WAIC|李彦宏再提开源模型并不合适大多应用场景，如何看待大模型开闭源之争？

​百度创始人兼CEO李彦宏在WAIC产业发展主论坛上的演讲节选：

2023年国内出现了百模大战，造成了社会资源的巨大浪费，尤其是算力的浪费。但是也使得我们追赶世界上最先进的基础模型的能力得到了建立。

去年10月，我宣布文心4.0发布的时候说，文心4.0的能力跟GPT4相比毫不逊色，好多的同行还不以为然，今天大家可以看到，国内已经有多款闭源模型声称它们已经追平或者是超越了GPT4的水平。

注意，我们说的是闭源大模型，不是开源大模型，这也是今年以来争议比较多的一个话题。有些外行甚至混淆了模型开源和代码开源这两个概念。

所谓模型开源，是拿到的只是一大堆参数，你还是要去做SFT（Supervised Fine-Tuning，监督微调），还是要去做安全对齐，你不知道这些参数是怎么来的，你是无法做到众人拾柴火焰高的。即使你拿到对应的源代码，你也不知道他用了多少数据，用了什么比例的数据去训练这些参数。所以拿到这些东西，并不能够让你站在巨人的肩膀上去迭代和开发。

所以，同样参数规模之下，闭源模型的能力就比开源模型要更好，而如果开源要想能力追平闭源，那么它就需要有更大的参数，这就意味着推理成本会更高，反应速度会更慢。

很多人拿开源模型来改款，以为这样可以更好的服务自己的个性化应用，殊不知，这样你就创造了一个孤本模型，既无法从基础模型持续升级当中获益，也没办法跟别人去共享算力。

当然，我也承认开源模型在某些场景下是有自身价值的。比如说一些学术研究，或者在教学领域，大家想要研究大模型的工作机制，形成理论，这个时候可能是有价值的，因为大家也经常听到，我们觉得大模型能力很强，但是不知道为什么能力强，因为背后没有理论来支持它，所以研究这个东西，用开源的我觉得没问题。

但是，大多数的应用场景，开源模型并不合适，当你处在一个激烈竞争的市场环境当中，你需要让自己的业务效率比同行更高，成本更低，这个时候商业化的闭源模型是最能打的。

当然，这些都不是最重要的，没有应用，光有基础模型，不管是开源还是闭源都一文不值。

所以，我从去年下半年开始讲，大家不要卷模型了，要去卷应用。但是我看到我们的媒体仍然把主要的关注点放在基础模型上，一天到晚就是跑分，刷榜，谁谁谁又超越GPT4了，openAI又出来sora了，又出来GPT4o了等等。今天这个震撼发布，明天那个史诗级更新，但是我要问，应用在哪里？谁从中获益了？