人戏称，当前的大模型集群，就是一堆各种花色的“羊驼”。
而就在前些天，Meta又推出了免费可商用版本的“羊驼2号”——Llama2，据说性能比肩GPT-3.5。
这在整个大模型圈都是非常炸裂的。
我们知道，各个互联网、科技公司都在竞相训练、推出自己的大模型，投入了大量的计算资源和成本，如果不能有效的完成商业化，那么这些大模型就很难回收成本，后续的迭代、更新、升级都成问题，不仅研发企业会亏个底掉，更苦恼的大概就是“前功尽弃”的用户了。
而现在有了自由开放强大的开源大模型，谁还愿意给闭源大模型送钱呢？
还真的有。
开源是大势所趋，但闭源大模型依然有其存在意义和商业价值。按照目前的AI产业落地经验来看，用好大模型，还是得靠闭源。
今天我们就来聊聊这个问题，到底是谁，需要闭源大模型？
到产业去，到产业去
大模型的商业化终点是产业，想必已经是不用过多解释的共识了。
前不久，我参加某一个国产大模型的内部沟通会，对方高层就明确表示，自己全部用的是闭源代码，并且坚持走闭源路线，就是考虑到训练大模型与行业伙伴合作，其中很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，大模型走向产业，落地还是要靠闭源。
模型方面，闭源大模型的质量更高。
就拿目前最能打的Llama 2为例，Meta 将 Llama 2 70B 的结果，与闭源模型进行了比较，结果在 MMLU 和 GSM8K 上接近 GPT-3.5，但在编码基准上，还存在显著差距，不少数据在多样性和质量方面有所欠缺。
当然，开源大模型的优化迭代速度很快。但开源的本质和“有性繁殖”很像，就是通过大量繁殖和变异，如同开篇那张“羊驼集群”一样，面对不确定的未来，借助进化的“优胜劣汰”，让最优质的后代持续涌现。所以，开源软件的分支多，对用户来说，这个选择的成本是很高的，加上开发人员众多，版本控制是一个问题。
安全性方面，闭源大模型的可靠性更高。
开源大模型要遵守开源协议，商业使用需要获得授权，海外开源大模型也要受到属地管辖，github就曾封禁俄罗斯开发者账号。使用海外开源大模型开发产品，供应链的风险，是客观存在的。
那么，使用国产开源大模型呢？安全性得到保障，但从商业角度看，很多客户，如大型政企，也非常看重大模型在业务上的可靠性，采购时往往需要大公司的品牌背书。一方面研发投入更大，口碑更高；另一方面，万一大模型生成不当，导致商业损失或商誉问题，使用闭源大模型可以问责服务商，使用开源大模型总不能找全球开发者算账吧？
比如大模型创业公司Huging Face，为客户提供AI咨询，是开源社区的台柱子，表示有大量客户希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。
产业化方面，闭源大模型的长期服务能力更强、更可用。
大模型落地，并不是接入API、塞进数据、调参优化就结束了。作为一种新兴技术，大模型与业务场景的融合，还有非常多挑战。比如大模型需要通过蒸馏压缩，减小模型规模，才能在端侧部署，很多企业根本没有这类专业人才。
再比如，大模型与业务结合，需要产品、运营、测试工程师等多种角色共同参与，这些服务能力是以coder为主的开源团队，所很难提供的。此外，大模型的长期应用，算力、存储、网络等配套都要跟上，开源社区无法帮助用户“一站式”解决这些细节问题。
还有数据隐私顾虑，大模型是不能直接为产业所用的，还要通过专有场景数据进行优化，而这些数据训练完的模型会被开源开放出去，让企业顾虑重重。
我们曾采访过一个智慧医疗研发团队，对方表示，大量医疗数据分布在各大医院、研究机构，又涉及患者隐私，大家对于把数据拿出来共同训练一个行业模型，都存在顾虑。一方面是安全得不到保障，另一方面是自己的数据质量高，但从中得不到恰当的回报，和其他数据质量低的机构一样，很难协调。在开源大模型的共建中，如何得到数据、把握配方、确定各方贡献，还存在很多难题。
开源大模型需要平衡技术创新自由和版权收益之间的冲突，而使用闭源大模型就没有这方面的麻烦，数据和模型的所有权、使用权都很清晰，牢牢掌握在企业自己手里。
可以说，目前开源大模型还无法达到实际的业务需求。而开源大模型使用者和ISV集成商，是需要获得商业回报的，如果开源大模型不可商用、效果不好、很难赚钱，那么即使免费，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，闭源依然是大模型落地产业的热门选择。
到群众去，到群众去
可能有人不理解了，开源免费商用，大家都能用上白菜价的大模型了，对开发者和企业用户多友好，你怎么还说闭源好？是不是为一门心思赚钱的大厂站台？
非也。
但凡了解开源，都会支持开源。但凡支持开源，都会关注开源的商业化。
中国科学院梅宏院士曾说过，开源以理想主义为源起，以商业化为蓬勃助力，是开放创新的典范。没有商业化，不可能有开源。
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，闭源大模型可能更占优势，毕竟有底气闭源的厂商，还是有两把刷子和研发家底儿的。
那么，开源大模型的优势在哪里呢？如果说闭源大模型要到产业去，那么开源大模型就要到群众中去，主打一个人多力量大。
开源大模型不同于传统开源软件，把源代码放上去，然后全球开发者来贡献代码就完了。大模型的协同共建，更多体现在社区繁荣，大家一起把模型做优化、数据做丰富、工具做完善、应用做全面……
这时候，开源模式能够带来几个好处：
1.技术创新。开源社区可以汇聚广大科技企业、研究机构和开发者，对模型进行优化、改进、加速迭代，让模型技术和配套数据集、应用工具等，变得丰富、高质，从而保持领先。
2.人才争夺。大模型作为新兴技术，人才紧缺，通过开源社区吸引全球优秀人才做贡献，加速大模型升级，能够拉开差距。有竞争才有压力，所以LLama 2发布之后，很快传出OpenAI也开始考虑半年内开源GPT-3.5的消息，开发者们有福了。
3.生态合拢。目前各行各业的IT解决方案和数字化转型，大量使用开源技术和应用，建设大模型开源生态，让IT人才和企业使用相关技术，对于后期的商业化非常有帮助。比如OpenAI 的合作伙伴/投资方微软，这次也选择成为Llama 2 的首要合作伙伴，支持个人开发者和中小公司以最低成本调用Llama 2，这对azure无疑是一大利好。
不是所有开源大模型都能成功，生态是关键的护城河。
夹心饼干，向何处去？
就像手机操作系统的 iOS 与 Andriod，开源与闭源的竞争，并不是某一个领域打的“你死我活”，而是各自走出一条差异化的道路，迎来自己的天地。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，大家都有光明的未来。
既然如此，为什么还有专家认为，Llama 2开源对开源来说是一个巨大的飞跃，但对闭源的大模型公司是一个巨大打击？
究竟打击了谁？
答案应该是，既不甘心只做应用层、又没能力卷过大厂的基础大模型厂商。
谷歌研究人员曾发文说，因为有开源社区，我们（Google和OpenAI）没有护城河。但是，OpenAI还有GPT-4这样的闭源大模型作为杀手锏，只有被开源逼急了的情况下，才考虑把GPT-3.5开源，这里面是有技术代差的。而且GPT-3.5开源只透露了口风，具体进展还是未知数。
所以，这类头部科技厂商和云巨头，如海外的谷歌、OpenAI，国内的BATH，卡、钱、人才、数据、市场认知度、客户基础都有优势，走闭源路线来完成大模型商业化、产业化是有一定先发优势和壁垒的。
这就苦了那些一心想训基础通用大模型的二三线厂商了。
此前，全球大小科技公司和各类科研机构，一拥而上训基础大模型，比如某些机器视觉AI独角兽，不小心就成了基础层和应用层之间的“夹心饼干”。
实力上打不过GPT，成本上打不过Llama，训出来的基础通用大模型，还没等到正式开放商用，就已经过时了，注定是明日黄花。市场上拼不过巨头，开放度不如开源社区，几乎不可能收回高昂的开发成本。
趁早放弃死磕大模型，或许才是明智选择。
比如国内某AI公司的大模型，此前私有化报价是一年30万，随后就宣布对学术研究完全开放，获得授权可免费商用。做大模型开源社区，也有商业化的可能（如Linux/ Android/红帽），同时也能避免跟头部的通用大模型的“硬碰硬”。
（知名投资人关于Llama2开源的讨论截图/来自网络）
对于应用层开发者和ISV集成商企业来说，用好产业接受度高的闭源大模型，可以更快让客户接受，更适合私有化定制部署的业务需求，更快完成商业落地和收入增长。
对于AI创业公司来说，开源直接就能用，避免重复造轮子，可能是更理想、低成本试错的商业化手段，“报团取暖”贡献大模型开源项目，推动大模型开源社区的发展，也会获得社区回馈和商业回馈。
中国大模型发展到高水平，既要有全球领先的闭源大模型打头阵，也要有具备世界影响力的大模型开源社区。
道阻且长，行则将至。不妨用建设性心态，来看待开源闭源之争，给国产闭源大模型一些信心，也给国內开源社区一些鼓励和支持。
免责声明：此文内容为第三方自媒体作者发布的观察或评论性文章，所有文字和图片版权归作者所有，且仅代表作者个人观点，与 无关。文章仅供读者参考，并请自行核实相关内容。投诉邮箱：editor@fromgeek.com。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
