在最近闭幕的2024WAIC上，除了“十八金刚”人形机器人集体出道，“百模大战”热度不减，更有各位业界大佬们的重磅发言。那么，围绕大模型和AI应用，有哪些精彩的观点碰撞？真理越辩越明，适道总结了大佬们的会上发言，以及近期采访，看看能够为你带来哪些启发。

大模型——开源智商税VS闭源终被追上

你是开源派还是闭源派？

开源派代表马斯克认为，AI大模型共享代码是一切的前提，不但可以促进技术的发展和透明度，还防止AI被少部分人群垄断；闭源派代表Sam Altman主打，坚持闭源，延迟开源，追求商业利益最大化。

具体而言，在创新速度、专业性上，开源优于闭源；在性能突破，数据的多维度，以及通用性上，闭源优于开源。即，开源的最大优势是技术共享、推动创新；闭源的最大优势是商业化，集中人才、资本力量，只为提高性能。

如果按照“打蛇打七寸”的思路，想证明开源“不可行”只要证明“开源其实不open”；想证明闭源“不可行”只要证明“闭源其实不会永远领先”。

有趣的是，正反两方均提出了对应观点。

在2024WAIC上，李彦宏断定：模型开源和代码开源是两个概念，模型开源只能拿到一堆参数，做不到真正的共享；

在此前采访中，朱啸虎表示：开源模型最终会赶上闭源模型，因为开源有更广泛的贡献者和验证。周鸿祎也站开源：如果企业能够专注于特定领域，并利用其独有的数据资源进行深入的专业训练，那么这些模型完全有可能在特定领域的能力上超越GPT-4。

具体来看，双方有哪些激烈碰撞？

闭源派：百度CEO李彦宏

观点：开源其实是一种智商税。

原因一：开源能力不够。开源模型在参数规模相同的情况下，能力通常不如闭源模型，如果开源模型想要在能力上追平闭源模型，就需要更大的参数规模，这将导致更高的推理成本和更慢的反应速度。

“我觉得，开源其实是一种智商税。当你理性地去想，大模型能够带来什么价值，以什么样的成本带来价值的时候，就会发现，你永远应该选择闭源模型。今天无论是ChatGPT、还是文心一言等闭源模型，一定比开源模型更强大，推理成本更低。”

原因二：开源不是真开源。使用开源模型进行个性化改款，可能会创造出孤本模型，这些模型既无法从基础模型的持续升级中获益，也无法共享算力。

“很多人混淆了模型开源和代码开源的概念，模型开源只能拿到一堆参数，还要再做SFT、安全对齐，即使是拿到对应源代码，也不知道是用了多少比例、什么比例的数据去训练这些参数，无法做到众人拾柴火焰高，拿到这些东西，并不能让你站在巨人的肩膀上迭代开发”。

捍卫者1：月之暗面创始人杨植麟

观点：开源模型不会缩小与闭源模型的差距，闭源模型会持续领先。

“AI和其它领域不同，开源没有算力验证，没有人力和资本聚集，开源追不上闭源”

“像OpenAI一样的闭源是通往Super App的唯一通路，而开源只是 ToB 的获客手段。”

捍卫者2：前OpenAI首席科学家Ilya Sutskever

观点：几年后，每个人都会清楚，开源是不明智的。

“短期内，开源的价值在于帮助公司生产有用的产品，允许用户成为他们希望使用模型的最终决策者，决定如何使用模型以及支持哪种用例。但在某个时候，人工智能AGI会非常强大，令人难以置信，那么开源是没有意义的。”

开源派：阿里云CTO周靖人

观点：通义千问拉平了开源、闭源模型之间的差距。

“两年前，我们在世界人工智能大会上发布通义大模型系列，当时我们公布，通义核心模型将开源开放。到今天，通义千问已经实现真正意义上的全尺寸、全模态开源，拉平了开源、闭源模型之间的差距。”

捍卫者1：360创始人周鸿祎

观点：如果企业能够专注于特定领域，并利用其独有的数据资源进行深入的专业训练，那么这些模型完全有可能在特定领域的能力上超越GPT-4。开源社区拥有的工程师和科学家的规模远远超过闭源机构，数量级达到数百倍。尽管开源大模型仅发展了一年，但其能力已超越了GPT-3.5。

“我是一直相信开源的力量，至于说网上有些名人胡说八道，你们别被忽悠了。他说开源不如闭源好？连说这话的公司自己都是借助了开源的力量才成长到今天。”

捍卫者2: 金沙江创投主管合伙人朱啸虎

观点：开源模型最终会赶上闭源模型，因为开源有更广泛的贡献者和验证。

“在美国，闭源模型和开源模型的差别可能没有那么大，当然还是大厂的闭源模型比较领先，所以他们的目标也比较远大。很多美国大企业现在采用的方案也是在私有云上部署，用开源模型部署企业的大模型，然后用自己的数据进行垂直优化，这样能保证自己数据的隐私。

国内也是一样的，很多大企业尤其是一些央企，私有化部署不是在私有云上，而是彻底的私有化部署，然后同样用开源模型，用自己的数据进行调整。用开源模型最主要的好处能保护自己的数据。中国创业企业最好也是拿开源模型来训练，可以保护自己在垂直场景的数据。”

中间派：百川智能 CEO 王小川

观点：关于开闭源之争，核心是要看谁在开源。从To B角度，开源闭源其实都需要。二者不是竞争关系，而是在不同产品中互补的关系。

未来80%的企业会用到开源的大模型，因为闭源没有办法对产品做更好的适配，或者成本特别高，闭源可以给剩下的20%提供服务。两者不是竞争关系，而是在不同产品中互补的关系。

总结：对于大模型开发者而言，开源是远期理想，闭源是短期现实。全球科技“投资之王”Vinod Khosla表达过对开源的担忧：“训练成本确实高了一个数量级，这正是我认为开源不可行的原因。”

根据斯坦福 HAI 研究所最新发布的AI Index报告。

第一，在所有选定的基准上，目前闭源模型的表现均优于开源模型。

第二，随着时间的推移，模型训练成本急剧增加；对计算训练需求更大的模型需要的训练成本只会更多。

这些对于开源大模型厂商不是一个好消息：方向或许是正确的，未来或许是光明的，但道路一定是曲折的。

如何安全地快进到技术迭代曲线不再陡峭的那天，是开源派需要共同克服的难题。

话说回来，先抛开模型能力，从产品体验上来看，闭源大模型还没有一骑绝尘的优势。

Al数智源根据Similarweb数据统计出，无论是6月第四周访问量，还是近28天访问量，天工AI搜索 昆仑万维 开源 Kimi 月之暗面 闭源 文心一言 百度 闭源。

应用——衡量“超级”不看DAU

首先，大佬们的共识是，注意力要放在应用层。

李彦宏迸发了金句“没有应用，光有基础模型，不管是开源还是闭源都一文不值。”他呼吁，业界应将关注点从模型本身转移到应用上，关注如何通过大模型开发出满足市场需求的AI应用。

商汤科技董事长兼CEO徐立：应用是决定人工智能超级时刻的一个关键。

“我的中学的退休的老师不停地在群里问我，怎么用人工智能去写文案、生成祝福的图片，发到他的退休群里等等。我突然想到，其实超级时刻和应用是互相成就的。只有超级时刻带来的认知变化，最后才能推动应用。倒推回来，如果我们有应用作支撑，那么我们现在这个时刻就是超级时刻。所以，应用是超级时刻的关键。”

华为常务董事、华为云CEO张平安：要敢于开放行业场景，让人工智能在行业应用上领先。

“我们不能把AI基础设施依赖于是不是有最先进支撑的AI芯片，如果没有，我们就没办法在AI上领先，这个观点必须要摒弃掉。”

其次，超级应用长什么样？大佬们的共识：至少不长ChatBot样。

李彦宏称，要避免掉入“超级应用陷阱”。

即，移动时代的逻辑是一个DAU 10亿的APP叫成功；但在AI 时代，“超级能干”的应用比只看DAU的“超级应用”更重要。只要对产业、对应用场景能产生大的增益，整体的价值就比移动互联网要大的多。

该说法也有道理。比如，在一众ChatBot应用中，似乎只跑出了ChatGPT，其成功是基于领先的GPT系列大模型。其他数据非常美好的Pi和Character AI，一个已经被微软生吞活剥，另一个被爆资金断裂，计划卖身谷歌和 Meta。显然，实现商业化是成为“超级应用”前必须解决的问题。

在BI近期采访中，Foundation Capital的Moore表示，不是每个产品都需要ChatBot，自己早已疲于应付拿着通用用例找投资的创企。创始人要先关注能解决的问题，然后再选择相应的技术。

那么，超级应用的轮廓该如何勾勒？

李彦宏非常看好智能体AI Agent。“在大模型的加持下，只要用人话把工作流说清楚，再配以专有知识库，即可做出一个很有价值的智能体，比互联网时代制作一个网页还简单。”——医疗、教育、金融、制造、交通、农业等各行业领域，未来都会依据自己的场景和特有经验、规则、数据等，做出各种智能体，将会出现数百万量级的智能体，形成庞大生态。

商汤科技董事长兼CEO徐立：像 GPT 带来的聊天式的应用，Sora 带来的视频应用，但它还没有到超级时刻，是因为没有真正走进到一个行业垂直应用当中、引起广泛的变化。他补充道，超级时刻和应用是互相成就的，只有超级时刻带来认知的变化，最后才能推动超级应用。

MiniMax 创始人兼CEO 闫俊杰的观点是：杀手应用至少要在三年之后。

“在 AI时代最大的应用，我觉得还是挺有机会的，但是当前 APP 肯定还没那么大。我觉得可能要3年后可能才会有大众化的东西，但没关系，当你能做到第一个，然后你的能力变强、资源变多、技术能力变好，有可能大概就可以做。同时，这个东西就一步步来，然后我认为Killer App至少三年之后。”

智谱 AI CEO 张鹏对“三年期限”有不同的看法。

“也许明天就有，这个事情需要综合考量不同因素，一个是技术本身的成熟度，第二个是市场和用户本身是否准备好。第三个是需求的发掘，然后甚至还加上有一点点运气，变量太多，很难用我的大脑这么简单的一个神经网络去预测这种事情。”

他认为：Google从成为世界第一的搜索引擎，到探索出成功的商业落地的路径，花了6 年。Meta，原来的 Facebook，同样也花了6年。这件事就像我们小时候玩打砖块的游戏，你想要瞄准缝隙，很精准地打到一个缝隙里。这件事情首先得找到缝隙在哪儿？路径在哪儿？很多事情要前赴后继地去探索，这个过程就很重要，不要只看到最终的结果，更重要的是我们采取行动，这才是目前大家更应该关注的事情。

不过，张鹏也给出了自己对“缝隙”的认知：一个很重要的点是去突破大模型的多模态。

“为什么要多模态？是因为真正的人在现实世界中解决问题的时候，他需要的、输入的信息本身就是多模态的。比如说我们希望它帮助我们去扫地、做饭、洗衣服。其实这些任务，你不要小看这些任务，它所需要输入的信息是非常多模态的，所以这些方面能力的突破会带来 AI 的普惠，AI 更大的这种可能性。”

第三，机会在大厂，还是在于创业者？

大厂派：中国工程院院士、阿里云创始人王坚

观点：人工智能对大公司更友好，草根创业变得很难。

王坚认为，互联网具有草根性、对资源的依赖少，但是人工智能对资源具有很强的依赖性——大量的数据、计算能力和专业知识，这些往往需要昂贵的投入和长期的积累。这种资源密集型的特点使得AI对大公司更为友好，而草根创业者则面临更大的困难。面对AI，小企业跟大企业的差别是，大企业一定会觉得AI是工具的革命，小企业一定会觉得这是革命的工具。而如果大公司也有“革命的工具”意识，那么划时代的影响就来了。

“以苹果公司举例，苹果是拿AI去服务C端的客户，在我看来事实上是人工智能技术重新重构了苹果这家公司。只要是一个新的技术，一定会有新的大公司出现，没有新的大公司出现，它是不是一个颠覆性的技术要打一个问号的，这是第一个逻辑，同时也一定会有大公司是烈火重生的。”

“不好说”派：著名风投NFX

观点：谁的赢面更大取决于定位哪些市场采用何种策略。

大厂优势——资金、人才，可以复制创企产品，利用现有分销网络推广产品；

大厂劣势——大企业病，抵触变革，龟速创新。

创企优势——速度，但几乎只有速度，几个创始人组成一个小团队，迅速决策并推出产品；

创企劣势——缺钱，一般也没有稳定的客户群体。

NFX提出了AI同时具备“颠覆性创新”和“持续性创新”的特点，实际上分别对应王坚所说的“革命的工具”和“工具的革命”。

“颠覆性创新”有利于初创企业，灵活且愿意承担风险，能够创造出全新的市场和服务，例如Uber颠覆了原有的出租车企业；ChatGPT可能颠覆搜索市场；

“持续性创新”，有利于现有企业，更容易锁定市场，聚焦于改进、加速或完善已有的市场和服务，例如Facebook用AI广告定位，Google用AI优化搜索引擎等等。

对于创业者而言，需要思考在自己所瞄准的行业中，AI带来的主要影响是颠覆性or持续性？以及，你的产品和市场更适合颠覆性创新，还是持续性创新？

如果是前者，你就必须提供真正，具有颠覆性的价值主张，开辟新的市场，破坏现有的商业模式，或创造全新的、难以想象的体验，就像 Uber和Lyft。

需要做到：1、在“龟速”行业中开展业务，不要选“营销”这类易攻难守的；2、比旧方案好100倍；3、发挥速度优势，在率先获得重要专有数据的市场开展业务，包括寻找非结构化数据的脉络；4、用AI创造全新用户体验，不要让用户体验“味如嚼蜡”。

如果是后者，在有限的条件下，创企必须调整你的产品、信息和商业模式，与现有巨头并驾齐驱。例如，一些行业在引入AI后，规模也会无限扩大，催生出一些利基市场。而这些利基市场要么是现有企业无法提供的，要么是现有企业没意识到的。预测AI催生的利基市场并利用，就是初创企业的制胜之地。关键在于，认清自己所处的行业是否将经历变革，对变革内容有清晰认知。这些行业通常会围绕流程而建，核心产出保持不变，但流程可以有无限变种从而为你开辟新的利基市场。

对于国内AI创业者而言，磕应用几乎是唯一选项。所以，比起听一耳朵“唱衰论”，不如想想如何在通用大模型的底座之上，利用自身行业资源，找场景，接地气。可以预见，在众多细分赛道上，或许不是大厂和创企竞争，而是创企之间百舸争流，而这势必又会拉起争分夺秒的比赛。

本文来源：腾讯科技