開源與自研的“戰火”在大模型時代重燃

這幾天朋友圈異常熱鬧，導火索來自前阿里AI科學家賈揚清的一則訊息，他說某國產大模型抄襲了META 的LLaMA架構，並且只換了幾個變數名稱就說成是自研，譴責這種行為沒有底線。就在很多人拿著國產大模型一對一比對，猜測是哪家公司這麼幹的時候，“肇事者”終於“浮出了水面”，原來是創新工場董事長兼 CEO 李開復推出的“零一萬物”(Yi-34B)。

關於抄襲的“大鍋”

有國外開發者直接點名，在零一萬物的Hugging Face開源主頁上，開發者ehartford質疑稱該模型使用了META LLaMA的架構，只修改了兩個tensor(張量)。零一萬物曾在幾天前表述，最新發布的開源大模型Yi-34B效能卓越，一鳴驚人。該公司有衝進第一陣營的初心和決心，擁有可以對標 OpenAI、Google等一線大廠的團隊。抄襲事件出來以後， 零一萬物公開致歉，並表示會在各開源平臺重新提交模型及程式碼，補充LLaMA 協議副本的流程，儘速完成各開源社群的版本更新。

很明顯，零一萬物光明正大地承認自己在模型訓練過程中，沿用了GPT/LLaMA的基本架構，正是因為LLaMA社群在開源上的貢獻，使得零一萬物可以快速起步。

至此，我們不去評價功過是非，當所有國內大模型都鬆了一口氣，慶幸這口“鍋”沒砸在自己的頭上時，關於開源與自研的問題再次引起爭議。

其實，在之前的軟體時代，國產軟體的自主創新能力就遭遇過質疑。由於我國基礎軟體基礎薄弱，起步較晚，我們最早大量採用開源，導致我們的軟體被稱為是“開源套殼”。的確，國產軟體在研發過程中，確實存在著一部分功能採用歐美企業軟體來實現，導致我們現在還在受這些企業的專利限制，並支付專利費用。事實上，在全球化科技環境中，跨國競爭與合作是一種常態，各種技術創新都建立在前人實踐的成果之上。換言之，開源的使用並不意味著缺乏自主創新能力，而是基於社群可靠性和廣泛性支援，可以幫助更多企業構建更穩定的應用。

只不過，不管你是開源的玩法，還是選擇自研創新，都要遵守遊戲規則。你是怎樣一種狀況，就要清清楚楚告訴使用者，尊重各自的勞動成果，這是一家企業最基本的行為準則。

開源，還是閉源?

從去年底開始，國內外均以肉眼可見的速度奔向大模型，各種文生文、文生圖、文生影片等應用，如雨後春筍般誕生，這背後開源的基礎架構帶來了強大的推動力。因為，有了開源的資料、演算法和框架，其他企業就不用重複造輪子，可以讓科技創新更高效。那麼，到底如何評價一個模型是不是自研?業內有一種說法是，如果你採用的演算法和框架是自己實現的，同時資料是自己收集、清洗的，那就算自研;如果其中三項均來自開源，那就不能被認為是自研。

需要特別注意的是，在開源環境下，模型的自研性並不是唯一的考量標準，還需要考慮模型的實用性、效能和可靠性等因素。所以，如果你使用了開源的框架，同時遵守了開源社群的規範和準則，不侵犯他人智慧財產權，並且儘可能回饋給開源社群，促進開源社群的發展，那這個模型就可以被認定為是自研。

事實上，當大模型開始狂飆，很多企業都在這個問題上糾結過。有了開源，我們還需要自研嗎?最終，大多數企業的選擇都是同一個，那就是隻能借鑑，不能全盤照抄!模型訓練不是開黑盒，只要做不到完全透明，就存在安全風險。

目前，大模型正在向各個行業和企業滲透，比如：金融行業的資訊評估預測、醫療行業的影像分析和藥物研發、零售行業的銷售分析和市場預測、製造業的生產資料分析和排程計劃等，都會受到前所未有的影響，我們必須要構建出屬於自己的可以自主可控的模型，才能擁有最終話語權。

現實情況是，對於很多網際網路大廠來說，如果沒有自己的大模型生態，那意味著未來的發展會受阻，甚至出局，所以大模型是必選項。而一些小企業，則依附更大的生態來發展自己垂直領域的模型。所以，大模型看起來非常熱鬧，已經演變成“百模之爭、千模大戰”，但背後的競爭也會更加殘酷。對於每一個入局的玩家而言，只有找準“賽點”，才能在白熱化的競爭中存活下來。