【开源VS闭源】大模型的未来该向哪边？_闭源 开源模型

        开源和闭源，两种截然不同的开发模式，对于大模型的发展有着重要影响。开源让技术共享，吸引了众多人才加入，推动了大模的创新。而闭源则保护了商业利益和技术优势，为大模型的商业应用提供了更好的保障。

        在回答“大模型的未来会走向哪一边”之前，本文章会梳理开源、闭源、大模型等基本概念，并结合现实生活中的具体事例，并帮你把抽象的语言与概念具像化。最后，我将分享自己的看法。

目录

一、开源和闭源是什么

二、开源的发展历史

三、开源的使用

1. 在哪里找开源项目?

2. 开源项目中的三种角色

三、开源和闭源的优劣势比较

四、开源与闭源的商业模式比较

1. 盈利模式：

2. 市场竞争：

3. 用户生态：

五：处在大模型洪流中，向何处去？

---

一、开源和闭源是什么

        开源的全称是“开放源代码”英文是Open Source。开源软件是指那些源代码对公众开放的软件，任何人都可以查看、使用、修改和分发其源代码。

     当提到开源软件时，有很多例子，以下是一些常见和广泛使用的开源软件：

        1. Linux 操作系统： Linux 是一个开源的类 Unix 操作系统内核，许多不同的 Linux 发行版（如Ubuntu、Fedora、Debian）建立在这个内核之上。Linux 提供了一个稳定、可靠、自由的操作系统选择。

        在我的电脑macOS中有一个终端（Terminal）应用，你可以在这里使用命令行界面。macOS 的终端支持基于 Unix 的命令，这些命令和 Linux 系统中的命令很相似。你可以使用终端执行一些系统管理任务、安装软件包等，这与在 Linux 中使用命令行非常相似。

        2. Apache HTTP 服务器： Apache 是一个开源的用于发布网站的 HTTP 服务器软件。它在全球范围内广泛用于搭建和管理网站。

        3. Mozilla Firefox 和 Mozilla Thunderbird： Firefox 是一个开源的网络浏览器，Thunderbird 是一个开源的电子邮件客户端。它们都是由 Mozilla Foundation 开发的，旨在提供开源、自由的网络体验。

        4. Python 编程语言： Python 是一种高级编程语言，以其简洁易读的语法而著称。它被广泛用于 Web 开发、数据科学、人工智能等领域。

        Python 生态系统中有许多开源库，这些库提供了各种功能，从数据处理到机器学习，再到网络开发。以下是一些常用的 Python 开源库：

         NumPy： 提供了用于处理大型多维数组和矩阵的功能，是进行科学计算的基础库。

         Pandas： 用于数据分析和处理的库，提供了强大的数据结构，如DataFrame，以及灵活的数据操作和分析工具。

         Matplotlib： 用于创建静态、交互式和动态图表的绘图库，适用于数据可视化。

         Seaborn： 基于 Matplotlib 的统计数据可视化库，简化了创建各种统计图表的过程。

         Scikit-learn： 用于机器学习和数据挖掘的库，提供了各种算法和工具，包括分类、回归、聚类等。

         TensorFlow 和 PyTorch： 两个流行的深度学习框架，用于搭建和训练神经网络。

         Django 和 Flask： 用于构建 Web 应用程序的 Web 框架。Django 是一个全功能的框架，而 Flask 更轻量级，适用于小型项目和快速开发。

         Requests： 用于进行 HTTP 请求的库，使得与 Web 服务进行通信变得简单。

         Beautiful Soup： 用于从 HTML 或 XML 中提取信息的库，常用于网页爬虫和数据抽取。

         SQLAlchemy： SQL 工具和对象关系映射（ORM）库，用于简化数据库操作。

         Celery： 分布式任务队列，用于处理异步任务和定时任务。

         Flask RESTful 和 Django REST framework： 用于构建 RESTful API 的库，简化了 API 的开发过程。

         Pygame： 用于创建 2D 游戏的库，适用于游戏开发和图形学初学者。

         NLTK 和 SpaCy： 用于自然语言处理（NLP）的库，提供了文本处理、分析和语言模型的功能。

        这只是 Python 生态系统中众多开源库的冰山一角。根据具体的应用领域，你可能会发现其他更专业化的库，满足你的特定需求。

        5. Git 版本控制系统： Git 是一个分布式版本控制系统，用于跟踪项目代码的变化。它是开源的，被广泛用于软件开发中，例如 GitHub（基于云的开源社区） 和 GitLab（自托管）。

        6. Android 操作系统： Android 是一个开源的移动操作系统，主要用于智能手机和平板电脑。它是由Google 领导的开放手机联盟（Open Handset Alliance）开发的。

        7. MySQL 数据库管理系统： MySQL 是一个开源的关系型数据库管理系统，用于存储和检索数据。它广泛用于 Web 应用程序和其他应用中。

     开源还涉及到一种开放和协作的文化。开源的基本理念是通过合作和共享促进软件的发展。开源软件的开发模型鼓励社区参与，任何人都可以贡献代码、报告问题、提出建议等。这种合作方式通常有助于提高软件的质量、安全性和创新性。

            “闭源”(只使用不修改) —— 软件不开放源代码，用户只能对产品有使用的权利，没有修改的权利。比如微信、WPS.

二、开源的发展历史

         开源的概念起源于计算机科学领域，最早的开源项目之一是自由软件基金会（Free Software Foundation）成立的 GNU 项目。GNU 项目的目标是创建一个自由的、类Unix的操作系统。这个项目始于1983年，由理查德·斯托曼（Richard Stallman）发起，他提出了自由软件的理念，强调用户有权利查看、修改和分享软件的源代码。

        1991 年，Linus Torvalds公开发布了一个类 UNIX 操作系统内核—— Linux。同时采用了GPL 许可证版权声明。2008 年，GitHub 网站上线了，为开源项目免费提供 Git 存储。

        在2008～2009年前后，中国正式参与国际开源项目，中国开发者提交的代码被Linux基金会接受，正式成为了开源资源的贡献者。

        2010年代： 在这一时期，中国的开源社区经历了快速的发展。国内一些知名的科技公司，如华为、阿里巴巴、腾讯等，积极参与到国际开源社区中，并且开始在自己的项目中采用开源模式。一些本土的开源项目也逐渐崭露头角。

三、开源的使用

1. 在哪里找开源项目?

开源软件也需要有对应的平台载体和规则规范，来满足开发者交流、提交代码、开源项目发展、获取报酬的需求。这几类需求都有对应的平台提供服务。

（1）开源社区

又称开源平台，开发者在平台中提交开源项目、开源代码。并且可以在社区中与其他开发者进行协同开发，或者进行交流的平台。比较知名的开源社区有GitHub、开源中国等。

（2）开源许可证

开源软件使用者，使用开源代码时必须遵守的规则。每种协议对使用者都有不同的约束和要求

常见的协议有BSD、GPL、LGPL、OSL等。

2. 开源项目中的三种角色

维护者

        维护者：也称之为“运营者”，是开源项目的核心成员。维护者主要工作有两个方向：

        1. 审核代码并提交，保证开源项目的代码质量；

        2. 面向更多的开发者，宣传自己的项目，并且为新加入的开发者提供支持和帮助，让开源项目健康发展。

贡献者

        提出issue或PR，或者将其他的PR合并进主干

        只要为项目做出了有用的价值都算是“贡献者”

使用者

        就是开源项目的“最终用户”。在使用的过程中，使用者会对开源项目提出issue、开发建议以及反馈遇到的BUG等相关问题。

三、开源和闭源的优劣势比较

开源：

1. 优势：

        - 创新和共享： 开源模式鼓励创新和技术共享，吸引了全球范围内的开发者和研究人员参与，推动了大模型的不断创新。

        - 透明度与安全性： 开源软件的透明度高，任何人都可以查看和审查源代码，确保了系统的安全性和可靠性。

        - 社区支持与效率： 开源项目通常拥有庞大的社区支持，问题能够迅速得到反馈和解决。

2. 劣势：

        - 商业竞争压力： 在开源模式下，商业化的难度可能增加，因为一些核心技术可能会被竞争对手使用。

        - 商业模式挑战： 开源项目通常面临如何在商业上持续盈利的挑战，因为产品本身对于大部分用户是免费的。

闭源：

1. 优势：

        - 商业利益保护： 闭源模式能够更好地保护商业利益，防止竞争对手直接复制或使用核心技术。

        - 掌控技术优势： 公司能够在闭源环境下保持对技术的更大掌控，有更多自主创新的空间。

        - 商业模式清晰： 闭源模式通常更容易构建和维持商业模式，因为公司可以控制访问和使用自己的产品。

2. 劣势：

         - 效率低、创新受限： 闭源模式可能受到相对封闭的开发环境的限制，创新可能受到一定的局限。

        - 缺少社区支持： 闭源项目通常无法获得像开源项目那样庞大的社区支持，解决问题和改进可能相对缓慢。​​​​​​​

四、开源与闭源的商业模式比较

1. 盈利模式：

        - 开源： 开源项目通常以服务和支持为基础进行盈利。公司可能提供定制化的支持、培训、咨询服务，并建立付费的企业版或高级版(Github)。另外，一些公司通过提供云服务、托管和支持来获取收入。

        - 闭源： 闭源公司通常依赖软件许可证销售、订阅服务或按用户数收费等传统盈利模式。他们可以更直接地从软件的销售和许可中获取收入。

2. 市场竞争：

        - 开源： 开源项目通常在市场上拥有更广泛的用户基础，因为它们是免费的，并且受到社区的积极参与和支持。然而，市场竞争也更加激烈，因为其他公司可以利用相同的开源项目提供类似的产品或服务。

        - 闭源： 闭源公司可能在市场上拥有一定的独特性，因为他们可以通过保护核心技术和功能，建立起一定的市场差异化。然而，他们也需要面对更加严格的竞争，尤其是来自同行业其他闭源公司的竞争。（钉钉/腾讯会议/Zoom，你可以理解为竞品。）

3. 用户生态：

        - 开源： 开源项目通常能够建立更加强大的用户生态系统，吸引来自全球的开发者和用户。社区的参与促进了更广泛的创新，用户对产品的反馈和需求也更加直接。

        - 闭源： 闭源公司在建立用户生态方面可能受到一定的局限，因为用户对于产品的定制和修改受到了限制。然而，闭源公司可以更直接地掌控用户体验，并提供更一致的支持和服务。

五：处在大模型洪流中，向何处去？

        “大模型”指的是深度学习领域中的大型神经网络模型。这些模型通常具有数百万到数十亿的参数，通过大量的数据进行训练，用于解决复杂的任务，如自然语言处理、计算机视觉、语音识别等。其中，最显著的例子就是Chatgpt.

        特点：

        越来越大的模型规模： 大型神经网络模型的规模不断扩大。从 GPT-3、BERT 到更大规模的模型，参数数量已经达到数十亿甚至数百亿。这些大型模型在自然语言处理、计算机视觉等任务上展现出卓越的性能。

        预训练模型的盛行： 预训练模型成为主流。许多大型模型都采用了预训练的方法，先在大规模数据上进行训练，然后在特定任务上进行微调。这种方法使得模型更加通用，适用于多个领域。

        多模态和跨模态的研究： 大模型逐渐开始涉足多模态（包括图像、文本、语音等多种数据类型）和跨模态（同时处理多种数据类型）研究。这种趋势拓展了大模型的应用领域，使其能够更全面地理解和生成信息。

        领域特定大模型的兴起： 针对特定领域的大型模型逐渐崭露头角，例如在医疗、法律、金融等专业领域的应用。这些模型通过在特定领域的数据上进行训练，提供更有针对性的解决方案。

        国内在计算机发展方面可能相对年轻，虽然近年来在人工智能和大模型领域的发展迅猛，但就文心一言和GPT的比较中，还有很大差距。在大模型洪流中，社会可能面临更多机会和挑战。原因复杂，包括但不限于内外有壁、计算机教育欠佳、合作较少等。未来会采取将开源和闭源相结合的混合模式。这样的混合模式可以在保护核心技术的同时，利用开源的优势吸引更多的开发者和用户。但具体发展状况仍受多种因素影响。

          对于程序员自己：

        在时代的浪花面前，个人的生命仿佛不值一提。但我想说，你必须认清当前高压的环境，并评估个人当前的能力和未来的潜在天花板。由此，你才有生活的希望。AI很厉害也很可怕，但你应该包容看待。你可以不断学习新的知识，训练AI为自己所用。一旦运用高效率的方法，你将节约不必要浪费的时间以及自己的精力，未来会实现迅速地飞跃。​​​​​​​

        参考文献：https://zhuanlan.zhihu.com/p/564758405