•
你是開源派還是閉源派？
開源派代表馬斯克認為，AI大模型共享程式碼是一切的前提，不但可以促進技術的發展和透明度，還防止AI被少部分人群壟斷；閉源派代表Sam Altman主打，堅持閉源，延遲開源，追求商業利益最大化。
具體而言，在創新速度、專業性上，開源優於閉源；在性能突破，資料的多維度，以及通用性上，閉源優於開源。即，開放原始碼的最大優勢是技術共享、推動創新；閉源的最大優勢是商業化，集中人才、資本力量，只為提高性能。
如果按照“打蛇打七吋”的思路，想證明開源“不可行”只要證明“開源其實不open”；想證明閉源“不可行”只要證明“閉源其實不會永遠領先”。
有趣的是，正反兩方均提出了對應觀點。
在2024WAIC上，李彥宏斷定：模型開源和程式碼開源是兩個概念，模型開源只能拿到一堆參數，做不到真正的共享；
在此前採訪中，朱嘯虎表示：開源模型最終會趕上閉源模型，因為開源有更廣泛的貢獻者和驗證。周鴻禕也站開源：如果企業能夠專注於特定領域，並利用其獨有的資料資源進行深入的專業訓練，那麼這些模型完全有可能在特定領域的能力上超越GPT-4。
具體來看，雙方有哪些激烈碰撞？
閉源派：百度CEO李彥宏
觀點：開源其實是一種智商稅。
原因一：開源能力不夠。開源模型在參數規模相同的情況下，能力通常不如閉源模型，如果開源模型想要在能力上追平閉源模型，就需要更大的參數規模，這將導致更高的推理成本和更慢的反應速度。
“我覺得，開源其實是一種智商稅。當你理性地去想，大模型能夠帶來什麼價值，以什麼樣的成本帶來價值的時候，就會發現，你永遠應該選擇閉源模型。今天無論是ChatGPT、還是文心一言等閉源模型，一定比開源模型更強大，推理成本更低。”
原因二：開源不是真開源。使用開源模型進行個性化改款，可能會創造出孤本模型，這些模型既無法從基礎模型的持續升級中獲益，也無法共享算力。
“很多人混淆了模型開源和程式碼開放原始碼的概念，模型開源只能拿到一堆參數，還要再做SFT、安全對齊，即使是拿到對應原始碼，也不知道是用了多少比例、什麼比例的資料去訓練這些參數，無法做到眾人拾柴火焰高，拿到這些東西，並不能讓你站在巨人的肩膀上迭代開發”。
捍衛者1：月之暗面創始人楊植麟
觀點：開源模型不會縮小與閉源模型的差距，閉源模型會持續領先。
“AI和其它領域不同，開源沒有算力驗證，沒有人力和資本聚集，開源追不上閉源”
“像OpenAI一樣的閉源是通往Super App的唯一通路，而開源只是 ToB 的獲客手段。”
捍衛者2：前OpenAI首席科學家Ilya Sutskever
觀點：幾年後，每個人都會清楚，開源是不明智的。
“短期內，開放原始碼的價值在於幫助公司生產有用的產品，允許使用者成為他們希望使用模型的最終決策者，決定如何使用模型以及支援哪種用例。但在某個時候，人工智慧（AGI）會非常強大，令人難以置信，那麼開源是沒有意義的。”
開源派：阿里雲CTO周靖人
觀點：通義千問拉平了開源、閉源模型之間的差距。
“兩年前，我們在世界人工智慧大會上發佈通義大模型系列，當時我們公佈，通義核心模型將開源開放。到今天，通義千問已經實現真正意義上的全尺寸、全模態開源，拉平了開源、閉源模型之間的差距。”
捍衛者1：360創始人周鴻禕
觀點：如果企業能夠專注於特定領域，並利用其獨有的資料資源進行深入的專業訓練，那麼這些模型完全有可能在特定領域的能力上超越GPT-4。開源社區擁有的工程師和科學家的規模遠遠超過閉源機構，數量級達到數百倍。儘管開源大模型僅發展了一年，但其能力已超越了GPT-3.5。
“我是一直相信開放原始碼的力量，至於說網上有些名人胡說八道，你們別被忽悠了。他說開源不如閉源好？連說這話的公司自己都是借助了開放原始碼的力量才成長到今天。”
捍衛者2: 金沙江創投主管合夥人朱嘯虎
觀點：開源模型最終會趕上閉源模型，因為開源有更廣泛的貢獻者和驗證。
“在美國，閉源模型和開源模型的差別可能沒有那麼大，當然還是大廠的閉源模型比較領先，所以他們的目標也比較遠大。很多美國大企業現在採用的方案也是在私有雲上部署，用開源模型部署企業的大模型，然後用自己的資料進行垂直最佳化，這樣能保證自己資料的隱私。
國內也是一樣的，很多大企業尤其是一些央企，私有化部署不是在私有雲上，而是徹底的私有化部署，然後同樣用開源模型，用自己的資料進行調整。用開源模型最主要的好處能保護自己的資料。中國創業企業最好也是拿開源模型來訓練，可以保護自己在垂直場景的資料。”
中間派：百川智能 CEO 王小川
觀點：關於開閉源之爭，核心是要看誰在開源。從To B角度，開源閉源其實都需要。二者不是競爭關係，而是在不同產品中互補的關係。
未來80%的企業會用到開放原始碼的大模型，因為閉源沒有辦法對產品做更好的適配，或者成本特別高，閉源可以給剩下的20%提供服務。兩者不是競爭關係，而是在不同產品中互補的關係。
總結：對於大模型開發者而言，開源是遠期理想，閉源是短期現實。全球科技“投資之王”Vinod Khosla表達過對開放原始碼的擔憂：“訓練成本確實高了一個數量級，這正是我認為開源不可行的原因。”
根據斯坦福 HAI 研究所最新發佈的AI Index報告。
第一，在所有選定的基準上，目前閉源模型的表現均優於開源模型。
第二，隨著時間的推移，模型訓練成本急劇增加；對計算訓練需求更大的模型需要的訓練成本只會更多。
這些對於開源大模型廠商不是一個好消息：方向或許是正確的，未來或許是光明的，但道路一定是曲折的。
如何安全地快進到技術迭代曲線不再陡峭的那天，是開源派需要共同克服的難題。
話說回來，先拋開模型能力，從產品體驗上來看，閉源大模型還沒有一騎絕塵的優勢。
「Al數智源」根據Similarweb資料統計出，無論是6月第四周訪問量，還是近28天訪問量，天工AI搜尋 (崑崙萬維 開源)> Kimi (月之暗面 閉源)> 文心一言 (百度 閉源)。
首先，大佬們的共識是，注意力要放在應用層。
李彥宏迸發了金句“沒有應用，光有基礎模型，不管是開源還是閉源都一文不值。”他呼籲，業界應將關注點從模型本身轉移到應用上，關注如何通過大模型開發出滿足市場需求的AI應用。
商湯科技董事長兼CEO徐立：應用是決定人工智慧超級時刻的一個關鍵。
“我的中學的退休的老師不停地在群裡問我，怎麼用人工智慧去寫文案、生成祝福的圖片，發到他的退休群裡等等。我突然想到，其實超級時刻和應用是互相成就的。只有超級時刻帶來的認知變化，最後才能推動應用。倒推回來，如果我們有應用作支撐，那麼我們現在這個時刻就是「超級時刻」。所以，應用是「超級時刻」的關鍵。”
華為常務董事、華為雲CEO張平安：要敢於開放行業場景，讓人工智慧在行業應用上領先。
“我們不能把AI基礎設施依賴於是不是有最先進支撐的AI晶片，如果沒有，我們就沒辦法在AI上領先，這個觀點必須要摒棄掉。”
其次，超級應用長什麼樣？大佬們的共識：至少不長ChatBot樣。
李彥宏稱，要避免掉入“超級應用陷阱”。
即，移動時代的邏輯是一個DAU 10億的APP叫成功；但在AI 時代，“超級能幹”的應用比只看DAU的“超級應用”更重要。只要對產業、對應用場景能產生大的增益，整體的價值就比移動網際網路要大的多。
該說法也有道理。比如，在一眾ChatBot應用中，似乎只跑出了ChatGPT，其成功是基於領先的GPT系列大模型。其他資料非常美好的Pi和Character AI，一個已經被微軟生吞活剝，另一個被爆資金斷裂，計畫賣身Google和 Meta。顯然，實現商業化是成為“超級應用”前必須解決的問題。
在BI近期採訪中，Foundation Capital的Moore表示，不是每個產品都需要ChatBot，自己早已疲於應付拿著通用用例找投資的創企。創始人要先關注能解決的問題，然後再選擇相應的技術。
那麼，超級應用的輪廓該如何勾勒？
李彥宏非常看好智能體（AI Agent）。“在大模型的加持下，只要用人話把工作流說清楚，再配以專有知識庫，即可做出一個很有價值的智能體，比網際網路時代製作一個網頁還簡單。”——醫療、教育、金融、製造、交通、農業等各行業領域，未來都會依據自己的場景和特有經驗、規則、資料等，做出各種智能體，將會出現數百萬量級的智能體，形成龐大生態。
商湯科技董事長兼CEO徐立：像 GPT 帶來的聊天式的應用，Sora 帶來的視訊應用，但它還沒有到「超級時刻」，是因為沒有真正走進到一個行業垂直應用當中、引起廣泛的變化。他補充道，超級時刻和應用是互相成就的，只有超級時刻帶來認知的變化，最後才能推動超級應用。
MiniMax 創始人兼CEO 閆俊傑的觀點是：殺手應用至少要在三年之後。
“在 AI時代最大的應用，我覺得還是挺有機會的，但是（當前） APP 肯定還沒那麼大。我覺得可能要3年後（可能）才會有大眾化的東西，但沒關係，當你能做到第一個，然後你的能力變強、資源變多、技術能力變好，有可能大概就可以做。同時，這個東西就一步步來，然後我認為（Killer App）至少三年之後。”
智譜 AI CEO 張鵬對“三年期限”有不同的看法。
“也許明天就有，這個事情需要綜合考量不同因素，一個是技術本身的成熟度，第二個是市場和使用者本身是否準備好。第三個是需求的發掘，然後甚至還加上有一點點運氣，變數太多，很難用我的大腦這麼簡單的一個神經網路去預測這種事情。”
他認為：Google從成為世界第一的搜尋引擎，到探索出成功的商業落地的路徑，花了6 年。Meta，原來的 Facebook，同樣也花了6年。這件事就像我們小時候玩打磚塊的遊戲，你想要瞄準縫隙，很精準地打到一個縫隙裡。這件事情首先得找到縫隙在哪兒？路徑在哪兒？很多事情要前赴後繼地去探索，這個過程就很重要，不要只看到最終的結果，更重要的是我們採取行動，這才是目前大家更應該關注的事情。
不過，張鵬也給出了自己對“縫隙”的認知：一個很重要的點是去突破大模型的多模態。
“為什麼要多模態？是因為真正的人在現實世界中解決問題的時候，他需要的、輸入的資訊本身就是多模態的。比如說我們希望它幫助我們去掃地、做飯、洗衣服。其實這些任務，你不要小看這些任務，它所需要輸入的資訊是非常多模態的，所以這些方面能力的突破會帶來 AI 的普惠，AI 更大的這種可能性。”
第三，機會在大廠，還是在於創業者？
大廠派：中國工程院院士、阿里雲創始人王堅
觀點：人工智慧對大公司更友好，草根創業變得很難。
王堅認為，網際網路具有草根性、對資源的依賴少，但是人工智慧對資源具有很強的依賴性——大量的資料、計算能力和專業知識，這些往往需要昂貴的投入和長期的積累。這種資源密集型的特點使得AI對大公司更為友好，而草根創業者則面臨更大的困難。面對AI，小企業跟大企業的差別是，大企業一定會覺得AI是工具的革命，小企業一定會覺得這是革命的工具。而如果大公司也有“革命的工具”意識，那麼劃時代的影響就來了。
“以蘋果公司舉例，蘋果是拿AI去服務C端的客戶，在我看來事實上是人工智慧技術重新重構了蘋果這家公司。只要是一個新的技術，一定會有新的大公司出現，沒有新的大公司出現，它是不是一個顛覆性的技術要打一個問號的，這是第一個邏輯，同時也一定會有大公司是烈火重生的。”
“不好說”派：著名風投NFX
觀點：誰的贏面更大取決於定位哪些市場&採用何種策略。
大廠優勢——資金、人才，可以複製創企產品，利用現有分銷網路推廣產品；
大廠劣勢——大企業病，牴觸變革，龜速創新。
創企優勢——速度，但幾乎只有速度，幾個創始人組成一個小團隊，迅速決策並推出產品；
創企劣勢——缺錢，一般也沒有穩定的客戶群體。
NFX提出了AI同時具備“顛覆性創新”和“持續性創新”的特點，實際上分別對應王堅所說的“革命的工具”和“工具的革命”。
“顛覆性創新”有利於初創企業，靈活且願意承擔風險，能夠創造出全新的市場和服務，例如Uber顛覆了原有的計程車企業；ChatGPT可能顛覆搜尋市場；
“持續性創新”，有利於現有企業，更容易鎖定市場，聚焦於改進、加速或完善已有的市場和服務，例如Facebook用AI廣告定位，Google用AI最佳化搜尋引擎等等。
對於創業者而言，需要思考在自己所瞄準的行業中，AI帶來的主要影響是顛覆性or持續性？以及，你的產品和市場更適合顛覆性創新，還是持續性創新？
如果是前者，你就必須提供真正，具有顛覆性的價值主張，開闢新的市場，破壞現有的商業模式，或創造全新的、難以想像的體驗，就像 Uber和Lyft。
需要做到：1、在“龜速”行業中開展業務，不要選“行銷”這類易攻難守的；2、比舊方案好100倍；3、發揮速度優勢，在率先獲得重要專有資料的市場開展業務，包括尋找非結構化資料的脈絡；4、用AI創造全新使用者體驗，不要讓使用者體驗“味如嚼蠟”。
如果是後者，在有限的條件下，創企必須調整你的產品、資訊和商業模式，與現有巨頭並駕齊驅。例如，一些行業在引入AI後，規模也會無限擴大，催生出一些利基市場。而這些利基市場要麼是現有企業無法提供的，要麼是現有企業沒意識到的。預測AI催生的利基市場並利用，就是初創企業的制勝之地。關鍵在於，認清自己所處的行業是否將經歷變革，對變革內容有清晰認知。這些行業通常會圍繞流程而建，核心產出保持不變，但流程可以有無限變種（從而為你開闢新的利基市場）。
對於國內AI創業者而言，磕應用幾乎是唯一選項。所以，比起聽一耳朵“唱衰論”，不如想想如何在通用大模型的底座之上，利用自身行業資源，找場景，親民。可以預見，在眾多細分賽道上，或許不是大廠和創企競爭，而是創企之間百舸爭流，而這勢必又會拉起爭分奪秒的比賽。 (騰訊科技)