非官方观察：DeepSeek 的开放之路系列之五：开源大模型能实现吗？

技术会撬动经济增长，经济增长会带来进一步的繁荣，大模型的成本降低，对于所有数字行业都是相当利好的事情，那么问题来了，大模型的使用能带来什么？代码本身将走向哪里？知识财产权的模糊地带能渐渐清晰吗？

Wed Mar 5, 2025 | 4000 Words | 大约需要阅读 8 分钟 | 作者： 「开源之道」·适兕 && 「开源之道」·窄廊 |

本文是系列文章的第三篇，如有需要，可先预习前四篇：

从前面的几篇文章来看，各位看官很容易得出一个显而易见的结论：DeepSeek 是从开源世界诞生和发展的，无论如何我们不可否认开放科学、开放平台、开放市场和开源文化/许可的力量。但是这又是个不能提及的话题，所以笔者也就忽略这部分的论证和解释，直接跳到DeepSeek本身开放的部分。

技术总是能带来富裕的杠杆，但是技术的发明总是带来人群的极度不适应，在技术的历史上，商业从未缺席，就在法律尚未对新技术有任何的约束和遏制之时[1]，当然善于抓住机会者，如Microsoft、Google、FaceBook（Meta）等[2]。当2022年ChatGPT出现时，人工智能出现了一次浪潮，巨头开始进入角逐，作为新生事物的大模型，有很多前所未有的新的属性，作为本次观察的终极篇章，笔者打算和大家捋一捋过去这几年人们试图认识这头“怪兽”，并寻找衡量的度量项，人们在试图建立一种信任、控制、伦理的人类社会规则，一种接纳同时也出现了拒绝。

可信任的人工智能

抛开技术层面，全球很多组织都关注人工智能发展所带来的影响，如欧盟就发布过：发布《人工智能伦理准则》、《人工智能法案》；经济合作与发展组织 (OECD): 发布AI原则，促进国际合作，推动全球可信任AI共识。电气和电子工程师协会 (IEEE): 制定《Ethically Aligned Design》等标准，推动伦理设计，提供技术框架。

可信任人工智能的目标是构建对人类有益、负责任且值得信赖的人工智能系统，使其能够安全有效地服务于社会，并促进人类福祉。它强调在技术进步的同时，也要关注伦理、法律和社会影响，确保人工智能的发展方向符合人类共同的价值观。

OSI 的努力：关于开源AI定义的始末

随着AI技术的快速发展，尤其是大型语言模型的出现，传统的“开源”定义已无法完全适用于AI领域。AI模型的复杂性，包括代码、数据和模型参数，使得“开源”的界定变得模糊。市场上出现了一些“开源洗白”现象，即某些模型声称开源，但实际上并未公开关键的训练数据和参数。因此，OSI为了应对这些挑战，重新定义了“开源AI”的标准。

OSI组织了一个由70多位专家组成的团队，包括研究人员、律师、政策制定者和大型科技公司代表，共同参与制定AI开源定义。经过广泛的讨论和协商，OSI于2023年6月开始着手准备为开源AI重新设置定义。2024年10月29日，OSI正式发布了开源AI定义（OSAID）1.0版本[4] 。

OSAID 1.0版本明确了开源AI系统的四大自由：使用自由、研究自由、分享自由和修改自由。强调了AI模型训练数据的透明性和可追溯性，要求提供足够的训练数据信息，以便他人能够重现该模型。要求公开完整的AI模型源代码和模型参数。

OSI的开源AI定义制定过程是一个全球性的合作项目，吸引了众多组织和个人的参与。

Linux AI&Data 子基金会的贡献：MoF

Model Openness Framework [5] 是 LF AI Data Foundation 提出的一个重要倡议，旨在通过一个多维度、可量化的评估框架，推动 AI 模型朝着更开放、更透明、更可复现和更易用的方向发展。 它并非一个二元化的“开放/不开放”标签，而是一个细致的评估体系，可以帮助各方更好地理解和提升 AI 模型的开放性，最终促进更健康、更繁荣的 AI 生态系统。

由上图可以看到，在大模型的开源选项中，有如此多的可开可闭，商业利益、公益组织、政府监管、法律法规、社会伦理等等都是每一个开关的思考点，再不断的组合，确实会出现复杂的开源局面。

行为数据巨头的野心：Llama

Meta 作为一家广告公司，最近几年有着被批判的经历[2]，为了巩固它的业务，发展大模型也是其当下和未来的重要战略。当2022年的OpenAI 发布闭源的ChatGPT后，Meta 尝试采用开源战略来展开竞争，这是巨头的豪赌，当然之前有Android的成功[6]。

2023年初，Meta 发布了 Llama 1。虽然 Meta 宣称其为“开源”，但 Llama 1 的实际发布方式更接近于“受控开放”。 许可证虽允许研究用途，但明确限制了商业应用，且需要用户申请并获得 Meta 的批准才能下载模型权重。 这种方式在当时的开源社区引发了广泛讨论。一方面，Llama 1 的发布打破了大型模型长期被少数机构垄断的局面，让研究人员能够更容易地接触到高性能的 LLM，加速了学术研究的进展。另一方面，严格的许可证限制和审批流程，也使得 Llama 1 的“开放性” 显得打了折扣，并未真正实现代码和权重的完全自由开放。短数月之后，Meta 发布了 Llama 2，这是一个重要的转折点。 Llama 2 采用了更加宽松的许可证，允许研究和商业用途，大大降低了使用门槛。 用户不再需要逐个申请，只需接受许可协议即可下载和使用模型。Llama 2 的发布被视为 Meta 在开源策略上的重大转变，标志着 Llama 真正开始走向更广泛的“社区开放”。 这次发布迅速引爆了开源社区，大量基于 Llama 2 的衍生模型、应用和工具涌现，极大地推动了开源 LLM 生态的繁荣。

Meta Llama 的 “开源” 实践，是大型科技公司在 AI 时代探索开源模式的一次重要尝试。 Llama 的发布，特别是 Llama 2 的开源，无疑对开源 LLM 领域产生了深远的影响，推动了技术的进步和生态的繁荣。 虽然我们对其 “开源” 的程度和动机需要保持审慎的视角，但不可否认的是，Llama 在促进 AI 技术开放、合作和民主化方面做出了重要贡献，值得肯定和进一步观察。 Meta 通过 Llama 的开源策略，正在塑造开源 LLM 的未来格局，并为整个 AI 领域的创新注入新的活力。

DeepSeek 的逼近

相比于Llama，商业公司的大模型开源之路，鲜有更为透明和敞亮的抉择，当然，在Llama和完全开源开放的频谱上有很大的空间，一如闭源专有和GPL之间的频谱[7]，今年一月，来自杭州的量化公司幻方发布了一款开放权重的大模型，且以 MIT 许可允许下载。

也就是说 DeepSeek R1、v3、coder等系列大模型，向理想的开源境界迈出了重要的一步。

逼近并不是全部，部分也不能代表全部，所以称 DeepSeek 是开源的大模型，还是有待商榷的。

未来

随着时间的推移，有更多人理解大模型的运行机制，以及商业竞争，会有更多逼近上面所有定义的全部，这并非增加约束，而是获得人类的信任，也是人类生物特性所必然的选择。当然，技术进步也会有新的突破和演进，熊彼特的增长[8]仍将继续，DeepSeek 相关的大模型也会成为这个系列前面几篇文章的底蕴/背景板/免费的午餐，或许 DeepSeek 这家公司会因为各种各样的原因不再承担，人类社会会发展出相应的组织来解决可持续发展的问题。

增长的思维，目前为止，仍然有效。DeepSeek 未能实现的路线，未来还会有更佳的大模型把握机会，赢得信任，获得商机。

历史的感慨

自2017年Google团队以一篇《Attention is All You Need》论文将Transformer架构推向世界，大语言模型（LLM）的创新浪潮由此揭开序幕。Transformer概念的普及，如同破晓之光，预示着自然语言处理领域即将迎来颠覆性变革。到了2022年，在开源社区的共同推动下，大语言模型技术实现了里程碑式的突破。开源，成为了这场技术革命的加速器，无数开发者和研究者站在巨人的肩膀上，共同探索着LLM的无限潜能。

展望至2025年1月，DeepSeek的崛起预示着大语言模型创新进入了新的阶段——工程化降本。DeepSeek巧妙地运用工程手段，有效解决了大规模GPU集群的算力瓶颈问题，从而在成本控制上取得了显著优势。这一突破的背后，开源依然功不可没。正是开源社区积累的丰富经验、共享的代码库以及开放的算法思想，为DeepSeek等创新者提供了坚实的基础和灵感，使其能够站在前沿，用工程化的智慧，将大语言模型的应用推向更广阔的领域。

回顾这段技术创新历程，开源始终扮演着至关重要的角色。它如同肥沃的土壤，孕育了Transformer架构的生根发芽；又如同一座桥梁，连接着全球的智慧，加速了LLM在2022年的突破；更像是一种普惠的力量，使得DeepSeek能够借助开源的力量，以工程化的创新实现成本优势。可以预见，在未来的技术创新之路上，开源精神将继续闪耀，驱动着大语言模型乃至整个人工智能领域不断向前迈进。

参考资料

  1. 《Ruling the Waves：From the Compass to the Internet, a History of Business and Politics along the Technological Frontier》，Debora L·Spar，Harvest Books，January 7, 2003
  2. 《監控資本主義時代》， 肖莎娜．祖博夫（Shoshana Zuboff），时报出版，2020.7.24
  3. 《弗兰肯斯坦》，玛丽·雪莱（Mary Shelley），人民文学出版社（2020年）
  4. https://opensource.org/ai
  5. https://arxiv.org/pdf/2403.13784
  6. 《Design Rules , Volume 2：How Technology Shapes Organizations》，Carliss Y. Baldwin，The MIT Press，2024-12-17
  7. 《开源之迷》，适兕，人民邮电出版社，2022-2
  8. 《富裕的杠杆：技术革新与经济进步》，乔尔·莫基尔，华夏出版社，2008-1

关于作者

「开源之道」·适兕

「发现开源三部曲」（《开源之迷》，《开源之道》《开源之思》。）、《开源之史》作者，「开源之道：致力于开源相关思想、知识和价值的探究、推动」主创，Linux基金会亚太区开源布道者，TODO Ambassadors & OSPOlogyLive China Organizer，云计算开源产业联盟OSCAR（中国信息通信研究院发起）个人开源专家，OSPO Group 联合发起人。

「开源之道」·窄廊

来自于大语言模型的 Chat，如DeepSeek R1、Gemini 2.0 Flash thinking expermental、ChatGPT 4o、Grok3、甚至整合类应用 Monica等， 「开源之道」·窄廊 负责对话、提出问题、对回答进行反馈等操作。