文/觀察者網(wǎng) 張廣凱

2025開年伊始，國內(nèi)大模型行業(yè)似乎正醞釀著一場劇烈的格局變動。

一邊是零一萬物與阿里云達成合作，不再獨立追求超大模型的預訓練；另一邊，以豆包為代表的大廠模型仍在快速進化，“不差錢”的DeepSeek更是以創(chuàng)新架構(gòu)，讓人看到超越OpenAI的可能性。

這似乎印證了一段時間以來的流言：國內(nèi)大模型企業(yè)將進一步收斂，一些過去的頭部玩家也開始掉隊？

另一個有趣的現(xiàn)象是，此前一直走閉源路線的MiniMax，最近突然發(fā)布了自己的開源模型。開源是弱勢方爭奪市場的捷徑，還是本身就具備比閉源更好的商業(yè)邏輯閉環(huán)？

當然，美國對中國愈加嚴厲的政策限制，一直都是不容忽視的巨大風險。國產(chǎn)大模型行業(yè)準備好迎接進一步脫鉤了嗎？

圍繞上述話題，我們邀請AI生態(tài)專家、曾任零一萬物開源及開發(fā)者生態(tài)負責人的林旅強，以及Hugging Face工程師王鐵震進行對話，收獲了不少新穎的觀點。

林旅強

王鐵震

摘要如下：

·中國大模型行業(yè)的研發(fā)能力與OpenAI沒有明顯差距，即使放棄預訓練的團隊，也并非因為訓練效果不佳，只是更好的商業(yè)選擇。

·隨著主流模型能力基本夠用，一味追求模型能力最強或許是個誤區(qū)。以操作系統(tǒng)為例，性價比才是大規(guī)模應(yīng)用的決定性因素。

·當算力成本進一步降低，開源模型的性價比將更加突出。

·開源的優(yōu)勢還在于更容易成為行業(yè)標準。

·開源的AI開發(fā)工具鏈，對大模型的國產(chǎn)化替代意義巨大。

以下為對話全文：

放棄預訓練，不是能力不夠

觀察者網(wǎng)：可以聊聊最近零一萬物預訓練團隊并入阿里的事嗎？這是不是意味著，國內(nèi)頭部大模型公司之間的能力已經(jīng)在分化，零一發(fā)現(xiàn)自己預訓練的效果不夠好？

林旅強：完全不是這樣的。零一的團隊很強，預訓練出來的東西也很強，去年5月發(fā)布的Yi-Large，10月發(fā)布的Yi-Lightning都很好，尤其是Yi-Lightning，可以說是當時時間點上最強的之一。

但是模型強不強，跟商業(yè)上能不能走通是兩回事。零一絕對不是沒能力做預訓練，而是作為一個小公司，必須面對現(xiàn)實——你投入巨大的資源去做預訓練，能不能做到self sustainable？是不是對投資人負責？

所以一個公司最終還是要去找到符合商業(yè)規(guī)律的生存之道。

王鐵震：對，我非常同意。我要補充一下，其實中國的research非常強，這兩年中國的大模型追得非?？?，包括最近的DeepSeek，甚至讓OpenAI都感到一些危機。

如果說中國跟美國的頭部模型存在一些差距，我覺得不能說是人的問題，主要還是因為資金的分配、公司的政策方向等等。像零一這樣的中國公司，有最優(yōu)秀的團隊，有開復老師的領(lǐng)導，那么如果給它像OpenAI一樣的資金，它絕對也能做出同樣好的產(chǎn)品。但是這樣的條件在中國是很稀缺的。

大部分中國公司，不可能把無止境的資金投入到一個非常燒錢的項目里。在“六小虎”中，所有人一開始都是to b也要做，to c也要做，to developer也要做，foundamental research也要做，但是很快大家就會發(fā)現(xiàn)，我不可能每一件事情都做得好，每一件事情的競爭都是非常激烈的，我需要把所有的精力放到某一個自己很擅長的事情上面，才能做出最好的效果。

可能零一也經(jīng)歷了這樣一波周期，發(fā)現(xiàn)必須把全部精力集中在做APP，或者專注做to b。我覺得這完全沒有問題，因為很少有公司能夠像DeepSeek或者阿里巴巴一樣，有另外賺錢的業(yè)務(wù)去養(yǎng)活不賺錢的foundamental research。

所以我覺得國內(nèi)做預訓練的公司會越來越少，其實是一個好事，是更好的資源調(diào)配。想做預訓練的人也可以更集中，資金也可以更集中，可能最后只有四五家模型，但每家都可以得到非常多的資金支持，可以走得更遠更好。

中國很多行業(yè)都走過了類似的路，比如說電動汽車、光伏，都經(jīng)歷了自然淘汰的過程，從無序競爭到有序收斂，這是一個市場比較理想的狀態(tài)。

觀察者網(wǎng)：也就是說國內(nèi)的大廠也好，“六小虎”也好，在大模型能力上還沒有顯著差距。

王鐵震：我認為還在牌桌上的玩家，水平都沒有太大的差距，有差距的自己已經(jīng)放棄了，所以牌桌上的玩家確實在減少。

林旅強：很多行業(yè)應(yīng)用，也未必非要去做預訓練。例如百川很早就宣布把重點放在醫(yī)療，那么醫(yī)療大模型是不是一定需要做預訓練？基于別人的基座大模型，拿行業(yè)數(shù)據(jù)去做后訓練是不是足夠了？

所以退出牌桌的人，也不一定是失敗，而是調(diào)整。所有公司都要找到適合自己的路。

觀察者網(wǎng)：那么當初為什么大家一擁而上都去做預訓練？是戰(zhàn)略選擇錯誤，還是擔心使用別人的模型，不是好的商業(yè)模式？

林旅強：首先，你要向資本市場講一個故事。2023年上半年，資本市場會覺得一個團隊能做預訓練，代表團隊的能力是很扎實的。

另一個原因是當時的基座模型還不夠強，后續(xù)去做fine-tune的效果也不好，所以只能自己去做基座。

現(xiàn)在，很多大模型效果已經(jīng)好到一定的程度，甚至10B以下的小模型都比當時強很多了，對很多場景來說完全夠用了。所以大家不會再盲目追求超大模型。

王鐵震：對，剛開始的時候，你必須向資本市場證明自己的團隊實力。只做fine-tune的團隊，估值不會很高，后續(xù)做很多事情就會非常受限。而且最開始的那段時間，市場上資金是最充裕的，越往后融資越難，如果開始拿不到足夠資金，后面可能很快就死了。

還有很重要的一點，是對人才的爭奪。那個時候大模型人才是相當稀缺的，很多公司都需要開出非常高的薪水挖人。

做預訓練更有利于去培養(yǎng)自己的團隊。如果只是做微調(diào)，你只能看到世界的一小部分，只有懂預訓練的人才能告訴你，一個問題到底應(yīng)該用預訓練解決，還是后訓練解決。

但在今天這個時間點，基于很多開源模型去做后訓練，已經(jīng)能達到比較好的效果，預訓練可能就更多是一種情懷了。

最好的大模型，未必要最強

觀察者網(wǎng)：那么在今天這個時間點上，開源模型跟閉源模型的能力還有差距嗎？

林旅強：我想先correct一下這個問題本身。模型就是模型，不會因為它是開源或者閉源就更強或更弱，模型強弱跟是否開源是完全兩個維度的事情。

觀察者網(wǎng)：但是最早Llama之所以選擇做開源，可能是因為它不夠強，要通過開源來搶市場。

林旅強：開源確實有利于搶占市場，但是它想搶市場，跟它夠不夠強，不能建立直接關(guān)系?，F(xiàn)在DeepSeek也是開源，難道是因為它不夠強？所以我個人覺得Llama只是開源中一種情況，并不代表開源的本質(zhì)。

開源和閉源的參與者也是動態(tài)變化的，比如之前一直閉源的MiniMax，最近突然也做開源了，這并不只是取決于模型強弱。

王鐵震：這是一個經(jīng)常被問到的問題，最近我剛好也有一些新的想法。

首先就像前面提到的，沒有開源強的閉源模型已經(jīng)死掉了，所以結(jié)果就變成，閉源模型永遠是大于等于開源模型。

之前我也覺得，開源模型跟最頭部的閉源模型相比，還是有非常大的差距。但是最近DeepSeek發(fā)布的成果，以及國內(nèi)在推理模型上面的進展，都讓我覺得差距沒有那么大了，反而是OpenAI更應(yīng)該感到焦慮。

視頻生成模型也是一個很好的觀察角度。Sora是一個閉源模型，它剛出來的時候大家都驚嘆，中國跟它的差距非常大。但是現(xiàn)在大家驚嘆的反而是，Sora怎么一直都像個期貨，好像還不如中國的開源模型給力。

所以開源模型是可以很強的。但這個問題仍然很有價值，我會想問，如果開源模型廠商真的做出了比OpenAI更好的模型，它們還會不會繼續(xù)開源？整個開源生態(tài)本身已經(jīng)在收斂，如果再有更多廠商放棄開源預訓練，對行業(yè)將是巨大損失，因為沒有市場競爭的話，很難保證大家都還愿意在這個牌桌上玩。

觀察者網(wǎng)：所以仍然可以說，閉源模型大于等于開源模型？究竟有沒有哪家開源模型，能夠達到跟OpenAI差不多的能力？

林旅強：其實對于開發(fā)者跟行業(yè)來說，很多開源模型的能力是足夠的。那么在同等能力情況下，如果有開源的選擇，我一定選開源，因為性價比就是開源強。

所以你怎么去評判強不強？論性價比開源超強。你的問題其實暗含了一個假設(shè)，認為模型能力一定要達到最強，這件事情是很重要的。如果從科研角度或者公司估值的角度，追求最強確實是有意義的，但是從我們開發(fā)者角度，性價比高才能普及。

我舉個例子，PC端操作系統(tǒng)，最強的肯定是Windows或者macOS，但是Linux對于全球行業(yè)的影響力或許更大。你看得到的機器上跑的都是Windows或者macOS，你看不到的機器上跑的基本都是Linux，后者的數(shù)量可能更多。

Linux甚至根本不需要一家公司去推動，它成立一個基金會，IBM、谷歌都會捐錢。每家捐幾百萬美元，就能換來持續(xù)可用的操作系統(tǒng)，而且不會被人卡脖子。

所以究竟是Linux最強，還是macOS比較強，現(xiàn)在已經(jīng)沒有人care這一點了。

觀察者網(wǎng)：有支持閉源的人，說開源模型是“智商稅”，認為即使從成本來看，閉源也比開源要低。

林旅強：我尊重他們的選擇，但我不認同這個結(jié)論，開源相比閉源成本一定是低的。因為購買一個閉源模型本身就是很大的支出，在此之外，開源不會比閉源增加任何成本。

王鐵震：一些現(xiàn)在做閉源的公司，其實在過去的時代也在做開源，對NLP、OCR等領(lǐng)域都有很大幫助。后來在大模型領(lǐng)域轉(zhuǎn)向閉源，雖然很可惜，但是一定是經(jīng)過了深思熟慮，甚至可能也有激烈的內(nèi)部討論。那么一旦選定了技術(shù)路線，對外也只能這樣說。

開源的好時代還在后面

觀察者網(wǎng)：大模型的開源方式，跟Linux這樣的傳統(tǒng)開源方式也有很大區(qū)別。

林旅強：完全不一樣，現(xiàn)在的開源大模型并沒有把關(guān)鍵素材開放出來。

Open Source的基本邏輯，第一是透明，第二是可復現(xiàn)。但大部分開源模型的tech report都不夠透明，比如用了什么樣的數(shù)據(jù)集，這是各家的秘方，是不可能拿出來的。

傳統(tǒng)的開源軟件，所有代碼都會公開在GitHub上，你能夠完全去復現(xiàn)這套軟件，并且做出進一步貢獻。比如你發(fā)現(xiàn)一個bug，可以去提交修復。但所謂的開源大模型，仍然是一個黑盒子，我無法去修改這個黑盒子，無法改善它，只能夠基于它去做后訓練。所以它更像是開源和閉源之間的一個中間態(tài)。

真正開源的大模型，其實Hugging Face上也是有的，比如BigScience項目，可以給出完全開源的數(shù)據(jù)集和訓練代碼，但是大部分開源模型做不到這一點，我認為把它們叫做開放模型更合適。

觀察者網(wǎng)：真正意義上Open Source的開源模型團隊有哪些，主要在國外嗎？

王鐵震：這是一個很有意思的現(xiàn)象，國內(nèi)做開源的主要是大公司，或者能拿到國家資助的學術(shù)機構(gòu)，而在海外有很多自發(fā)的組織，他們可能只是依靠一些捐贈，或者就是幾個學生做著玩，然后得到一些企業(yè)幫助。

據(jù)我了解，國內(nèi)真正滿足開源標準的團隊，主要有兩個。一個是RWKV（元始智能），他們最早用Stable Diffusion的幾百張卡一直在默默做預訓練，現(xiàn)在也逐漸開始尋求商業(yè)轉(zhuǎn)化。另一個是MAP，他們是一個虛擬的在線組織，成員主要是國內(nèi)大廠的研發(fā)人員，會進行一些跨機構(gòu)的合作，發(fā)布過真開源的模型MAP-NEO，以及春運數(shù)據(jù)集等等。

海外的開源大模型團隊大家可能更熟悉，除了Hugging Face的項目，還有艾倫AI研究院（Allen Institute for AI），后者得到了蓋茨基金會的支持。

觀察者網(wǎng)：真開源項目少，是不是大模型的訓練成本過高造成的？因為即使開放出來也很少有人能去復現(xiàn)。大模型領(lǐng)域不太可能產(chǎn)生類似開源軟件的生態(tài)？

林旅強：對，我們回過頭看Linux生態(tài)是怎么長出來的，一個重要原因是個人電腦很便宜。

最早發(fā)起自由軟件運動的人，理查德·斯托曼，當時在MIT的人工智能實驗室任職。他認為軟件應(yīng)該是自由開源的，可是當時的電腦太貴，他在實驗室里想要做軟件編譯，都得排隊去申請使用電腦，就像今天的大模型研究者排隊求分配顯卡，這種資源稀缺的情況是無法做開源的。

到Linux出來的時候，PC已經(jīng)便宜到讓野生開發(fā)者都能夠在自己家里面寫代碼，這是摩爾定律帶來的算力民主化。

所以我認為當下的 AI大模型，還處在當年的實驗室階段。等到算力成本繼續(xù)降低，AIPC能夠讓每一個人在自己家里就能跑得起大模型，或者訓練一些小模型，開源的百花齊放就會來臨。

觀察者網(wǎng)：摩爾定律在GPU領(lǐng)域還能繼續(xù)有效嗎？

王鐵震：討論摩爾定律，一方面我們可以期待下一個世代的硬件進步，甚至量子計算有怎樣的前景。另一方面，軟件或許也有一些辦法能夠讓摩爾定律延續(xù)，比如MiniMax、RWKV嘗試的Linear Attention（線性注意力機制），就是降低算力成本的另一條途徑。

其實芯片領(lǐng)域的摩爾定律之所以一直能延續(xù)，不是因為最早的技術(shù)能一直延續(xù)，而是行業(yè)在不停地變換技術(shù)棧，尋找摩爾定律的新的解釋方式。我覺得AI行業(yè)肯定也能做到這一點，比如用更小的模型就能獲得現(xiàn)在很大模型的效果，或者用超越傳統(tǒng)Transformer的架構(gòu)來取得對算力需求的數(shù)量級下降。甚至未來是不是可能專門為大模型設(shè)計一種ASIC，效率遠遠超越通用GPU。

所以我們不用太悲觀，至少現(xiàn)在英偉達的GPU還在快速進步，未來也有很多替代路線可以探索。

開源是一場標準之爭

觀察者網(wǎng)：即使解決了成本問題，做開源模型的回報在哪里？一些大廠，比如阿里云、字節(jié)，可以用其他業(yè)務(wù)變現(xiàn)。但是像“六小虎”這樣的企業(yè)，為什么要開源？

林旅強：每一個企業(yè)做開源，一定是符合商業(yè)理性的，一定要能促成他的商業(yè)邏輯閉環(huán)。我不認為開源只是靠情懷。

扎克伯格當初寫了一篇文章，解釋為什么要把Llama開源。文章標題是Open Source AI Is the Path Forward，開源是未來之道。

扎克伯格表達了兩個觀點：一是開源能夠避免重復造輪子，把自己的一些成功拿出來給大家用，能夠降低整個行業(yè)的研發(fā)成本；二是開源也有助于形成行業(yè)標準。

我想大企業(yè)做開源，真正的動機肯定不只是第一點，幫別人省錢。而是這個錢省了之后，他就會落入到我的生態(tài)系統(tǒng)，他的根就在我這邊，我在這個生態(tài)系統(tǒng)里擁有絕對影響力。那么以后這個行業(yè)的基礎(chǔ)設(shè)施和技術(shù)路線，都是要跟我掛鉤的。

從商業(yè)的角度來講，標準等于壟斷，制定標準的人賺最多錢。

我曾經(jīng)在華為從事開源項目，華為為什么做那么多開源？第一他不想被卡脖子，第二他也希望能定出標準。華為的開源項目是放在產(chǎn)業(yè)與標準部門里的。過去在通信領(lǐng)域，像3G、4G、5G，或者藍牙這樣的通信協(xié)議，是有行業(yè)聯(lián)盟來制定標準的。但是到了軟件領(lǐng)域，華為發(fā)現(xiàn)沒辦法做聯(lián)盟，開源形成的事實上的標準，把聯(lián)盟壟斷的路子都給斷了，搞標準只能從開源切入。

觀察者網(wǎng)：零一為什么要做開源？

林旅強：對一些企業(yè)來說，做開源也有秀肌肉的作用。通過一個很厲害的產(chǎn)品，讓市場認識一家公司，這是后進者能夠讓自己傳播的一種方式。

還有很多企業(yè)，會同時做開源免費版和商業(yè)收費版兩種產(chǎn)品。通過開源的方式，能更快得到客戶，然后只要開源免費版的基礎(chǔ)夠大，我也可以通過一些產(chǎn)品設(shè)計，滿足更多的商業(yè)訴求，變成付費版本。

在國內(nèi)主流的大模型公司里，零一已經(jīng)算是入局比較晚的，所以必須開源。但我加入零一，首先是因為他們的模型足夠強，因為開源生態(tài)非常依賴于產(chǎn)品強不強。

零一選擇了開源閉源并進的策略，認為最強的模型必須是閉源的，同時也去建設(shè)開源生態(tài)。但這未必是大模型開源的唯一解，有時也會讓客戶感到矛盾。通義千問全部做開源，其實也是很好的思路。

觀察者網(wǎng)：對客戶來說，開源的安全性會是個問題嗎？

林旅強：包括央國企在內(nèi)的大模型招標，通常不會在標書上要求是開源還是閉源。開源完全能夠滿足安全性的要求。因為安全性主要不取決于開源閉源，它們都是黑盒子，沒有區(qū)別。安全性主要靠大量的測試，比如做各種滲透測試，或者紅軍藍軍對抗。

王鐵震：其實從安全的角度上來講，開源模型反而能允許你做更多的測試，而且這些攻擊行為不會被泄露到第三方。從這個角度上來講，開源模型實際上更安全。

林旅強：沒錯，很多白帽黑客可以自己去拿開源模型做攻擊測試，把結(jié)果在行業(yè)中交流，讓大家知道如何防范。但是你不能去攻擊一個閉源模型，這是違法的。

開源圈內(nèi)有句話，只要眼球足夠多，所有bug都現(xiàn)形，對大模型也是適用的。

應(yīng)對卡脖子，開源工具鏈也很重要

觀察者網(wǎng)：還有另一個維度的安全性，人們會擔心一家商業(yè)公司控制的大模型未必符合公共利益，提出了“對齊”的概念。開源模型有助于“對齊”嗎？

林旅強：所有模型都會承載一些價值觀，會對用戶產(chǎn)生特定的影響，這是一定會發(fā)生的事情。開源模型會成為整個價值觀光譜中很好的補充，但未必一定要靠開源。在一個好的市場中，社會價值觀本身就是相互沖突和平衡的，市場的力量自然也會讓大模型取得平衡。

政治因素也會產(chǎn)生影響，李開復老師也說過一個概念，叫做一國一模型，每個國家的法律不同，道德觀念不同，大模型也是要經(jīng)過一些調(diào)整的。

王鐵震：開源能給大家更多的選擇，每個國家、每一個人都可以根據(jù)自己的需求去做定制模型，那么實際上是一種技術(shù)普惠。

其實大家選擇模型的時候會有很多不同考慮。前段時間國外網(wǎng)友有個帖子，說通義千問很好，但是我不能用。因為國外公司也會有一些policy，不允許使用中國模型。

觀察者網(wǎng)：地緣政治正在成為更大的威脅。如果美國加強對中國的GPU和大模型制裁，開源對國產(chǎn)化有什么幫助？

林旅強：我不是地緣政治專家，但我覺得“卡脖子”是必然要發(fā)生的事，因為美國無論哪個黨執(zhí)政，對中國的政策都沒有太大區(qū)別了。既然他要搞，我們就要因應(yīng)，國產(chǎn)化芯片能夠接得住的地方，就要全面導向國產(chǎn)化，接不住的地方也要尋找迂回的方式。

當然美國也是一個很多力量在拉扯的的國家，像英偉達這樣的大企業(yè)也有動機去阻止禁令，也會對結(jié)果產(chǎn)生影響。

王鐵震：如果說大模型層面，其實得益于開源工具鏈的發(fā)展，現(xiàn)在模型之間的切換是比較容易的。如果你要換用一個新模型，只要把prompt調(diào)整一下，把模型ID換一下就好了。除非一些架構(gòu)比較獨特的模型，比如DeepSeek，因為它工具鏈上的兼容不完備，大家想要把它高性能地跑起來還是有一些困難。

在AI基礎(chǔ)框架上，百度做過一些很好的工作，比如開源的PaddlePaddle（飛槳）是國內(nèi)最好的AI框架之一。只可惜百度在大模型時代沒有繼續(xù)走開源路線，否則在大模型的加持下，PaddlePaddle生態(tài)會有更加巨大的發(fā)展。

林旅強：我認為PaddlePaddle就是中國第一的AI框架，但華為的開源框架MindSpore（昇思）現(xiàn)在有很好的機會，因為華為只要決定做，哪怕慢一點，也會堅持下去。

AI從硬件到軟件，大致可以分為4層，華為都有布局。芯片層面的昇騰，對標英偉達CUDA的CANN計算架構(gòu)，然后就是MindSpore，以及最后的模型層。

華為目前的模型能力不是最好的，但是如果能把從下到上的整個stack做起來，還是會非常厲害。

不過雖然華為有開源框架，但它整個生態(tài)可能還是封閉的，有利于獨占商業(yè)化回報，別人是不愿意加入的。

觀察者網(wǎng)：華為能夠從哪些方面更好地幫助國內(nèi)開源生態(tài)嗎？

林旅強：舉個例子，零一萬物跟昇騰就有過合作。其實在很早之前，昇騰的朋友就來問過我們，能不能把零一的開源模型拿到昇騰上。我們不反對別人把模型拿過去，但問題在于，我們本來就是開源的，沒有收入，如果還要來自己花人力去適配昇騰，最后昇騰大賣，我們能夠得到什么回報？

這其實不是華為一家的問題。熟悉海外開源生態(tài)的人都知道，做開源不能只讓開發(fā)者去奉獻，他們一定需要得到某種回報。國內(nèi)的開源生態(tài)建設(shè)，還有很多需要提升的地方。