来源| 极点商业

一位行业领袖对技术路线的断言甚至是“拉踩”，其影响，或许将远超公众预判。

“开源模型会越来越落后。”Create 2024百度AI开发者大会上，一袭白衣的百度创始人、董事长兼首席执行官李彦宏，断言称，“大家以前用开源觉得开源便宜，其实在大模型场景下，开源是最贵的。”

这是数天内，Robin对开源大模型泼下的第二瓶冷水——此前4月11日，李彦宏在内部信中也称，大模型开源意义不大。

作为国内大模型较早入局者，百度在去年3月发布文心一言大模型，选择走闭源路线。一年间，文心大模型已迭代至目前的4.0。

李彦宏观点在行业内引发不小争议，认为以他国内AI布道者地位，不应如此武断。毕竟，开源创新力量几乎被每一位开发者公认，整个互联网都建立在开源基础上，才有了如今信息世界的畅通无阻。

因此也有多位现场媒体人猜测，李彦宏是否在暗指或diss行业其他闭源模型。

“百模大战”如火如荼，行业大佬下场对垒成为常态。如百川智能创始人兼首席执行官王小川，今年3月因李彦宏“文心一言4.0在中文处理上已经超越了ChatGPT 4.0”的表态，与百度高管多次互呛。

自称“开源信徒”的360创始人周鸿祎，截至目前已连续两次（4月13日、4月18日）在公开场合炮轰李彦宏言论，他表示没有开源，就没有Linux、没有互联网，“开源不如闭源好是胡说八道，是忽悠，连说这话支持闭源的公司都是靠开源才发展起来。”

值得一提的是，百川智能、360都是开源大模型。而大模型开闭源之争，也早是业界两大阵营争论话题，从去年7月Llama 2宣布开源可直接商用就已开始，并在最近马斯克起诉OpenAI，要求OpenAI恢复开源并给予赔偿后，掀起广泛争论。

一切技术路线争议终点，是需要商业化挣钱。大模型加速商业化下半场，对“all in”人工智能的百度来说，作为国内最早利用通用大模型会员付费模式，向C端用户收费企业，依靠大模型搞钱想法之迫切显而易见——此前内部信中，李彦宏说得很直接：闭源才有真正的商业模式。才能够真正赚到钱的，能够赚到钱才能聚集算力、聚集人才。

从这个角度看，不赚钱，还做大模型干吗？这并不寒碜。但问题是，仅选择开闭源任一道路，是否在通向极端？开源是否真的落后于闭源？闭源是否能真正代表大模型“商业化”破局之道？

在李彦宏看来，无论是技术还是商业模式上，闭源模型都会持续地领先，而不是一时领先。

开源和闭源区别上，TechTarget在一篇文章中解释，开源意味着公开AI模型、训练数据和底层代码，闭源则隐藏或保护其中一项或多项。

可以简单理解为，开源模型注重开放、共享和协作，推动大模型创新；闭源意味着源代码仅供拥有它的公司修改和开发，但能更好保护商业利益和技术优势。

从阵营来看，开源阵营远比闭源庞大。目前国内外大模型行业，闭源主要以OpenAI GPT、百度文心一言为代表，开源则是Meta旗下Llama（羊驼）、马斯克旗下 xAI 公司的 Grok-1，以及国内阿里通义千问、百川智能、360、昆仑万维、智谱AI等。其中，有不少企业选择“两条腿走路”，既做开源又做闭源。

从普通用户应用/产品化影响力来看，闭源目前领先开源毫无疑问。李彦宏核心论断之一也是，无论中美，当前最强基础模型都是闭源。

当前“登上神坛”，让很多大模型有绝望感觉的OpenAI，2019年发布GPT-2时还是开源，此后从GPT-3开始转变为闭源，推出“核爆”聊天机器人ChatGPT后，才震惊世界。

最初，OpenAI还公布论文，但到GPT-3.5、GPT-4，连算法、路线、论文都“讳莫如深”。今年初推出Sora时，更是明确表示不分享技术实现细节，只提供模型设计理念及其“炫酷”效果展示。

毫无疑问，大模型赛道近两年繁荣，很大程度上得益于OpenAI带动——倘若没有ChatGPT，不会有如此多科技企业加入大模型赛道，更不会有百花齐放、百家争鸣的行业形态。

在国内，文心一言是闭源代表。根据李彦宏最新公布的数据，文心一言用户数、API日均调用量均突破2亿。百度在大模型赛道初步建立起自己AI生态。

今年格外火爆，引发大模型巨头“围剿”的初创公司月之暗面旗下产品Kimi，也是闭源大模型。

大模型爆炒背景下，以上简单易用、面向To c的闭源大模型可谓尽人皆知，在当下成功占据市场主导地位——但未来是否能保持当下优势，尚未定论。

大获好评的Llama 2后，开源逐渐成为大模型主流趋势，其进化速度越来越快，迅速成为大模型竞争重要一极。

3月底，也就是Grok-1公开后几天后，初创公司Databricks公布旗下开源大模型DBRX，基于混合专家（MoE）架构，在语言理解、编程、数学和逻辑等标准行业上，战胜了Llama2-7B、Mixtral 以及Grok-1。整体性能超越GPT-3.5，编程方面更是轻松击败GPT-3.5。

根据最新消息，Meta将在下个月发布Llama 3，支持多模态处理。届时，Llama 3或又将超越DBRX，直接对标GPT-4，复现后者大部分能力。

多位业内人士认为，如无意外，Meta将遵循Llama 2路线，将Llama 3训练数据、训练方法、数据标注等大量细节都公布，成为“任何人都可以拿到模型权重的最强大语言模型”。同样，DBRX为开放社区和企业提供了仅限于封闭模型的API功能。

过去，闭源大模型有“遥遥领先”的参数。如今开源模型参数正越来越大，DBRX参数规模达1320亿，Grok有3140亿，Llama 3预计其大规模版本参数量可能超过1400亿。国内昆仑万维也在4月17日宣布开源4000亿参数的大模型天工3.0，一跃成为全球参数最大开源大模型，号称超越GPT-4V。尽管相比闭源大模型万亿参数有距离，但追赶速度越来越快。所以谷歌工程师说，谷歌没有护城河，OpenAI也没有。

对诸多开源大模型——特别是中国大模型赛道创业者而言，拉平认知的Llama，事实上远比GPT更为重要。不少行业、垂直大模型多是通过对Llama等开源大模型进行微调或修改实现。“如果没有Llama，国内大模型整体水平会被国外甩下不少身位。”

“无需闭门造车，重复发明轮子。”周鸿祎和金沙江创投主管合伙人朱啸虎等均认为，开源社区聚集的工程师和科学家的数量是闭源的数百倍，借助全球技术力量，实现迭代、体验改进和生态扩张。“开源会很快超过闭源。”

但李彦宏并不认可这种说法，他表示大模型开源跟Linux、安卓不同，实际上最主要开发者就是Meta，“不是一个真正大家一起来协同开发的产品。”

两大阵营最激烈交锋，目前发生在马斯克与OpenAI之间——2016年，马斯克还是OpenAI联合创始人、投资人、联席CEO，如今早已彻底走向决裂。

自ChatGPT发布后，马斯克多次暗讽OpenAI，断掉OpenAI对推特的数据访问权限，并在今年2月克起诉OpenAI跟山姆·奥特曼，理由是OpenAI违背了造福人类非营利的宗旨。

整体来看，伴随两大阵营的交锋态度日益强硬，谁也说服不了谁。开源阵营认为，开源更容易创新，更容易被大众理解和监督，闭源是奉行保守主义，容易权力集中，垄断市场和数据，AI技术发展也会滞后。

闭源阵营则认为，开源模型是套壳，存在滥用风险，无法基于此自行演进，影响某些企业商业化策略，特别是注重安全、隐私的企业。

但从李彦宏论断来看，开源模型会一直越来越落后，核心论点是因为成本更昂贵——这是行业最新争议点，毕竟印象中，开源使用成本更低甚至免费，而且开源成本的高低，从逻辑而言并不等于技术路线的高低。

李彦宏的依据是，基于文心大模型4.0，降维裁剪出来的“小模型”，要比直接拿开源模型调出来的模型，同等尺寸下效果明显更好；同等效果下，成本明显更低。

这话有一定道理，此前有业内人士就在X平台表示，Grok-1没有对特定任务进行微调，普通用户使用它的基础门槛并不低。如何开源、什么可以开源、开源到何种程度仍有待实践回应。

但也有中小开发者表示，尽管Llama2的开发和使用并没有完全面向全体公众开放，但对中小开发者也非常友好，只需一台PC就可以零代码微调大模型，花不了多少钱，且性能并不差。

事实上，业内公认的是，当前大模型技术路线都未成熟，包括ChatGPT也出现过将三星机密资料外泄严重事件。开源闭源各有利弊，“两条腿走路”才是目前大部分公司的选择，即构建一系列AI模型，既有闭源也要开源。

比如微软130亿元投资了OpenAI，但也扩大了开源ONNX Runtime投资力度，以及下场推出开源Phi大模型；谷歌也是从过去押注坚持闭源，在今年2月突然推出“开源”大模型 Gemma，双线作战去对抗OpenAI和Llama。

在国内，兼顾开源闭源的大模型更多。比如阿里通义千问，虽然以开源为主，但也有闭源模型，去年12月进阶至2.1版。包括百度也是如此，去年发布的文心千帆大模型平台2.0，就接入了30多个主流大模型，包括Llama2等诸多开源大模型。

可以说，没有开源大模型，就没有如今百度智能云生态的成熟，在千行百业的落地——根据最新数据，文心千帆大模型生态伙伴数量过去半年增长 5 倍，API 调用量指数级增长，超8.5万客户，300多款进入千帆应用市场。对这些用户和开发者而言，表面是在文心一言上，实际用到的也很可能是Llama2等开源模型。

既然如此，李彦宏为何还会多次断言，开源大模型会一直落后？

有业内人士就认为，这或许与百度当下大模型的战略定位，以及需要为产品工具宣传背书直接相关。

“以后人人都是开发者。”Create 大会上，李彦宏给出AI时代答案的同时，也发布了被广泛宣传的三大AI“开发神器”——AgentBuilder、AppBuilder、ModelBuilder，将个人、企业、开发者统统囊括在百度体系内，加速抢占应用入口，甚至是基础模型通吃AI，构建国内最强大大模型生态的“野心”。

“如果说开源大模型开放且正逐渐强大，那么有多少人还愿意给闭源大模型送钱，甚至是加入受控制的生态体系？”一位网友评论说，长期以来，全球开发者对苹果iOS封闭生态系统的“霸道”行为，深感不满却又无可奈何。

实际上，在大模型下半场，探索商业化路径成为所有玩家亟待选择的问题。

在这方面，李彦宏相当坦诚，表示百度之所以坚持闭源，是因为市场有足够多的开源，百度要开源还得自己去维护一套开源版本，从成本来说非常不划算。更重要的是，闭源有着真正的商业模式，能够赚到钱。

大模型当前如何商业化，或者说赚钱？尽管各大模型还在探索ToB还是ToC的不同路径，但重点布局方向都是“脱虚向实”，向“应用为王”倾斜。

这一点，从李彦宏、周鸿祎或者其他行业大佬、专家表态来看，已成共识。

大模型商业化如何变现答案上，“all in”姿态的百度堪称行业样本，在国内跑在最前面。

B端，构建“文心千帆”一系列商业化矩阵，为客户产品嫁接文心大模型能力，通过调用API调取实现营收。

这种收费方式可以简单理解为，模型租赁。360、阿里通义千问、腾讯混元、科大讯飞星火等通用大模型，以及更多行业大模型也有类似尝试，但当前大模型工具推动千行百业生产力进步还需要过程，且门槛更高（如针对各行各业的定制化服务），基于tokens（“字”或“词”）计价方式的ROI（投入产出比）各家并不算高，更多是通过API的绑定，向客户出售云、广告等其他服务。

李彦宏曾在2023年财报会中披露，去年Q4百度智能云总营收84亿元，其中大模型为云业务带来约6.6亿元增量收入，同时文心大模型重构后的广告系统，为百度带来数亿元增量收入。根据李彦宏的预计，上述两项增量收入，将在2024年增加到数十亿。或许，这会成为百度智能云加快追赶阿里云、华为云等的希望。

更值得一提的是C端。在国外，ChatGPT率先推出收费Plus服务；在国内，百度紧随其后，率先在C端推出了“文心一言”会员订阅模式。

目前，文心一言3.5基础版仍可免费使用，只是体验并不完美。能力更强的4.0则需要升级成会员，会员服务有两种，分别是单独的会员服务和联合会员服务。

单独会员服务价格上，连续包月优惠价为49.9元，单月购买价格为59.9元，连续包年588.8元，12个月658.8元。选择这种会员服务，用户将能够体验文心大模型4.0的高级服务，比如更强的模型能力和图片生成能力。

此外，百度还推出了文心一言4.0与文心一格白银的联合会员服务，限时特惠价为99元/月。除文心大模型4.0服务外，用户还可以获得文心一格白银会员的权益，包括极速生成多尺寸高清图像、创作海报和艺术字，以及AI编辑改图修图等功能。

不过，这也引起了部分用户的争议。虽然会员付费是互联网行业常见盈利模式，但像大模型会员这么贵价格的比较少见，比如闹得沸沸扬扬的爱奇艺，多次涨价后会员包月价目前为每月25元。

如此贵的会员费，业内人士认为大部分是AI 知识工作者、开发者等买单，从普通用户角度看，如果一年用不上几次，购买并不合适。

但客观来看，如今生成式AI产品收费是大势所趋，且大模型会员价格贵，和服务器、芯片、训练、电费等高额成本有关，如果不收费，以百度的弹药储备，恐怕也难以支撑烧钱多久。

从财报来看，大模型C端会员收费并未在百度最新财报中有所体现，有多少用户付费难以得知。但无论是B端还是C端的AI故事，想真正体现更大提振效应，还需要很长的路要走。2023年百度总营收1345.98亿元，在线营销贡献751亿元的收入。

这不只是百度的问题。目前能从AI身上赚到钱的公司并不多，百度已经算是其中佼佼者，一是迅速推动旗下大部分产品和大模型的融合，二是文心一言、百度广告、智能云、自动驾驶等领域，都开始有了来自AI的落地收入，AI商业化布局呈多元化态势。

OpenAI成功，首先是商业模式的成功。2022年全年，OpenAI收入仅为2800万美元。今年2月有外媒称，OpenAI的年化收入已超过20亿美元，其估值达惊人的1000亿美元。一些OpenAI的领导认为，到2024年年底，该公司年化收入可以达到50亿美元。

在商言商，只要未被利益蒙蔽双眼，因商业利益而为自家产品、技术路线强硬站台，无可厚非。

对李彦宏和他的百度来说显然也是如此，其既不是发布会上鼓吹的“让人人都是开发者”的那样高尚，也不是周鸿祎反驳中的“胡说八道和忽悠”。区别，在于企业路线，在于未来策略。包括马斯克和OpenAI 的决裂，本质同样如此。

当然周鸿祎有一点没有说错，那就是OpenAI、文心一言也是自开源成长起来——如今所有主流大模型的核心机制（包括开源、闭源），都是基于Transformer架构，热潮起点则源自2017年的谷歌，其发表了《Attention is all you need》的经典论文，对Transformer模型做出了具有历史意义的重大改进，有了Transformer框架下的“不可能三角”（并行训练能力、性能和低成本推理），才有了后来的GPT。

从这个角度看，AI和大模型注定引领一场新工业革命的当下，断言某一种技术路线会一直落后，也是一种极端。