开源和闭源孰优孰劣是一个人们争论不休的话题。许多开源爱好者喜欢举着“开源永存”的旗帜为开源摇旗助威，令人充满激情。但现在看来，闭源好像是现阶段唯一的“最优解”。
注：本文为个人观点和想法的输出，如有不同意见，欢迎在评论区中友善讨论。
近期，大模型领域关于开源的新闻可谓是铺天盖地。从 Elon Musk 旗下的 xAI 公司在官网宣布开源拥有 3140 亿参数的大模型 Grok-1，到研发出开源绘图模型 Stable Diffusion 的 Stability AI 公司 CEO 突然宣布辞职并退出董事会。这些新闻，一时间把开源大模型推上了风口浪尖。
但 Grok-1 开源之后，好像并没有想象中的那么“一呼百应”。根据 Google Trends 的数据，在 3.18 日时，搜索指数达到了“100”，而到了 23 号时，搜索指数已经急剧下滑到了 14，甚至比宣布 Grok-1 开源前的搜索指数还要低。
而在图像生成领域的“稳定AI”（Stability AI） ，好像也不怎么 Stable。 公司的领头人 Emad Mostaque，既不再担任CEO，同时也退出了公司董事会，并在 Twitter 上宣布要投身于去中心化与 AI 开放（#decentralizeAI）的事业之中。
不过，Stability AI 的混乱远不止于此，据澎湃新闻统计，从去年3月至今，已有至少19名高管或关键人物出走。CTO 也也刚刚换新，据称随着新 CTO 的上任，公司战略可能向语言模型偏转。另有消息称，Emad 还被曝出过拖欠员工工资、诓骗投资人等“黑料”。 其近期的混乱与不稳定，与名字的强烈反差倒是显得极为讽刺。
所以，作为观众的我们，应该尝试着在这场大模型领域的开源闭源之争保持理性。本篇文章，将会站在我个人的角度，尝试着去分析这个“争端”，并给出一个我认为的答案。
要想聊大模型领域的开源和闭源，就先需要明白开源和闭源本身。
开源（开放源代码），根据维基百科的定义，是一种在电脑程序出品前和开发中提供其内部代码的做法。开放源代码使得生产模块、通信管道、交互社群获得改善。一个开源软体开发的主要原则和惯例是易货贸易和合作的同侪生产。
而闭源（另称“专有软件”），则是由于商业或其他原因，不提供原代码，只发布只有计算机才能读懂的程序（如二进制格式）。
用一张表格我们就可以清晰、明了的知道两者之间的区别：
| 方面 | 开源 | 闭源 |
|---|---|---|
| 定义 | 开源指软件的源代码是公开的，并且允许任何人查看、修改和分发。 | 闭源指软件的源代码是私有的，只有软件开发者能够查看、修改和分发。 |
| 商业模式 | 资金来源主要包括风险投资、捐赠等； 开源软件主要通过为企业提供开源软件的咨询和解决方案，收取咨询费用，提供技术支持、培训、定制化开发等服务赚取收入。 | 资金来源主要包括投资机构的投资或少数情况下的捐赠； 闭源软件通常采用许可证销售模式，用户需要购买许可证来使用软件。 |
| 优点 |
|
|
| 缺点 |
|
|
| 典型案例 | Linux操作系统、Apache Web服务器、MySQL数据库 | Windows 操作系统、Photoshop 图像处理软件 |
从上表中可以看出，开源的优势在于社区参与度高、可定制性强，而缺点则在于商业可行性较差、严重依赖于社区；而闭源的优势则是技术支持可靠、保护知识产权，缺点则为缺乏透明性及成本较高。
在传统的产品和软件中，开源和闭源各有自己坚定的拥护者和“杀手级应用”。开源的拥护者们，例如 RedHat 社群高喊着“开源万岁”口号，认为开源能够推动软件生态的健康发展，让开发者“少造无意义的轮子”；而最终选择闭源的开发者，例如Elvic Liang则认为开源软件的商业化模式是一个极其复杂且成功率极低的事情，选择闭源才是对自己和用户负责的最优解，不至于让一个产品因为开源导致了最终无人维护。两个方案在传统的产品和软件中都有一定的可取之处，至少无论选择哪种方案都不至于让自己的产品走向一条“不归路”。
然而，到了大模型这个领域之后，一个值得注意的问题是：在其他软件类型或领域中开源的优点，在大模型领域中还是优点吗？
前文中提到，近期 xAI 开源了自己的语言大模型 Grok - 1。在第一财经关于 Grok-1 的报道中提到，大模型厂商开源的动力主要是招揽客户，做影响力。而其目的则是让企业免费试用一段时间后，引导其向市场发布包装后的功能或者服务，这个东西（大模型）也相当于汽车里的发动机，直接用不起来，需要包装成整车。
然而，开源自己的大模型对于开发厂商的不利之处也有很多，主要有三：
首先，大模型产品 to B 的逻辑与传统软件有本质上的不同。在传统的 App 中，一个公司的产品对于开源软件的依赖，可能是由于底层使用了某个开源软件的代码；但在大模型领域中，唯一能够让闭源大模型被公司产生所谓“技术依赖”的，可能也就是公司自己使用大模型的训练集和代码进行进一步的“个性化”训练。
但这个“个性化”训练所产生的壁垒，也会随着通用语言大模型 Long Context （长文本） 能力的提高而逐步消失，这也是 Moonshot AI 的 Founder 杨植麟所选择的路线。这也就意味着，随着技术的提高，公司逐渐的就不会对某个特定的开源大模型产生强绑定式的依赖性。
其次，现阶段大模型领域的商业化产品一般都是以调用大模型 API （程序接口）的 Token 数付费的逻辑，而非付费购买、使用产品的逻辑。而这就导致了公司极低的迁移成本：公司只需要发现性价比更高的API后，迁移所需的资料、Prompt 到新的平台上即可。因此，使用大模型的公司可以“货比三家”，选择最为合适的大模型，而开源对于选择的权重则会降低。
最后，现阶段的大模型主要比拼的是模型质量的提高，而模型质量的提高则是需要大量的金钱来堆砌的。开源软件由于其特殊的商业模式，有些甚至很难产生盈利，因此投资机构会较为谨慎。但闭源软件由于其商业模式较为清晰，较容易得到融资，因此大模型厂商的资金来源充足，可以将精力完全投入到模型的研发上，因此模型能力更容易快速提升。
目前的技术曲线还是线性上升的，而只要是线性上升的状态，那么开源大模型绝对追不上闭源。虽说如果未来碰到性能墙了情况就另当别论，但目前的 Scaling Law 还能到哪，目前无从知晓。
例如，现阶段的独角兽公司，如 Moonshot AI、MiniMax，和老牌的互联网公司的大模型产品，如文心一言、讯飞星火、腾讯混元等均为闭源模型。而例如像智谱 AI 这样的独角兽半开源（同时有开源模型和商业模型）大模型厂商，其 CEO 张鹏也在接受记者“AI 科技评论”的采访时表示：
Q：内部怎么看待开源？
A：开源是智谱重要的事情，最新成果都是以开源的方式放出来，再有商业的版本。符合开源先行的理念。
Q：如何看待开源与商业的关系？
A：开源的目的和商业不要混为一谈，开源和商业化是整个生态版图里很重要的两块，这两块是有连接的，可以说开源充当着商业化的桥梁。
Q：开源模型越来越多，对智谱有哪些影响？
A：开源的多了，大家就多了一些选择。可以不用商用的版本，客户直接用开源的版本就好了，但这件事有好有坏。好处就是说可以低成本、快速地切入使用上大模型，但开发者也知道社区支持这个事情永远是一个雷，开源大模型在安全性、稳定性等方面很难得到保障，这也是商业版本能够与开源版本并存的原因。商业版本可以提供更多的服务，更多的保障以及更多后续的服务，这些开源版本不一定有。
Q：对于开源和闭源大模型，用户应该如何选择？
A：得看他的目的是什么。如果他只是想做一些实验和尝试，那选开源模型没问题，如果想要在上面做一些商业化应用，我觉得大部分人还是会选择商业化版本，因为有保障，能够提供更好的服务。
可见，其内部对于 AI 的开源和闭源的关系认知为：
如果用一句话总结智谱 CEO 张鹏的观点：开源和闭源不是对立的，而是相互补充的，开源推动技术创新和生态建设，闭源满足商业化需求和提供稳定服务，共同促进大模型行业的健康发展。
除此之外，年初以来大热的 AI 公司 —— Moonshot AI （月之暗面）的创始人杨植麟先生去年十月接受极客公园的采访时也提出：“闭源是通往超级 APP 的唯一通路”。同时其认为，大模型领域的开源本质上是 ToB 的获客工具。现阶段面向于C端的头部 Super App 一定是基于自研的模型做出来的，Moonshot AI 用闭源的方式做，是持续演化的过程。
综上三点，从目前的情况来看，大模型的闭源在一定程度上似乎是不可避免的。尽管开源大模型可以推动技术的创新和生态建设，但闭源模型更能满足商业化需求，提供稳定的服务。
写到这，或许已经对大模型厂商开源与闭源的未来有了初步的判断。现在，中国的 AI 公司可谓“百花齐放”，而更为关键的是，目前对于公众来说，AIGC 领域也是一片蓝海。因此，正如之前的“单车大战”、“充电宝大战”、“团购大战”等一样，对于现阶段的每个 AI 厂商和它的竞品来说，用户的数量和模型的质量永远是排在第一位的存在。
因此，虽然可能令人有些沮丧，但闭源的大模型似乎现在看来确实更有前景，而开源的大模型获得真正的成功，或许在当下，只是一种奢望而已。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。