Let's Make AGI Real

第六回：开源潮涌 中外异途 风云际会 共识已成

上回书说到AI江湖群雄并起，各路诸侯或坚守阵地，或转舵扬帆，演绎出一幕幕精彩纷呈的生存与发展大戏。本回书，我们将视野放宽，探讨一个影响整个AI产业格局的重要趋势——开源浪潮，以及在这股浪潮之下，中外AI力量所呈现的不同路径选择，和由此带来的产业深层变革与共识的逐渐形成。

海外巨头渐封闭，国内玩家乐分享

观乎全球AI风云，一个有趣的现象值得关注。曾经以开源精神引领技术潮流的部分西方科技巨头，例如OpenAI公司，其早期模型和研究成果对全球AI发展贡献良多，但近年来，随着商业竞争的加剧和对技术领先地位的维护，其策略似乎渐有封闭和保守之势，部分核心技术不再完全公开。然而，将目光转回神州大地，我们看到的却是另一番景象：国内的AI玩家们，无论是行业巨头还是新兴力量，似乎越来越乐于分享其研究成果和技术能力。

君不见，深度求索不仅开放其高性能模型的权重供商业使用，智谱AI亦将其GLM系列模型（包括ChatGLM-6B以及最新的32B/9B系列）悉数开源，并遵循MIT等宽松许可协议。阿里巴巴的通义千问系列，亦有多个版本向社区开放。阶跃星辰也已开源其Step系列下的多款多模态模型。除了直接开源模型，许多公司还积极提供详细的技术优化方案，或者像字节跳动的豆包大模型那样，以极低的价格甚至大量的免费API调用额度，向广大开发者和企业用户敞开大门，极大地降低了AI技术的使用门槛。据IDC预测，到二〇二五年，将有高达55%的企业会选择使用开源的人工智能基础模型来开发其应用程序，以期更快地获得创新能力、运营主权、技术透明度和更低的成本。

开放迭代促学习，赢得关注聚伙伴

中国AI产业界这股“开放分享”之风，并非仅仅是出于一种“行侠仗义”的情怀，其背后实则蕴含着深刻的战略考量和独特的发展思路。对于那些处于快速成长阶段的AI公司而言，开放是促进学习、加速迭代的有效途径。通过将模型和技术置于更广泛的开发者社区中进行检验和使用，可以更快地发现问题、收集反馈，从而推动技术的持续进步。同时，开放的姿态也更容易吸引广大的开发者和合作伙伴，共同构建和繁荣AI应用生态。

在当前AI技术日新月异、竞争异常激烈的“红海”市场中，开放也成为了一种赢得市场关注、在众多竞争者中脱颖而出的有效策略。智谱AI的总裁王少兰曾表示，开源对于获得市场关注和推动行业发展是必要的，但这并不意味着完全免费，因为开源本身也需要持续的技术投入和维护成本。零一万物的创始人李开复也认为，优秀开源模型的存在，可以帮助那些自身研发水平尚有不足的公司避免不必要的资源浪费，更聚焦于应用创新。这种务实的开源态度，反映了中国AI产业在特定发展阶段的理性选择。

AI产业生态论：协同创新，价值转化

经过数年的探索与实践，中国国产AI行业内部逐渐形成了一个重要共识：人工智能产业的规模之庞大、体系之复杂，远非任何一家企业单打独斗所能完全驾驭和掌控的。要将AI技术的巨大潜力真正转化为推动社会进步和经济发展的实际价值，就必须依赖整个产业链上下游的紧密协作与共同创新。

无论是像字节跳动、阿里巴巴这样的行业巨头，还是像深度求索、智谱AI、阶跃星辰这样的新兴锐旅，尽管它们的市场定位、技术路径和商业打法各不相同，但越来越多的参与者选择以不同形式开放其研究成果，积极寻求与产业伙伴的合作，共同推动整个AI产业生态的健康发展与繁荣未来。这种从单打独斗到协同共进的转变，标志着中国AI产业正在走向成熟。

挑战与机遇并存：算力瓶颈、数据稀缺、安全治理

然而，在国产AI产业蓬勃发展、开放合作日益成为主流的趋势之下，亦不可忽视其面临的严峻挑战。这些挑战若不能妥善应对，将可能成为制约产业持续健康发展的瓶颈。

其一，算力瓶颈依然是高悬在业界头顶的“达摩克利斯之剑”。大模型的训练和推理对高性能GPU芯片的需求极大，而目前全球高端GPU市场主要由少数几家国际巨头垄断，中国在获取最先进制程的处理器方面面临诸多限制。虽然国内也在大力发展自主可控的AI芯片和算力基础设施，如华为昇腾、摩尔线程夸娥等，但整体性能和生态成熟度与国际顶尖水平相比仍有差距，国产替代尚需时日。

其二，高质量训练数据依旧稀缺。数据是AI模型的“食粮”，其质量和数量直接决定了模型的智能水平。中国虽然拥有海量的互联网数据资源，但这些数据往往分散在不同的平台，质量参差不齐，且存在合规性、版权等问题。尤其是在专业领域，如医疗、金融、法律等，可用于模型训练的高质量、结构化、已标注数据更是匮乏。中文语料库的体量和质量与英文相比，亦有待进一步提升。

其三，AI安全治理机制尚待健全。随着AI技术的深度应用，数据隐私保护、算法偏见、内容可信度、伦理规范以及潜在的滥用风险等问题日益凸显。虽然国家层面已出台部分法律法规进行引导和规范，但在实际操作过程中，仍需要建立更为完善和统一的标准、有效的监管手段以及行业自律机制，以确保AI技术在安全、可控、向善的轨道上发展。

其四，可持续的商业模式仍在艰难探索中。除了少数拥有强大生态和资本实力的巨头外，绝大多数大模型公司，特别是初创企业，仍面临着巨大的盈利压力。大模型的研发和运营成本高昂，而投资回报周期漫长，如何找到清晰、可持续的商业模式，实现技术的商业价值闭环，是摆在所有从业者面前的一道共同难题。

中国AI产业对开源的务实拥抱，不仅仅是一种技术潮流的跟随意愿，更深层次地看，它已成为国家层面推动技术自主创新、构建强大国内AI生态系统战略的一部分。在全球技术竞争日趋激烈，部分核心技术可能面临外部制约的背景下，通过开源共享，可以加速国内技术知识的传播与迭代，培养本土AI人才队伍，促进产业链上下游企业围绕共同的技术基础进行协同创新，从而在一定程度上降低对外部封闭技术的依赖。政府层面如北京市打造“全球开源之都”的举措，也从侧面印证了这种战略考量。

与此同时，尽管基础模型的研发至关重要，但市场对“杀手级应用”和清晰商业模式的迫切需求，正在对中国大模型的发展方向产生强大的“应用牵引”效应。众多企业从最初对标通用大模型的竞赛，逐渐转向更为务实的垂直行业应用和企业级解决方案的开发。这种转变，是市场力量对技术发展路径的自然选择，也可能催生出更具中国特色、更贴近本土市场需求的AI创新模式。

正是：

开源活水贯虹霓，万国纹枰竞弈奇。
产业云涛千叠变，同执彤管谱新词。

欲知未来智能如何飞跃，且听下回分解。