开源闭源孰优孰劣

开源和闭源一直是大模型发展中的重要议题，DeepSeek掀起的大模型“旋风”更引起技术界对开闭源策略选择的争论。开源和闭源各有什么优劣？如何理解开源大模型对人工智能发展的意义？

所谓“开源”，指的是开放源代码，意味着开源软件的源代码任何人都可以审查、修改和增强。DeepSeek便属于开源大模型；而与之相对的闭源软件，只有创建者才具备修改权限，像OpenAI旗下chatGPT的一系列模型就属于闭源专有模型。

发展大模型，选择开源还是闭源，本质上是由企业的不同定位决定的。选择闭源的企业注重用专有技术换商业利润，选择开源的企业注重用技术扩散换生态影响。

短期看，闭源将大模型变成企业的一大盈利点，能够保障企业在激烈的市场竞争中获得利润。相比来说，开源模式没有明显的盈利点，但也不意味着不能挣钱。

在大数据时代，信息和流量是最大的财富，相较专有闭源模型带来直接的商业利润，以DeepSeek为代表的开源模型通过卓越性能+免费开源的低部署成本，一跃成为人工智能时代的基础设施，为未来发展带来更多可能。

同时，开源大模型在凝聚全球开发者、建设智力共同体、快速优化模型能力、本地化部署适配各类场景等各个方面具有闭源模型无可比拟的优势，更有潜力塑造行业标准，营造出一个能够源源不断培育顶级科技产品的开放生态，同时也能通过云服务和硬软件等各种方式创造出不输于闭源模型的商业价值。

我国拥有联合国产业分类中所列全部工业门类，开源大模型赋能全产业链空间无限。通过标准化、模块化的技术架构，大模型能够打通产业链上下游，形成协同创新的生态系统。

在硬件层，算力厂商基于开源模型的通用需求优化芯片设计；在数据层，标注服务和语料库建设因模型开源而标准化；在应用层，开发者可快速调用预训练模型开发垂直场景产品，如智能客服、医疗影像分析等。这种全链条的贯通效应，使得技术创新能全方位转化为经济社会效益，为高质量发展注入持续动能。

传统闭源模式下，算法、算力、数据的“三重垄断”将中小企业排斥在AI竞争之外，一方面使得大模型赋能力度不足，另一方面也使得大模型缺少足够的场景和用户反馈，制约其继续创新。

开源大模型通过“技术平权”重构经济格局。低成本加卓越性能，塑造了开源模型的高性价比，直接使得大模型能够全面赋能千行百业。这种开放生态形成了良性循环的“创新飞轮”:企业贡献基础模型，学术界优化算法，开发者创造应用，最终反哺模型迭代。

技术路线从来不会十全十美，开源模式也是如此。在发展开源大模型的过程中，应避免一些误区。比如，开源并不等于忽视知识产权，应加紧开源许可协议标准建设，为开源生态确立规范。开源策略公开代码，意味着安全风险的暴露和强传播性，应充分调动开源社区维护者、开源软件开发者、开源代码使用者等受益于代码开源的利益相关者的积极性，形成多元可靠的安全管控网络，以去中心化的人人防控确保开源安全。

自2017年7月国务院印发《新一代人工智能发展规划》至今，我国人工智能产业蓬勃发展。在其从大转强的历史发展进程中，我国的人工智能需要一个能充分激发技术创造力和生产力的新生态，而开源正是打造新生态的有力“武器”。

免责声明：该文章系本站转载，旨在为读者提供更多信息资讯。所涉内容不构成投资、消费建议，仅供读者参考。