行业动态

当一家公司的新技术遥遥领先，眼看要独占一个行业，追赶者们应该怎么办？

            2008 年，iPhone 发布后一年，各大手机厂商奋力研发操作系统追赶苹果。微软有 Windows Mobile、黑莓有 BBOS、诺基亚基于 Linux 系统开发了         Maemo、Palm 秘密研发 WebOS……

            又过了不到五年，还卖得动的智能手机要么来自苹果，要么装着开源的 Android 系统。现在，苹果的竞争对手们不再有属于自己的操作系统，但它们占据着超过 80% 的智能手机市场。

        一整个行业围绕开源技术，协力对抗领先者，这一幕在今天的技术竞争中不断发生。

        Windows 系统难以挑战，不满微软的科技行业将 Linux 变成了网站和互联网应用的操作系统。亚马逊 AWS 开创了云计算行业，阿里云、IBM 等竞争公司将 Google 的 Kubernetes（K8S）开源技术奉为标准。几乎所有移动处理器都依赖 ARM 架构，于是 RISC-V 正得到广泛的投资支持。

        昨夜 Meta 又贡献了一个这样的例子。他们宣布将大语言模型 Llama 2 有条件地开源给商业使用（月活用户超过 7 亿需要单独申请），正是在牵头做大模型时代的开源标准。而 OpenAI 的密切合作伙伴微软，这一次成了 Llama 2 的首要合作伙伴。

        微软是在同一天举行的 Inspire 大会宣布这项合作的，而且就在宣布的 2 分钟前，微软还在一张 PPT 上画着 “微软 OpenAI”。微软与有竞争关系的闭源 OpenAI 和开源 Llama 2 两头牵手，反映了如今大模型激烈的技术竞赛之外，多变的商业合纵连横。

        微软 CEO 萨蒂亚·纳德拉（Satya Nadella）发布会上强调微软与 OpenAI 关系亲密（上）。Meta CEO 马克·扎克伯格（Mark Zuckerberg）与纳德拉的合影（下），图片来自扎克伯格的社交媒体。ChatGPT 去年底亮相后，全球大小科技公司和各类研究机构都在奋力追赶，造出了上百个大模型。而在 Meta 开源 Llama 2 之后，这些模型中的大多数还没有商用就已经过时。“Llama 2 看起来非常强大（超越 GPT-3），经过微调的聊天模型看起来与 ChatGPT 处于同一水平。”HuggingFace 机器学习科学家内森·兰伯特（ Nathan Lambert ）说，“对开源来说是一个巨大的飞跃，但对闭源的大模型公司是一个巨大打击，这个模型（Llama 2）将满足大多数公司对更低成本和个性化的需求”。

水平在 GPT-3 到 GPT-3.5 之间

        今年 2 月，ChatGPT 发布 3 个月，Meta 就开源了第一版 Llama 大语言模型。当时开发者能拿到的只是 Llama 预训练模型、且只被允许用作研究，而不是一个像 ChatGPT 那样针对特定任务或者需求训练过的应用。

        支持商用的 Llama 2 看上去更强。本次 Meta 一共发布 70 亿、130 亿和 700 亿三种参数规模的模型，其公布了模型训练数据、训练方法、数据标注等大量细节，展示了 Llama 2 的水平：

        同等参数规模， Llama 2 能力超过所有的开源大模型；

•   700 亿参数的模型在推理层面接近 ChatGPT 背后的 GPT-3.5，但写代码的能力还有较大差距。

        多位测试过 Llama 2 模型的开发者基本证实了 Meta 的说法：“代码测试环节挺不了 15 分钟”。70 亿参数的模型可以在 Mac 上运行，每秒钟能处理 6 个字符，比 Google 发布的 PaLM 2 最小的模型 “壁虎” 慢 70%。但 Google 并没有公布 “壁虎” 的具体参数。

        根据 Meta 公布的信息，Llama 2 的训练数据（都来自公开数据）提升到 2 万亿个 Token（指一个常用单词、标点或数字），较第一代多 40%。其上下文长度扩展到了 4000 个字符，对文本语义的理解更强。

        Meta 还像 OpenAI 那样，借助人类反馈强化学习（RLHF）机制，用 100 万人类标记数据训练出了类似 ChatGPT 的对话应用。这也是开源社区过去几个月微调训练 Llama 的常用方法。Meta 称 “大语言模型的卓越写作能力，从根本上是由 RLHF 驱动的。”

        训练 Llama 2 可能并不便宜。HuggingFace 机器学习科学家内森·兰伯特估算 Llama 2 的训练成本可能超过 2500 万美元，不比 OpenAI 三年前训练 GPT-3 的花费少。他说，有充足的迹象表明，Meta 还在继续训练更强的 Llama。

Meta 的 Llama 2 在多个数据集上表现好过其他开源模型。图片来自 Meta。

“改变大语言模型的市场格局”

        作为基础设施，大模型在产品中处于底层。用户使用大模型应用，感受到的就是对话框和大模型处理过的内容，不会看到用的什么大模型、什么技术。大模型的这个特点，一定程度上决定了它竞争局面——只要有更符合用户或企业需求的大模型出现，换起来的障碍并不高，甚至不会对用户造成太多负面影响。“如果大模型能力相差不大，只需要做一些调度工作就可以解决，开发量不大。” 一位 AI 开发者说。有了 Llama 2 这样的开源大模型，自研的意义更小了。连竞争对手 OpenAI 的研究科学家、特斯拉前人工智能总监安德烈·卡帕西（Andrej Karpathy）都说，Llama 2 的发布是人工智能和大模型发展过程中的重要一天，“Llama 2 是任何人都可以拿到模型权重（参数特征，一个模型最关键的信息）的最强大语言模型。”

        Meta 副总裁、人工智能部门负责人杨立昆（Yann LeCun）说，Llama 2 将改变大语言模型市场的格局。一位中国大模型创业公司高管解释了这句话：“很快就能看到许多开发大模型应用的公司，把基础模型换成 Llama 2”。多位人工智能研究者认同杨立昆的说法，随着 Llama 2 发布，Meta 可以用开源、支持商用的策略会改变大模型的格局和生态。

        今年 6 月，美国红杉资本发现在其投资的 33 家创业公司和上市公司中，65% 已经上线了大模型应用、94% 正用 OpenAI 的大模型接口（API）开发应用。它们使用大模型的方法大多较为简单：直接调用 ChatGPT 的接口处理私有数据完成特定任务，如多语言互译、生成文本或者网页内容摘要等。很少有公司会做更深入的开发，比如用大量数据微调模型。

在中国，许多公司选择从头收集数据或者用公开数据集训练大模型，过去半年发布了 80 多个大模型，不乏有公司和机构开源模型，把支持商用当做竞争点，然后做起生意。

        《晚点 LatePost》了解到，中国一家备受关注的大模型创业公司推出的开源 60 亿参数大模型，企业想买商用授权要花百万元，近期宣布免费；没有开源的千亿参数模型，售价每年上千万元。

        一位上市公司人工智能部门负责人 5 月告诉《晚点 LatePost》，他们打算用 OpenAI 的 GPT-3.5 开发功能，但成本太高——每天成本预计上万元，而且想定制做开发很困难，也不支持同一时间响应大量用户的请求。

        最后他们选择了参数量更小的 Llama（60 亿）和一个中国公司的开源大模型，这意味着训练和部署成本更低，而且经过数据微调后，在他们的业务场景中，基于 Llama 与中国开源模型的开发效果和使用 GPT-3.5 差别不大。中国大模型公司当时的另一个优势是可以谈商业授权，而 Llama 不能。当 Llama 2 开始允许商用，中国大模型公司的这一优势现在也没有了。

开源大模型正迅速追赶

        ChatGPT 去年底刚发布时，它凭看上去充满意义的回复和强大的写代码能力等功能震撼了世界。许多公司都在关注怎样才能做出一个类似的产品。

半年多过去，从大公司到普通程序员，都能借助开源社区做出来一个类似 ChatGPT 的应用。云端开发平台 Replit 发现，使用他们服务的开源大模型的项目数量，每个季度都在翻倍。在 Llama 等开源大模型基础上，开发者们做出了各种开源数据集，比如基于人类反馈强化学习（RLHF）的数据集，持续提升开源大模型的能力。

        根据加州大学伯克利分校、卡耐基梅隆大学等高校多位教授和学生成立的 LMSYS Org 评估，过去几个月，开源大模型与 GPT-4 的差距正明显缩小——从相差 191 分到近期的 115 分。在追赶过程中，开源社区还先大公司一步做出了在电脑、手机上运行的大模型，比 Google 早一个多月。

随着 Meta 开源 Llama 2，大模型开源社区的力量将会变得更强。Meta 称， 第一版不支持商用的模型开源后，他们收到了超过 10 万个研究人员的使用申请——这还没算那些直接从网上下载模型的人。

        “大公司的人工智能研究人员因为开源许可问题对第一版 Llama 持谨慎态度，现在我认为他们中的许多人会跳上这艘船（Llama 2）并贡献他们的火力。” 英伟达资深人工智能科学家 Jim Fan 说，就算现在 Llama 2 编程能力不行，开源后很快就会追上来。

这次 Llama 2 最大开源参数版本（700 亿）的参数还不到 OpenAI 三年前训练好的 GPT-3 的一半，但效果好于 GPT-3，就是最好的例证之一。

        开源的逻辑偏向于大模型达到一定能力后，就扩大新技术的覆盖范围，让更多人使用技术，然后从大量应用中改进模型。而闭源的公司，如 OpenAI 更偏向于技术领先，研发强大模型后再推广给更多人。就像 iOS 与 Andriod 在手机操作系统上的竞争，开源与闭源的竞争并不都是在同一维度上的短兵相接，大模型领域也会出现类似的分化。

在这种新的竞争格局下，连 Google 都没有信心继续保持领先。

        今年 5 月，Google 一位高级工程师在内部撰文称，尽管 Google 在大模型的质量上仍然略有优势，但开源产品与 Google 大模型的差距正在以惊人的速度缩小，开源的模型迭代速度更快，使用者能根据不同的业务场景做定制开发，更利于保护隐私数据，成本也更低。“只需要几周时间，他们用 100 美元和 130 亿参数的模型，就能做成我们花 1000 万美元和 540 亿参数模型很难做到的事情。” 他说，“我们没有护城河，OpenAI 也没有”。

        昨天，Meta 在宣布 Llama2 开源后解释说，开源对于当今人工智能模型的发展是正确的，尤其是在技术迅速发展的生产领域，“通过公开提供人工智能模型，它们可以惠及所有人ーー而不仅仅是少数几家大公司”。

        一场不同于过去的新式竞争正在生成式人工智能领域开展。开源社区凭借开放协作的力量，正在以惊人的速度追赶商业巨头们建立的领先优势。而过去习惯于技术封闭和市场垄断的大公司，也在逐步拥抱开源。

题图来源：烈火战车 Chariots of Fire （1981）