编者按：本文来自微信公众号 王智远，作者：王智远，创业邦经授权转载。
上半年就讨论过这个问题。
4月份时，百度创始人李彦宏说大模型一定要闭源，当时我记得，周鸿祎在海外演讲时，还反驳说：有些名人乱说，没有开源哪有互联网。
李彦宏觉得，闭源才能赚到钱，能吸引人才和算力，开源没啥用，闭源能力会一直领先，做模型的创业公司，即做模型又做应用不是好办法。
可半年过去了，到2025年1月初，我仍然看到不少企业在开源模型。比如：
1月15日，MiniMax开源了两个模型。一个是基础语言大模型MiniMax - Text - 01，另一个是视觉多模态大模型MiniMax - VL - 01。
这两个模型厉害之处在于，它们用了一种线性注意力机制，好比给模型装了一副更高级的“眼睛”，让它能更快速、高效地处理信息。
而且，一次能处理400万token，是别的模型的20 - 30倍。前天这新闻出来时，我在群里还吐槽：Deepseek被偷家了，它们用的是传统Transformer架构，MiniMax新模型MiniMax - 01用了新型Lightning Attention架构，把架构都替换了。
还有，1月15号，CES展上，NVIDIA也开源了自己的世界模型，分别有三个型号：NVIDIA Cosmos的Nano、Super和Ultra。
Nano主要是实时推理，训练反应能力，用在智能交通、工业自动化这些地方；Super和Ultra则擅长处理复杂任务和大规模数据，能生成很逼真的物理感知视频，模拟和预测机器人和自主系统的真实结果。
昨天（1月16号）阿里云通义也开源了一个模型，叫PRM的数学推理过程奖励模型，尺寸为7B。这个模型像个数学老师，比GPT - 4o更能发现数学推理中的错误，帮助人们更好地学习和研究数学。
你看，模型开源的信息一直没断过。我让Kimi chat帮我统计了一下，2024年全年开源大模型中，品牌有10个以上。
种类和数量多得数不过来，像Llama 3、GLM - 4、Qwen系列、DeepSeek、Falcon 40B、Gemma、FLUX.1、MPT - 7B、Phi - 2等等。
你不了解它们没关系，只要记住，它们有的能处理文本、有的能生成图片、还有的能处理多模态信息就够了。
然而，一年快过去了，又回到那个问题上：模型要不要开源？开源好、闭源好？
要解答这两个问题，我认为要从最底层原理思考。什么是最底层原理呢？例如：我们得知道模型这个东西，它到底是什么？怎么用的，用在哪里的。
如果用维基百科的介绍，那我能写几千个字的模型是什么。然而，这种理论性较强的知识，并不能通俗地理解。
我来打个比方：
可以想象，现在有一个人，有一个超级大脑。大脑能处理语言、图片，甚至有的还能把多个模型整理起来处理复杂的任务。
而模型呢，像一个个强大的工具，通过学习大量数据变得更聪明，就像你学习新技能一样，练习得越多，就越熟练。
所以，模型可以看做是一个个多功能的助手，每个助手都有自己的专长、干自己的事儿，这样才能分工明确，各司其职。
问题是，开源好，还是闭源好呢？
我认为这一定要看两点，动机和用途。什么是开源？简单讲，把你的工具箱免费分享给大家，任何人都可以拿去用，还可以根据自己的需要进行改进和扩展。
这么做的好处很明显，一，能很快拉起一帮开发者，间接给自己储备人才。比如，大家都用LLaMA来练手、调教，市场上就有好多懂LLaMA的人，你招人时就可以在里面挑选需要的技术人才。
其次，全世界的工程师都能交流经验，就像有好多工程师帮你试模型，给后续改进提建议，能让开源模型更快追上闭源模型。
从做生意的角度讲，开源还能打击对手。有了免费的开源模型，那些收费的闭源模型在市场上就不好混了。
再者，开源模型能鼓励大家一起玩、一起干，加快解决问题和创新的速度。源代码公开了，全球开发者、研究者都能随便用、随便改，这样一来，技术更新换代快，门槛也低了，更多人就能参与AI研发了。
在Stability AI发布的关于新模型FreeWilly的报告里，明确指出了，LLaMA模型开源没几天，旗下衍生的大模型FreeWilly2就跑赢了LLaMA。
这说明，开源模型就像一群人在帮忙，大家一起出力，能让模型变得更好更快。
不过，开源也有一些潜在风险。比如：模型被滥用进行不当内容的生成，这就需要开发者和使用者共同关注和规范。
还有，数据隐私泄露的问题，模型的使用和改进涉及到大量数据的处理和传输，如何在开源的同时保护用户数据隐私，是需要解决的重要问题。
读懂了开源，闭源就容易理解了。
相当于一本书把它锁起来，只给特定的人才能用，这样，发明这个大脑的公司可以更好地控制它，确保它的安全和稳定，同时，也可以通过这种方式赚钱，因为别人要使用这个大脑，就需要付钱。
闭源有什么优势呢？
一，闭源能很好地保护公司的技术和知识产权。你辛辛苦苦写好的模型代码，不用担心公开后被别人“偷家”。
二，闭源能更专注于特定的场景和用户。比如，有些金融公司、银行不需要开源模型，它们只要一个专门处理金融数据的模型就行。闭源就能很好地解决这个问题。
还有一点，闭源后，公司可以持续投入有限的资源来优化、改进模型。因为只有他们能接触模型的核心代码，所以，能根据数据的反馈，不断微调，让模型变得更精准、更强大。
而且，闭源模型在商业应用上更灵活。公司根据市场需求和客户反馈，快速调整模型的功能和性能，推出新的版本，这样，就能满足不同类别的客户了。
问题是，任何技术的发展都需要商业的支持，商业的发展会推动技术的更新，所以，到底要不要开源，得看掌握「模型」的企业，想让模型在特定的环境下干啥。
我来举个例子：
拿MiniMax来说。这家公司有四种模型布局：大模型MiniMax - 01系列、视频模型（abab - video - 1、video - 01）、语音生成模型（speech - 01、T2A - 01 - HD），还有音乐生成模型music - 01。
发这么多模型，主要是为了建立「竞争壁垒」和满足不同场景的需求，从文本到音频，模型几乎涵盖了MiniMax的基础设施。
什么是基础设施呢？
就像一个底座。有了底座，可以在上面做很多事情。
比如，有视频模型，各种企业可以用这个模型开发不同的应用。TOB（面向企业）的企业可能会用它的API来开发AI剪辑视频的产品。
电影动画领域，这个视频模型可以用来生成动画场景，提高制作效率；甚至在教育领域，可以用来制作教学视频，让学习更加生动有趣等等。
再比如，有了语音生成模型，就像有一个会说话的机器人。这个机器人在智能家居中，可以通过语音控制家电，在客服领域，它可以用来生成自然的语音回复，提高客户满意度。
这些模型一起，构成MiniMax在AI领域的基础设施，就像建房子的地基，有了地基，才能盖起各种各样的房子；这样，MiniMax不仅能够满足不同场景的需求，还能在市场竞争中建立起自己的优势。这就是TOB的力量。
再来看看TOC。
MiniMax这家公司，有两个原生应用，一个叫海螺AI，类似于豆包、Kimi chat、通义和文小言，它有多模态能力，支持文本、语音、图像等多种输入方式。
还有一个叫星野。星野是什么？基于AI的内容社区，用户可以创建虚拟角色进行互动，形成类似于小红书、抖音、B站等社区的形态。
所以，两个放在一起看，就形成了C端壁垒，一个满足日常使用，一个满足产生内容后发布出去，在社区帮助创作者形成商业闭环。这样，用户不仅不会流失，还会愿意一直留在平台上，从而形成C端市场的竞争力。
了解这一点，就明白了“开源、闭源”的动机。
互联网上的所有数据，总有一天会被AI学习完。仅仅靠自己社区生态内的一点内容，完全无法满足一个模型的训练需求。
除非一个新的模型厂商能像淘宝、京东、小红书那样，拥有海量的数据和标签。只有开源，才能保证模型有足够的“食物”来不断学习和进化，保持其竞争力和准确性。
而支持闭源的人呢？
大部分更偏向于TOB客户，这些客户急需将AI的能力融入到工作场景中。例如，京东这样的公司，如果要养10万个在线客服，肯定是不划算的。
怎么办呢？可以做一个闭源模型，让它学习所有客服的知识库和QA，然后通过API接入。这样，就可以利用闭源模型自动回答客户的常见问题，提高客服效率，同时减少人力成本。
所以，闭源模型的这种定制化和专用性，在特定的场景中表现得会很好。因此，一个结论是：模型是否开源，应该站在客户选择的角度来看，而不是仅仅考虑「模型本身」。
这句话怎么理解呢？
简单讲：决定一个模型是否开源，不应该只从技术角度出发，而应该考虑客户的需求和选择。
国外有两家公司，一个叫VMWare，它的软件像“电脑管家”，主要帮客户的企业把电脑、服务器管理得井井有条。
还有一家公司叫HuggingFace，它是一个专门做人工智能的公司，他们有很多很厉害的AI模型。StarCoder是其中一个模型，功能是帮助开发人员（就是写电脑程序的人）生成代码。
但是，VMWare选择自己把StarCoder模型放在自己的服务器上，而不是用微软的Github的Copilot这样的外部系统。因为VMWare对自己的代码库（就是他们所有的代码集合）非常小心，不希望让微软（另一家大公司）看到这些代码。
而HuggingFace呢，它把StarCoder模型开源，让所有人都可以免费使用。
这样做的好处是，很多开发者都可以用这个模型来生成代码，提高他们的工作效率。开源还意味着社区的力量，全球的开发者都可以一起改进这个模型，让它变得更好。
所以，你看，VMWare更注重保护自己的代码库，虽然它也用了HuggingFace的StarCoder，但它选择闭源的方式来保护自己的数据安全。
而HuggingFace本身，把StarCoder做了开源，让更多人可以使用和改进这个模型，促进技术的快速发展和创新，这就是不同的选择，一个模型面对的客户不一样，开源闭源也不一样。
国内这样的操作更多。
阿里、腾讯都是双轮驱动。我记得，阿里云在2024年9月的云栖大会上发布的模型Qwen2.5系列，最近大半占据Hugging Face榜单，这些模型，一些对开发者，一些对企业。
腾讯2024年11月份宣布的两款产品，Hunyuan - Large（大语言模型）、Hunyuan3D - 1.0（文本加图像）也是这样。因此，这种模式不仅推动了技术的迭代，还满足了不同客户群体的需求。
说到底，到底开源好，还是闭源好？
我觉得，关键在于客户选择。如果一个模型上面做了TOC的产品，那开源肯定有利于发展。反而，这个模型是直接面对公司用的，闭源是最佳选择。
本文为专栏作者授权创业邦发表，版权归原作者所有。文章系作者个人观点，不代表创业邦立场，转载请联系原作者。如有任何疑问，请联系editor@cyzone.cn。
