业内人士:开源大模型成本反而更高,企业应用需算总账
Meta最近开源的大模型Llama 3在市场上遭遇冷遇,特别是在亚马逊AWS平台上,它未能引起企业客户的足够兴趣,这些客户更偏爱Anthropic的闭源模型Claude。与此同时,微软内部也显示,Llama并不是其销售的首选,仅推荐给具有强大数据处理能力的公司。这一情况对Meta构成了挑战,可能会促使Meta建立自己的AI产品销售团队,以更好地满足企业需求。这一系列事件凸显了开源大模型在商业化进程中所面临的难题,暗示开源模型在实际效果和商业回报上可能未达到企业的预期。
针对“开源与闭源”的讨论,百度智能云AI与大模型平台的总经理忻舟接受了访问,深入探讨了两者之间的基本差异、商业策略及市场前景。忻舟指出,大模型的开源与传统软件开源有着本质不同,因为关键的训练源代码、预训练数据等并未公开,使得社区开发者无法直接参与提升模型性能,这与开源软件的集体改进模式相异。他还强调,尽管开源模型看似免费,但在实际应用中,为了达到闭源模型的效果,企业往往需要投入更多的人力、财力和时间,因此综合成本可能更高。开源模型更适宜于学术研究,而闭源模型则在大型商业项目中占主导地位,尤其是在那些需要高额投资的严肃项目中。
忻舟进一步解释,开源模型在技术进步方面存在局限,因为缺乏持续迭代的良性商业模式支持,无法像闭源模型那样持续优化。此外,他分析了开源与闭源模型在硬件成本、业务收益、机会成本等方面的具体差异,指出闭源模型通过优化工具链和软硬件适配,能为客户节省成本并加速产品上市。
对于模型的选择,忻舟认为企业应当根据具体场景和需求来决定。虽然开源模型对某些初期验证和成本敏感型项目有吸引力,但在追求高精度和规模化应用时,闭源模型仍是更优选择。而对于试图同时推进开源和闭源模型的厂商,忻舟指出,这一策略在实践中面临着挑战,尤其是在公有云市场,闭源模型的调用量显著超过开源模型。
免责声明:本文章由会员“极目新闻”发布如果文章侵权,请联系我们处理,本站仅提供信息存储空间服务如因作品内容、版权和其他问题请于本站联系