編者按：本文來自微信公眾號 王智遠，作者：王智遠，創(chuàng)業(yè)邦經(jīng)授權(quán)轉(zhuǎn)載。

上半年就討論過這個問題。

4月份時，百度創(chuàng)始人李彥宏說大模型一定要閉源，當時我記得，周鴻祎在海外演講時，還反駁說：有些名人亂說，沒有開源哪有互聯(lián)網(wǎng)。

李彥宏覺得，閉源才能賺到錢，能吸引人才和算力，開源沒啥用，閉源能力會一直領(lǐng)先，做模型的創(chuàng)業(yè)公司，即做模型又做應用不是好辦法。

可半年過去了，到2025年1月初，我仍然看到不少企業(yè)在開源模型。比如：

1月15日，MiniMax開源了兩個模型。一個是基礎(chǔ)語言大模型MiniMax - Text - 01，另一個是視覺多模態(tài)大模型MiniMax - VL - 01。

這兩個模型厲害之處在于，它們用了一種線性注意力機制，好比給模型裝了一副更高級的“眼睛”，讓它能更快速、高效地處理信息。

而且，一次能處理400萬token，是別的模型的20 - 30倍。前天這新聞出來時，我在群里還吐槽：Deepseek被偷家了，它們用的是傳統(tǒng)Transformer架構(gòu)，MiniMax新模型MiniMax - 01用了新型Lightning Attention架構(gòu)，把架構(gòu)都替換了。

還有，1月15號，CES展上，NVIDIA也開源了自己的世界模型，分別有三個型號：NVIDIA Cosmos的Nano、Super和Ultra。

Nano主要是實時推理，訓練反應能力，用在智能交通、工業(yè)自動化這些地方；Super和Ultra則擅長處理復雜任務和大規(guī)模數(shù)據(jù)，能生成很逼真的物理感知視頻，模擬和預測機器人和自主系統(tǒng)的真實結(jié)果。

昨天（1月16號）阿里云通義也開源了一個模型，叫PRM的數(shù)學推理過程獎勵模型，尺寸為7B。這個模型像個數(shù)學老師，比GPT - 4o更能發(fā)現(xiàn)數(shù)學推理中的錯誤，幫助人們更好地學習和研究數(shù)學。

你看，模型開源的信息一直沒斷過。我讓Kimi chat幫我統(tǒng)計了一下，2024年全年開源大模型中，品牌有10個以上。

種類和數(shù)量多得數(shù)不過來，像Llama 3、GLM - 4、Qwen系列、DeepSeek、Falcon 40B、Gemma、FLUX.1、MPT - 7B、Phi - 2等等。

你不了解它們沒關(guān)系，只要記住，它們有的能處理文本、有的能生成圖片、還有的能處理多模態(tài)信息就夠了。

然而，一年快過去了，又回到那個問題上：模型要不要開源？開源好、閉源好？

要解答這兩個問題，我認為要從最底層原理思考。什么是最底層原理呢？例如：我們得知道模型這個東西，它到底是什么？怎么用的，用在哪里的。

如果用維基百科的介紹，那我能寫幾千個字的模型是什么。然而，這種理論性較強的知識，并不能通俗地理解。

我來打個比方：

可以想象，現(xiàn)在有一個人，有一個超級大腦。大腦能處理語言、圖片，甚至有的還能把多個模型整理起來處理復雜的任務。

而模型呢，像一個個強大的工具，通過學習大量數(shù)據(jù)變得更聰明，就像你學習新技能一樣，練習得越多，就越熟練。

所以，模型可以看做是一個個多功能的助手，每個助手都有自己的專長、干自己的事兒，這樣才能分工明確，各司其職。

問題是，開源好，還是閉源好呢？

我認為這一定要看兩點，動機和用途。什么是開源？簡單講，把你的工具箱免費分享給大家，任何人都可以拿去用，還可以根據(jù)自己的需要進行改進和擴展。

這么做的好處很明顯，一，能很快拉起一幫開發(fā)者，間接給自己儲備人才。比如，大家都用LLaMA來練手、調(diào)教，市場上就有好多懂LLaMA的人，你招人時就可以在里面挑選需要的技術(shù)人才。

其次，全世界的工程師都能交流經(jīng)驗，就像有好多工程師幫你試模型，給后續(xù)改進提建議，能讓開源模型更快追上閉源模型。

從做生意的角度講，開源還能打擊對手。有了免費的開源模型，那些收費的閉源模型在市場上就不好混了。

再者，開源模型能鼓勵大家一起玩、一起干，加快解決問題和創(chuàng)新的速度。源代碼公開了，全球開發(fā)者、研究者都能隨便用、隨便改，這樣一來，技術(shù)更新?lián)Q代快，門檻也低了，更多人就能參與AI研發(fā)了。

在Stability AI發(fā)布的關(guān)于新模型FreeWilly的報告里，明確指出了，LLaMA模型開源沒幾天，旗下衍生的大模型FreeWilly2就跑贏了LLaMA。

這說明，開源模型就像一群人在幫忙，大家一起出力，能讓模型變得更好更快。

不過，開源也有一些潛在風險。比如：模型被濫用進行不當內(nèi)容的生成，這就需要開發(fā)者和使用者共同關(guān)注和規(guī)范。

還有，數(shù)據(jù)隱私泄露的問題，模型的使用和改進涉及到大量數(shù)據(jù)的處理和傳輸，如何在開源的同時保護用戶數(shù)據(jù)隱私，是需要解決的重要問題。

讀懂了開源，閉源就容易理解了。

相當于一本書把它鎖起來，只給特定的人才能用，這樣，發(fā)明這個大腦的公司可以更好地控制它，確保它的安全和穩(wěn)定，同時，也可以通過這種方式賺錢，因為別人要使用這個大腦，就需要付錢。

閉源有什么優(yōu)勢呢？

一，閉源能很好地保護公司的技術(shù)和知識產(chǎn)權(quán)。你辛辛苦苦寫好的模型代碼，不用擔心公開后被別人“偷家”。

二，閉源能更專注于特定的場景和用戶。比如，有些金融公司、銀行不需要開源模型，它們只要一個專門處理金融數(shù)據(jù)的模型就行。閉源就能很好地解決這個問題。

還有一點，閉源后，公司可以持續(xù)投入有限的資源來優(yōu)化、改進模型。因為只有他們能接觸模型的核心代碼，所以，能根據(jù)數(shù)據(jù)的反饋，不斷微調(diào)，讓模型變得更精準、更強大。

而且，閉源模型在商業(yè)應用上更靈活。公司根據(jù)市場需求和客戶反饋，快速調(diào)整模型的功能和性能，推出新的版本，這樣，就能滿足不同類別的客戶了。

問題是，任何技術(shù)的發(fā)展都需要商業(yè)的支持，商業(yè)的發(fā)展會推動技術(shù)的更新，所以，到底要不要開源，得看掌握「模型」的企業(yè)，想讓模型在特定的環(huán)境下干啥。

我來舉個例子：

拿MiniMax來說。這家公司有四種模型布局：大模型MiniMax - 01系列、視頻模型（abab - video - 1、video - 01）、語音生成模型（speech - 01、T2A - 01 - HD），還有音樂生成模型music - 01。

發(fā)這么多模型，主要是為了建立「競爭壁壘」和滿足不同場景的需求，從文本到音頻，模型幾乎涵蓋了MiniMax的基礎(chǔ)設施。

什么是基礎(chǔ)設施呢？

就像一個底座。有了底座，可以在上面做很多事情。

比如，有視頻模型，各種企業(yè)可以用這個模型開發(fā)不同的應用。TOB（面向企業(yè)）的企業(yè)可能會用它的API來開發(fā)AI剪輯視頻的產(chǎn)品。

電影動畫領(lǐng)域，這個視頻模型可以用來生成動畫場景，提高制作效率；甚至在教育領(lǐng)域，可以用來制作教學視頻，讓學習更加生動有趣等等。

再比如，有了語音生成模型，就像有一個會說話的機器人。這個機器人在智能家居中，可以通過語音控制家電，在客服領(lǐng)域，它可以用來生成自然的語音回復，提高客戶滿意度。

這些模型一起，構(gòu)成MiniMax在AI領(lǐng)域的基礎(chǔ)設施，就像建房子的地基，有了地基，才能蓋起各種各樣的房子；這樣，MiniMax不僅能夠滿足不同場景的需求，還能在市場競爭中建立起自己的優(yōu)勢。這就是TOB的力量。

再來看看TOC。

MiniMax這家公司，有兩個原生應用，一個叫海螺AI，類似于豆包、Kimi chat、通義和文小言，它有多模態(tài)能力，支持文本、語音、圖像等多種輸入方式。

還有一個叫星野。星野是什么？基于AI的內(nèi)容社區(qū)，用戶可以創(chuàng)建虛擬角色進行互動，形成類似于小紅書、抖音、B站等社區(qū)的形態(tài)。

所以，兩個放在一起看，就形成了C端壁壘，一個滿足日常使用，一個滿足產(chǎn)生內(nèi)容后發(fā)布出去，在社區(qū)幫助創(chuàng)作者形成商業(yè)閉環(huán)。這樣，用戶不僅不會流失，還會愿意一直留在平臺上，從而形成C端市場的競爭力。

了解這一點，就明白了“開源、閉源”的動機。

互聯(lián)網(wǎng)上的所有數(shù)據(jù)，總有一天會被AI學習完。僅僅靠自己社區(qū)生態(tài)內(nèi)的一點內(nèi)容，完全無法滿足一個模型的訓練需求。

除非一個新的模型廠商能像淘寶、京東、小紅書那樣，擁有海量的數(shù)據(jù)和標簽。只有開源，才能保證模型有足夠的“食物”來不斷學習和進化，保持其競爭力和準確性。

而支持閉源的人呢？

大部分更偏向于TOB客戶，這些客戶急需將AI的能力融入到工作場景中。例如，京東這樣的公司，如果要養(yǎng)10萬個在線客服，肯定是不劃算的。

怎么辦呢？可以做一個閉源模型，讓它學習所有客服的知識庫和QA，然后通過API接入。這樣，就可以利用閉源模型自動回答客戶的常見問題，提高客服效率，同時減少人力成本。

所以，閉源模型的這種定制化和專用性，在特定的場景中表現(xiàn)得會很好。因此，一個結(jié)論是：模型是否開源，應該站在客戶選擇的角度來看，而不是僅僅考慮「模型本身」。

這句話怎么理解呢？

簡單講：決定一個模型是否開源，不應該只從技術(shù)角度出發(fā)，而應該考慮客戶的需求和選擇。

國外有兩家公司，一個叫VMWare，它的軟件像“電腦管家”，主要幫客戶的企業(yè)把電腦、服務器管理得井井有條。

還有一家公司叫HuggingFace，它是一個專門做人工智能的公司，他們有很多很厲害的AI模型。StarCoder是其中一個模型，功能是幫助開發(fā)人員（就是寫電腦程序的人）生成代碼。

但是，VMWare選擇自己把StarCoder模型放在自己的服務器上，而不是用微軟的Github的Copilot這樣的外部系統(tǒng)。因為VMWare對自己的代碼庫（就是他們所有的代碼集合）非常小心，不希望讓微軟（另一家大公司）看到這些代碼。

而HuggingFace呢，它把StarCoder模型開源，讓所有人都可以免費使用。

這樣做的好處是，很多開發(fā)者都可以用這個模型來生成代碼，提高他們的工作效率。開源還意味著社區(qū)的力量，全球的開發(fā)者都可以一起改進這個模型，讓它變得更好。

所以，你看，VMWare更注重保護自己的代碼庫，雖然它也用了HuggingFace的StarCoder，但它選擇閉源的方式來保護自己的數(shù)據(jù)安全。

而HuggingFace本身，把StarCoder做了開源，讓更多人可以使用和改進這個模型，促進技術(shù)的快速發(fā)展和創(chuàng)新，這就是不同的選擇，一個模型面對的客戶不一樣，開源閉源也不一樣。

國內(nèi)這樣的操作更多。

阿里、騰訊都是雙輪驅(qū)動。我記得，阿里云在2024年9月的云棲大會上發(fā)布的模型Qwen2.5系列，最近大半占據(jù)Hugging Face榜單，這些模型，一些對開發(fā)者，一些對企業(yè)。

騰訊2024年11月份宣布的兩款產(chǎn)品，Hunyuan - Large（大語言模型）、Hunyuan3D - 1.0（文本加圖像）也是這樣。因此，這種模式不僅推動了技術(shù)的迭代，還滿足了不同客戶群體的需求。

說到底，到底開源好，還是閉源好？

我覺得，關(guān)鍵在于客戶選擇。如果一個模型上面做了TOC的產(chǎn)品，那開源肯定有利于發(fā)展。反而，這個模型是直接面對公司用的，閉源是最佳選擇。

本文為專欄作者授權(quán)創(chuàng)業(yè)邦發(fā)表，版權(quán)歸原作者所有。文章系作者個人觀點，不代表創(chuàng)業(yè)邦立場，轉(zhuǎn)載請聯(lián)系原作者。如有任何疑問，請聯(lián)系editor@cyzone.cn。