书 · AI 与开源运动

从 TensorFlow 的发布到 LLaMA 的泄露，开源改变了 AI 的权力格局——它既是技术民主化的力量，也是地缘政治的武器。

待完善

本章节尚待撰写，欢迎参与贡献。

一、学术开源时代（2010-2015）

• Theano（2010，蒙特利尔）：第一个广泛使用的深度学习框架
• Caffe（2013，贾扬清，伯克利）：让 CNN 训练变得简单
• Torch（Lua 语言）：小众但影响深远，PyTorch 的前身
• 学术共享的传统：论文附代码，研究可复现

二、框架之战（2015-2020）

• TensorFlow（2015）：Google 开源深度学习框架，一夜之间成为行业标准
• PyTorch（2016）：Meta 的反击，动态图 vs 静态图之争
• 研究社区的选择：PyTorch 逐步取代 TensorFlow 成为学术主流
• 框架之战的启示：开发者体验比公司背景更重要
• 其他参与者：MXNet（Amazon）、PaddlePaddle（百度飞桨）、MindSpore（华为）

三、模型共享平台的崛起

• Hugging Face：从 NLP 工具库到"AI 界的 GitHub"
• Model Hub：预训练模型的开放市场
• Datasets、Spaces、Transformers 库：完整的开源 AI 生态
• arXiv + GitHub + Hugging Face：现代 AI 研究的三件套

四、LLaMA 事件与开源大模型运动（2023）

• LLaMA（2023.2）：Meta 发布，限制学术使用
• 泄露事件：模型权重在发布一周内流出，无法收回
• 泄露引爆的连锁反应：
  • Alpaca（斯坦福）：用 GPT-3.5 数据微调 LLaMA
  • Vicuna、WizardLM：社区微调百花齐放
• LLaMA 2（2023.7）：Meta 正式拥抱开源，商用许可
• LLaMA 3 / 3.1（2024）：性能逼近 GPT-4，开源模型首次进入第一梯队

五、全球开源大模型生态

美国

• Meta LLaMA 系列：开源旗手，扎克伯格将开源视为对抗 OpenAI 的战略武器
• Mistral（法国/美国）：小团队、高效率，证明不需要万亿参数也能做出好模型

中国

• 通义千问 Qwen（阿里）：中国最活跃的开源大模型，多尺寸、多模态全覆盖
• DeepSeek：2025 年初 R1 模型震动全球，以极低成本实现顶尖推理能力
  • DeepSeek-V2 的 MoE 架构创新
  • DeepSeek-R1 的强化学习训练范式
  • 对"Scaling Law 唯一论"的挑战
• 智谱 GLM（清华系）：ChatGLM 系列，中国学术界最广泛使用的开源模型
• 月之暗面 Moonshot / Kimi：开源 Moonlight（MoE 模型），以长上下文能力著称
• MiniMax：开源 MiniMax-01 系列，主打多模态和语音交互
• 百川智能：王小川创立，开源 Baichuan 系列
• 零一万物 01.AI：李开复创立，Yi 系列开源模型
• 中国开源生态的特点：政策鼓励、互联网大厂 + 创业公司双轮驱动、开源密度全球最高

其他地区

• Falcon（阿联酋）：中东的 AI 雄心
• Stability AI：Stable Diffusion 背后的公司

六、开源 vs 闭源之争

• 核心辩论：开放权重是否会导致安全风险？
• 扎克伯格的立场："开源是默认选项"
• 奥特曼的立场："最前沿的模型不应该开源"
• Anthropic 的中间路线：发表研究但不开源模型权重
• 辛顿的警告：开源最强模型可能无法收回

七、许可证之争

• 什么算"真开源"？OSI（Open Source Initiative）的定义之争
• LLaMA 许可证：可商用但有限制，算不算开源？
• "开放洗白"（Open Washing）：公司声称开源但附加大量限制
• 开源 AI 的商业模式：如果模型免费，靠什么赚钱？

八、开源作为地缘策略

• 美国视角：用开源建立全球技术标准，压制竞争对手自建生态
• 中国视角：开源降低了追赶成本，但也带来对美国技术栈的依赖
• 芯片禁令的影响：硬件受限时，软件开源变得更重要还是更危险？
• 未来：开源 AI 会成为"公共基础设施"还是"军备竞赛的武器"？

参考资料

待补充