在大模型開閉源之爭(zhēng)背后,有著幾大核心問題。
文|趙艷秋
編|;
大模型市場(chǎng)已形成了“開源派”和“閉源派”。而當(dāng)下,在大模型競(jìng)爭(zhēng)進(jìn)入市場(chǎng)爭(zhēng)奪的白熱化階段后,企業(yè)在開閉源上的交鋒也更為激烈。
實(shí)際上,大模型開源和傳統(tǒng)軟件開源不是一回事。在開源的定義、治理、社區(qū)性質(zhì)、貢獻(xiàn)路徑和企業(yè)的開源策略上,都在發(fā)生巨大變化。
01
大模型企業(yè)開閉源策略各異
今年大模型的開閉源更為熱鬧,在閉源的企業(yè),有開源的呼聲;在開源的企業(yè),有閉源的動(dòng)作。
百度內(nèi)部對(duì)大模型開源、閉源的討論非常熱烈。大家都在思考,什么樣的方式能取得更多的競(jìng)爭(zhēng)優(yōu)勢(shì)。
在BATH幾家大廠中,百度、華為選擇閉源路線,阿里、騰訊則推出了開源大模型。
百度對(duì)于開閉源大模型的爭(zhēng)論,部分也來自阿里云等企業(yè)今年在開源上的聲勢(shì)和市場(chǎng)動(dòng)作。
到目前為止,雖然百度文心一言仍堅(jiān)持閉源路線,但百度智能云部門,在其平臺(tái)上提供了大量性能很強(qiáng)的第三方開源大模型。百度通過閉源文心一言,也通過開源大模型使用的算力、工具和服務(wù),來實(shí)現(xiàn)商業(yè)上的收益。
在開源上,今年阿里云的動(dòng)作極為密集。5月在北京舉辦的AI峰會(huì)上,阿里云CTO周靖人表態(tài),開源是阿里云的戰(zhàn)略,阿里云形成的是一個(gè)開源和閉源的整體體系。阿里云已開源了參數(shù)從5億到千億的數(shù)款模型,打法也更為專業(yè)。
業(yè)界認(rèn)為,阿里云大力推廣開源,一方面是為了加快市場(chǎng)份額的爭(zhēng)奪;另一方面作為云計(jì)算企業(yè),它可以采用“羊毛出在豬身上”的商業(yè)模式,在算力、工具和服務(wù)上獲得收益。周靖人在策略會(huì)上尤其強(qiáng)調(diào)“百煉”平臺(tái)的服務(wù)。而開源還能為其引流,有些客戶可能升級(jí)為閉源用戶。
與其他大模型企業(yè)相比,騰訊開源大模型較晚,今年5月對(duì)外開源了混元文生圖大模型;煸嚓P(guān)人士告訴數(shù)智前線,由于市場(chǎng)上已有很多開源的大語言模型,因此騰訊這次選擇開源文生圖,應(yīng)該是第一個(gè)中文原生的開源DiT模型,未來還會(huì)嘗試參數(shù)量更大的模型。由于剛開源幾周,商業(yè)化影響仍待觀察。
華為云2023年在推出盤古大模型3.0時(shí),就表態(tài)采用閉源路線。過去一年,它的重心是在各行業(yè)進(jìn)行聯(lián)創(chuàng),落地大模型,并將技術(shù)回饋盤古,不斷迭代,未參與業(yè)界開閉源討論。華為云在上周也剛剛官宣盤古5.0多模態(tài)大模型,發(fā)布期間也未涉及開源問題。同時(shí),華為云于去年上線“百模千態(tài)”專區(qū),提供第三方開源大模型。
最近在項(xiàng)目訂單上活躍的智譜,是國(guó)內(nèi)最早開源大模型的企業(yè)。因?yàn)橹亲V由清華技術(shù)成果轉(zhuǎn)化而來,2022年,它就將開發(fā)的雙語千億模型GLM-130B開源,“當(dāng)時(shí)全國(guó)懂大模型的研究員加起來也不過百來人”。智譜CEO張鵬稱,開源讓大家知道智譜在做什么,同時(shí)可以讓更多人參與推動(dòng)大模型。此后在2023年3月,智譜將GLM6b開源,該模型在Hugging Face上的下載量超過1600萬。
雖然張鵬認(rèn)為開源的初心并不是要去贏得市場(chǎng)或追求商業(yè)利益,但ChatGPT爆火后,智譜的GLM開源大模型獲得大量關(guān)注,也讓這家2019年才成立的公司,在融資和商業(yè)化上受益頗多。張鵬也稱,開源和商業(yè)化是整個(gè)生態(tài)版圖里很重要的兩塊,這兩塊是有連接的,可以說開源充當(dāng)著商業(yè)化的橋梁。
王小川的百川公司,去年作為創(chuàng)業(yè)的明星公司,發(fā)布了Baichuan-7B、13B開源可商用大模型,在業(yè)界引發(fā)關(guān)注。當(dāng)時(shí)有應(yīng)用開發(fā)商告訴數(shù)智前線,測(cè)試后,他們從Meta的Llmma轉(zhuǎn)向百川,因?yàn)橹形男Ч谩?/p>
百川開源時(shí),國(guó)內(nèi)大模型開源的還很少。此后,越來越多的大模型公司,包括大廠,開始開源。百川聯(lián)合創(chuàng)始人謝劍告訴數(shù)智前線,未來還會(huì)開源,但不會(huì)開源特別大參數(shù)的模型,因?yàn)楹芏嗳擞貌黄饋怼?/p>
最近快手的文生視頻大模型“可靈”很火爆,不少應(yīng)用企業(yè)“祈盼”可靈開源。但快手相關(guān)人士表示,暫不考慮開源,而會(huì)逐步開放一些東西在業(yè)界討論。
而昆侖萬維最近開源了一個(gè)稀疏大型語言模型Skywork-MoE,為應(yīng)對(duì)大規(guī)模密集型大語言模型帶來的挑戰(zhàn)。昆侖萬維兼天工智能首席科學(xué)家顏水成告訴數(shù)智前線,開源大模型幫助學(xué)界進(jìn)行探索性工作,而公司也推出音樂、游戲等垂類模型,將采用閉源商業(yè)模式。
李開復(fù)的創(chuàng)業(yè)公司零一萬物,是這波大模型獨(dú)角獸中最后一家開源的企業(yè)。公司開源負(fù)責(zé)人林旅強(qiáng)非常坦率,認(rèn)為開源和閉源是商業(yè)設(shè)計(jì)問題。零一萬物也采取了開源、閉源并進(jìn)的模式。開源在一定程度上扮演了商業(yè)拓展角色。同時(shí),今年零一萬物發(fā)布千億參數(shù)模型Yi-Large,一些使用了開源模型的客戶有望轉(zhuǎn)化到該閉源模型上。
02
開源大模型與開源軟件有三大區(qū)別
雖然大模型開源如火如荼,但業(yè)界一直在詬病它的透明度,質(zhì)疑為什么好多信息,企業(yè)不公開。實(shí)際上,大模型開源和傳統(tǒng)軟件開源不是一回事。
紅帽中國(guó)首席架構(gòu)師張家駒告訴數(shù)智前線,軟件開源是指源代碼開源,拿到源代碼,我們就“知其然也知其所以然”,也可以在源代碼基礎(chǔ)上,去修改或增加新功能。
但大模型是一個(gè)黑盒子,里面有很多至今無法解釋的現(xiàn)象,所以對(duì)大模型的開源,業(yè)界提出了更多維度,有的說需要四部分——權(quán)重、數(shù)據(jù)集、代碼和訓(xùn)練過程;也有的說需要五部分,還包括了框架。即使是這些定義,業(yè)界也有不同意見:為什么會(huì)有這樣的定義?這更像是從傳統(tǒng)開源軟件的思路來考慮的。
有趣的是,只有極少數(shù)公司或機(jī)構(gòu)的大模型,同時(shí)開源了上述四部分或五部分,比如IBM剛剛開源出來的Granite大語言模型;也有像智源研究院、馬斯克旗下大模型公司xAI ,開源了權(quán)重和數(shù)據(jù)集。比如,根據(jù)智源人工智能研究院副院長(zhǎng)兼總工程師林詠華的介紹,今年6月,智源最新開源數(shù)據(jù)集分為兩類,一類是通用開源指令微調(diào)數(shù)據(jù)集,一類是行業(yè)垂類數(shù)據(jù)集,涵蓋18個(gè)行業(yè)。
“現(xiàn)在業(yè)界的共識(shí)是,至少將權(quán)重再加上一些推理代碼開源。”零一萬物林旅強(qiáng)說,只有這兩部分開源,其他人才可以將開源大模型使用起來。由此,開源大模型現(xiàn)在的定義,有點(diǎn)像微軟提過的“免費(fèi)軟件”。所以,谷歌等公司在其官網(wǎng)上稱是開源權(quán)重(open weight),而不是開源大模型。
為什么在開源大模型中,權(quán)重如此重要?有業(yè)界人士將權(quán)重打比方為“一大堆數(shù)字”,一個(gè)13B的模型,就有130億個(gè)數(shù)。這些數(shù)字與模型如何處理輸入的數(shù)據(jù)、如何做出預(yù)測(cè)和生成文本等相關(guān),代表了一個(gè)大模型的智慧。
而在大模型中,代碼分為預(yù)訓(xùn)練代碼、微調(diào)代碼和推理代碼。預(yù)訓(xùn)練代碼是大模型公司的核心;對(duì)于微調(diào)代碼,市場(chǎng)上已有很多公開方法,而大模型要被用起來,需要推理代碼。至于訓(xùn)練過程和數(shù)據(jù)集,往往也是大模型廠商的核心所在。
與傳統(tǒng)軟件不同,在大模型開源上,企業(yè)的態(tài)度有了微妙的變化,F(xiàn)在大模型的成本太過高昂,訓(xùn)練一個(gè)千億級(jí)參數(shù)模型,要幾千萬甚至上億,因此,很多公司在開源問題上變得保守。這是一個(gè)現(xiàn)實(shí)問題,每家公司的開源,必然服務(wù)于自己的商業(yè)戰(zhàn)略。而且,即便將這些核心都開源出來,大多數(shù)工程師和企業(yè)也沒有那么多資源去復(fù)現(xiàn)。
業(yè)內(nèi)人士認(rèn)為,開源大模型和開源軟件有三個(gè)核心區(qū)別:
一是透明度完全不一樣。開源軟件的代碼能說明一切,從而可以形成一套治理體系;大模型當(dāng)下還是一個(gè)黑盒子,內(nèi)部機(jī)理還是未知的。
二是大模型社區(qū)的性質(zhì)發(fā)生了變化。之前開源社區(qū)講求全球工程師來貢獻(xiàn);但因?yàn)樗懔Φ荣Y源限制,在大模型社區(qū)里,或許90%以上的工程師,無法直接為大模型貢獻(xiàn),因此很多社區(qū)變成了單向模式,大家只是使用大模型。在HuggingFace上,Meta的Llmma開源大模型,已經(jīng)有幾千個(gè)變種,但彼此之間沒有太多交互,也很難將創(chuàng)新合并。
其三是大模型企業(yè)開源策略發(fā)生變化。中國(guó)信通院知識(shí)產(chǎn)權(quán)與創(chuàng)新發(fā)展中心產(chǎn)業(yè)發(fā)展研究部主任張俊霞說,因?yàn)榇竽P偷挠?xùn)練投入特別大,這導(dǎo)致企業(yè)在開源策略的選擇上,特別是在一些許可或信息披露上,都有很大不同。“這個(gè)問題現(xiàn)在不管是國(guó)內(nèi)還是國(guó)際社區(qū),都在非常激烈地討論。”
不過,近期,一些動(dòng)態(tài)正在發(fā)生。比如,紅帽在社區(qū)貢獻(xiàn)上有了嘗試動(dòng)作。一方面IBM開源了Granite模型;另一方面,“訓(xùn)練過程”在另外一個(gè)開源項(xiàng)目InstructLab中。由IBM出資建設(shè)了一個(gè)平臺(tái)。每過一段時(shí)間,就把大家“集”來的數(shù)據(jù)放在上面“訓(xùn)”,形成模型的迭代。同時(shí),用戶也可以選擇保留自己的數(shù)據(jù),訓(xùn)練分叉的模型。“客戶不用‘躺平’,可以用他們的場(chǎng)景、經(jīng)驗(yàn)參與到調(diào)試當(dāng)中,不斷在變化之中調(diào)優(yōu)。”紅帽大中華區(qū)資深市場(chǎng)總監(jiān)趙文斌告訴數(shù)智前線。
而張俊霞認(rèn)為,大模型時(shí)代,對(duì)開源的定義以及未來的治理,不管是從項(xiàng)目層面、企業(yè)層面還是從國(guó)家層面,也都會(huì)發(fā)生一些翻天覆地的變化。
03
“開源的目的不是一定要超越閉源”
除了如何定義開源大模型,開源派和閉源派,在開閉源大模型孰強(qiáng)孰弱和安全性上,有著交鋒。
如果在當(dāng)下這個(gè)時(shí)間點(diǎn),OpenAI等的閉源模型比較強(qiáng)。“但不意味著閉源會(huì)持續(xù)遙遙領(lǐng)先。”零一萬物林旅強(qiáng)說,未來當(dāng)算力平民化,再加上互聯(lián)網(wǎng)協(xié)作精神,可能5年、10年,開源大模型就會(huì)變得更強(qiáng)。
不過,智源研究院智能評(píng)測(cè)組負(fù)責(zé)人楊熙從評(píng)測(cè)角度看,單純把開源模型和閉源模型放在一起來比較,可能有失公允。因?yàn)殚]源大模型可能是一套體系,比如包含了檢索增強(qiáng)等技術(shù),而開源模型是一個(gè)單體模型,拿“多對(duì)一”,肯定不合理。
而紅帽張家駒認(rèn)為,開源的目標(biāo)不是說一定要超過閉源。“即便之前全球工程師合力做Linux,目標(biāo)也不是要超過閉源。”開源的價(jià)值是更加公開透明,技術(shù)上更加平權(quán),不會(huì)讓其成為少數(shù)人牟利的手段。“更為關(guān)鍵的是,對(duì)于人工智能來說,如果未來走向AGI,開源讓AI的發(fā)展走向,更符合全人類的利益,這一點(diǎn)的價(jià)值要遠(yuǎn)高于在某一方面去超越閉源。”
而開源和閉源大模型誰更安全,業(yè)界也有著爭(zhēng)議。開源派認(rèn)為,在閉源環(huán)境當(dāng)中,大家不知道有沒有人監(jiān)督它。開源的好處是一旦出現(xiàn)一些安全問題,整個(gè)社區(qū)會(huì)來共同檢查。
但也有人士認(rèn)為“開源也會(huì)帶來各種意想不到的問題”。比如,開源可能將大模型交到了“恐怖分子”手里。“舉個(gè)例子,開源大模型的數(shù)據(jù)集,如果別人加了一些數(shù)據(jù),訓(xùn)練出大模型去干了違法的事。”一家大模型企業(yè)開源負(fù)責(zé)人對(duì)數(shù)智前線說,雖然他們也有開源大模型。另外,現(xiàn)在各國(guó)都強(qiáng)調(diào)數(shù)據(jù)主權(quán),數(shù)據(jù)開源后怎么追蹤也是問題。“所以國(guó)家鼓勵(lì)開源,但不是無限制的開源。”
對(duì)于這些觀點(diǎn)交鋒,智源研究院楊熙稱,開源、閉源其實(shí)都存在透明性、合規(guī)性、安全性的問題,也涉及治理問題。
信通院張俊霞提出,關(guān)于治理,其實(shí)大模型是一個(gè)技術(shù)性非常強(qiáng)的領(lǐng)域,所以“技術(shù)的問題,一定要依賴技術(shù)”。她看到,谷歌發(fā)布了一款開源工具M(jìn)odel Explorer,幫助人們理解大模型技術(shù)的內(nèi)部工作機(jī)制;IBM、微軟也發(fā)布了關(guān)于開源大模型或人工智能的倫理和解決手段,非常值得學(xué)習(xí)參考;今年1月,騰訊發(fā)布了安全治理框架,涉及一個(gè)模型整個(gè)生命周期里每個(gè)階段的安全技術(shù)、問題和管理等。
楊熙則強(qiáng)調(diào),開源其實(shí)對(duì)模型內(nèi)在機(jī)理的刻畫和理解,非常有幫助。“在我看來,開源和閉源是一個(gè)硬幣的兩面。”智譜楊熙稱,開源可能促進(jìn)我們更多的探索性和基礎(chǔ)性工作;閉源更多促進(jìn)產(chǎn)品化和商業(yè)化,推動(dòng)大模型走進(jìn)每個(gè)人的生活。這兩件事其實(shí)不應(yīng)該是之爭(zhēng),而是和諧共存。
“現(xiàn)在,什么樣的框架最適合從行業(yè)監(jiān)管角度,既不太過于增加企業(yè)的負(fù)擔(dān),又能夠?qū)崿F(xiàn)行業(yè)事前、事中、事后的一個(gè)完整的監(jiān)管,其實(shí)全球還沒有一個(gè)統(tǒng)一的答案,仍然在探索過程中。”張俊霞說。
04
開源閉源,商業(yè)化應(yīng)用如何選擇
在開閉源的選擇上,智譜張鵬認(rèn)為,如果只是想做一些實(shí)驗(yàn)和嘗試,可以選擇開源模型,但如果想要在上面做商業(yè)化應(yīng)用,大部分人還是會(huì)選擇商業(yè)化版本,因?yàn)橛斜U,能夠提供更好的服?wù)。
這代表了業(yè)界、尤其是ToB行業(yè)很多人士的觀點(diǎn)。
紅帽張家駒則認(rèn)為,無論是開源、閉源,需要優(yōu)先考慮客戶是否需要本地部署大模型。無論國(guó)內(nèi)外,不少客戶都有自主可控的需求。如果采用公有云上的模型,比如OpenAI,客戶要考慮數(shù)據(jù)暴露信息的問題。“這是個(gè)很重要的問題。”
值得注意的是,閉源大模型是否能部署到本地,需要獲得允許。開源大模型同樣需要依據(jù)一些協(xié)議以及合規(guī)性。從技術(shù)角度來講,很多開源部署到本地是可行的。而開源可以方便地進(jìn)行微調(diào),打造行業(yè)大模型,這是其優(yōu)勢(shì)。
除了本地化部署之外,也有企業(yè)需要調(diào)用公有云上的大模型。“大模型的需求一定是開放混合的。”張家駒說。
大模型應(yīng)用開發(fā)商北京可為是最早在市場(chǎng)監(jiān)督管理領(lǐng)域,打造、落地行政執(zhí)法垂直大模型的企業(yè)。公司聯(lián)合創(chuàng)始人曾明告訴數(shù)智前線,他們?cè)陂_閉源大模型中,最終選擇了開源大模型。一方面,行政執(zhí)法是比較知識(shí)化的應(yīng)用,去年他們?cè)跍y(cè)試驗(yàn)證中就發(fā)現(xiàn),當(dāng)時(shí)的開源模型在解決主要場(chǎng)景上,已經(jīng)符合要求;另一方面,成本是重要的因素之一。同時(shí),這類垂直大模型屬于政務(wù)應(yīng)用,客戶對(duì)數(shù)據(jù)安全要求極高,不能觸碰紅線,需要私有化部署,而開源模型在這方面更為靈活方便。
“在選擇開源大模型的過程中,我們做了很多驗(yàn)證,做的最苦的也最有意思的,就是這個(gè)過程。”曾明說,他們不斷對(duì)不同模型驗(yàn)證,對(duì)自己的訓(xùn)練策略驗(yàn)證。“你要教大模型,去還原人類推理和思考的過程。所謂的夠用與不夠用,就看推理的結(jié)果是不是能達(dá)到要求。”
此外,不少業(yè)界人士認(rèn)為,目前企業(yè)開源的大模型通常是中低版本的,而閉源的模型性能更強(qiáng),更適合比較高要求的應(yīng)用,如當(dāng)下大模型企業(yè)與標(biāo)桿客戶聯(lián)合共創(chuàng)的類型。而大多數(shù)普通應(yīng)用場(chǎng)景,開源已能滿足要求。
大模型時(shí)代,無論對(duì)開源的定義、治理還是社區(qū)運(yùn)營(yíng)、商業(yè)化,目前都處于快速演變之中。上述問題仍在激烈的碰撞和演進(jìn)中。