AI的闭源与开源模式，对算力需求有着本质的差别

众所周知，中美在AI大模型的发展路径上，早早的就分道扬镳了。中国走开源大模型之路，美国则侧重于闭源大模型之路。两者截然不容。

但是，公众对于开源与闭源的本质区别，实际上可能并不真的了解。如果仅仅知道，开源是免费；闭源是收费；那么对两者的差别，实际上几乎没什么了解。

那么，开源与闭源，最大的区别是什么呢？

有个比较接近的比方，可以将两者的区别简化说明：

开源是汽车；闭源是火车。

抛开收费和免费之说，开源与闭源最大的区别，就类似于汽车与火车的差别。

先说闭源模型。闭源就像是火车，体积大，运力足，如果你想使用它，唯一的途径就是买张票上车（收费），或者是花钱租用。火车可以快速准确地为你服务，而且运输能力很强大，哪怕你是个煤老板，成百上千吨的煤也能运走。但是，火车也有个缺点，那就是没法人人拥有。它只能在固定线路上运行，无法照顾到很多千差万别的客户需要。

这就是闭源大模型的特点。算力强大，性能优异，可以同时满足成千上万人的需要。但是，它的缺点也很明显。它不属于你，你只能花钱租用；它也不会为你做出针对性的改进。对于每一个客户而言，开源大模型永远只是你前进道路上的一个外来的工具，你与它之间，就是甲方乙方关系。

再说开源大模型。开源就类似于汽车。汽车最大的优点是什么？它可以属于你个人。它可以开到你家门口。你可以根据自己的财力、需求和审美，购买并改装自己的汽车。汽车的运力无法与火车相比，但火车不能开到家门口，汽车可以。火车无法变成你自己的，汽车可以。火车不能为你保守任何秘密，汽车可以。

这些汽车的优点，也是开源大模型的优点。这是除了免费之外，闭源大模型的真正有点。免费反而不是。

与闭源相比，开源大模型最终的用途，并不是为散户提供免费的在线服务……完全不是。开源大模型的实际用途，是让客户在本地搭建一套完整的、私有的，属于客户自己的定制化大模型。这个过程，就相当于你把一辆汽车买回家。这才是开源大模型的绝对优势所在。

为什么要搭建自己的私有大模型？因为保密和调优的需要。

想象一下，你在一个生物医药的研发团队里，你们正在研发一个很有前途的癌症新药；你们已经确定了一个靶点范围，正在筛选大量的结合蛋白。这个过程繁琐且艰辛，所以你们决定引入AI大模型，帮助你们从浩如烟海的蛋白质选型中进行初选，提高研发效率。这时，你会选择闭源大模型还是开源大模型？

百分之百是开源大模型。因为如果你用openAI这类闭源模型，会面临两个致命的风险：其一，是你们的研究成果，对于闭源大模型而言，完全是透明的；你根本不知道openAI的那一端会怎样处置你们的研发数据。很可能你们的研究成果，就被openAI进行了信息分类和摘要，提交给后台的数据处理中心去分析识别……如果它发现了信息的价值，呵呵，你们的研究成果就可能被转卖给需要的人。你无法确定是不是会发生这样的事，但是从风险规避的角度来考虑，你一旦使用闭源大模型，你就是在他们面前裸奔。其次，闭源大模型不一定适合你的研究项目，因为你无法训练和调整它，它本来啥样，就是啥样，你可以用，用的不顺手，你也没辙。这里的风险就是，你可能花了大量金钱和时间，最后发现它不适合干你们的项目。这个坑，没人替你填。

但是换到开源大模型，这种风险就没了。你可以采购硬件，在你的实验室里搭建自己的开源大模型，比如DeepSeek或者Qwen, 根据自己的财力，搭建不同参数配置的本地版本，如果很有钱，你甚至可以搭建一套全参数的DeepSeek，完全可以。但如果经费紧张，你也可以降低参数，够用即可。更关键的是，本地模型可以自己调优，自己训练，也就是让它适应你的数据类型、加工规则、推理方式等等，经过本地化的调优之后，这个模型就是你自己定制的了，它可能会用着更趁手更高效。如果你不满意，你可以反复重复这个过程，直到你满意为止。

最终，你得到的本地私有化的开源大模型，具有百分之百的安全性和隐私性，还有最适合你的针对性。这就是开源大模型落地使用的最终归宿。它可以进入任何需要的企业和单位，与任何需要的工作相结合，变成工业、社会以及经济运行里的AI“汽车”，去满足千差万别的不同需要。

明白了开源大模型的主要使用方式，再让我们回到关于算力争夺的那个话题。

闭源大模型如果要发展，就必须走堆算力的路径，不然它就失去进化能力了。

但是，开源大模型不必如此。DeepSeek并不需要玩命堆算力，因为DeepSeek根本不专注于为所有客户提供在线服务（它的官网就是个摆设），这就不是它最终的发展模式。所以，DeepSeek会在训练过程中适当的堆算力，但到了推理应用时，就放弃堆算力了。因为DeepSeek是汽车模式，它在研发新车时会大量投入资金，但车研发结束了，开始量产了，还堆资金干嘛呢？用户自己拿走代码，回家自己堆自己的算力去即可。

这就是中国AI与美国AI在算力需求的背后，所存在的巨大差异。OpenAI必须依靠海量的投入，把自己堆成一个算力巨无霸，这样才能与其它闭源模型，甚至是其它开源模型表现出明显可见的评测优势，虽然这些优势挺有限，但它不得不维持这个优势。完全没办法。你想象一下，如果火车在运力方面还输给了汽车，那么火车还怎么生存呢？

所以，如果我们拉长周期去预测，美国的AI模式，会在堆算力这件事上，很快就难以为继，堆不下去的。因为太烧钱了，没有可持续性。

其实美国人是在赌一件事，就是他们觉得，只要一直堆下去，算力一直增加，说不定就会在某个时刻，机器AI出现觉醒，变成一个无所不知的超级智能体。

这是可能的吧？也许吧。但这个可能性，也真的很微小很微小。