中国大模型的未来必然走向开源

随着技术的进步，大模型领域正迅速成为焦点。尽管大模型技术在公众眼中仍是初级应用，其商业潜力和应用仍在探索中。但在商业层面，各企业间的竞争激烈到了白热化的程度。这个领域目前的主要争议焦点是：开源还是闭源。
开源和闭源，两种截然不同的开发模式，对于大模型的发展有着重要影响。开源让技术共享，吸引了众多人才加入，推动了大模的创新。而闭源则保护了商业利益和技术优势，为大模型的商业应用提供了更好的保障。

一、开源和闭源的优劣势比较

开源闭源，在程序员开发界应该是各有千秋，各有所长，经常是两者兼顾。

开源软件的优势

开源软件主要有以下三个方向的优势：高安全性、高开发效率、高自由度

1.高安全性

由于100%的代码都是在公众视野之中的，很多的bug很快就能发现

系统也经历了非常多开发者的检验，最终才会呈现出了现在的状态

如果发现存在的风险，也能在更快的时间内，在众多开发者的协助下找到修复漏洞的解决方案

2.高开发效率

由于开源软件相对闭源软件，可以直接拿来使用，节约了大量的团队开发成本

同时开源软件的代码格式规范一般都较为良好，开发者更容易上手，同时这也就进一步降低了开发和后续维护、协同开发的成本

如果公司没有开发资源，或想要委托第三方技术服务，开源软件也更容易找到优秀的服务商

3.高自由度

大多数非开源的商业软件，基本上都对商家有比较强的约束，供应商往往非常紧密地将客户绑定

而开源软件对客户来说有非常高的自主权，开发新功能、功能上线时间、定制功能价格都由客户自己决定

最重要的是，可以先充分使用后购买！！

闭源软件的优势

闭源软件由于商业机密性和秘密性的保护，可以更好地保护软件知识产权，避免软件被恶意盗取和侵犯。在商业运作的背景下，闭源软件公司可以借此获取更高的商业收益，推动软件的稳定性和功能，同时拥有更大的市场份额与地位。此外，由于闭源软件产品的功能设计更为成熟、稳定，用户可以从中获得更加完善和用户友好的用户体验。

二、开源和闭源对大模型技术发展的影响

进一步观察大模型领域，后发者的开源进程已呈现抢跑式布局。

这使得我们有理由相信开源大模型在未来可能会取得更卓越的业绩。而开源大模型的成功可能对GPT等闭源模型产生威胁。尽管OpenAI在闭源领域中的先发优势依然坚固，但开源模型的兴起无疑已经对市场格局带来了影响。

不要轻易接受开源社区宣称的“透明性、合作精神、高效的组织模式等”。在商业领域，特别是需要对股东负责任的上市公司，纯粹的无私奉献是不太可能的。

再来看AI领域的三大决定因素：算法、算力和算据。

算法：开源模型已从GPT-3中吸取许多经验。但随着GPT-4的封闭性加强，其竞争力是否持续仍需观察。

算力：双方实力均匹敌。

算据（数据）：原生数据对AI的价值远超存量数据，例如ChatGPT APP的原生数据为其增加了巨大的战略价值。

在开源生态的推动下，新技术如知识蒸馏（通过将大型模型的知识转移到小型模型中，从而快速达到想要的模型质量）使得加入开源领域的门槛被大幅降低，这助长了开源生态的进一步繁荣。

总的来说，双方各有所长，闭源大模型在提高行业标准方面领先，而开源大模型则加速了AI生态的繁荣。这意味着市场仍在不断扩大，预示着“双方都在竞争中共同成长。

三、开源与闭源的商业模式比较

根据创业公司发展阶段，处于前期做demo、MVP阶段，我们认为闭源大模型“性价比”更高，原因有三个：

一是闭源模型相对更成熟、数据质量更有保障，比如最前沿的GPT-4便是闭源模型；

二是可省去部署的麻烦，不用fine tune；

三是费用更低，仅需支付token费用。比如ChatGPT API接入的模型——GPT 3.5-turbo收费标准是0.2美分/1K tokens；GPT-4接口价格是3美分 / 1K prompt tokens。

随着创业公司的发展，待MVP验证完成，把事情往深里做的时候，基于以下三个原因，通常选择开源大模型：

一是如果把行业的know-how的数据输送给闭源大模型，存在数据泄露的风险；

二是在闭源大模型上面无法进行fine tune、形成网络效应；

三是用户量攀升之后，token费用水涨船高，会成为一笔不菲的费用。

四：处在大模型洪流中，向何处去？

想象一下，连马斯克的汽车生产工艺都已经宣布进入开源阶段

中国大模型的未来必然走向开源和共享模式！
而且，开源软件将释放创新的力量，改变数字世界的游戏规则