这两天大概是我们见证AI大发展的时刻。

当地时间3月17日，北京时间18日凌晨，马斯克旗下xAI公司宣布正式开源其大模型Grok-1。该模型引人关注的有两点：一是参数达到3140亿，远超OpenAI GPT-3.5的1750亿，是迄今参数量最大的开源大语言模型；二则它是一个混合专家大模型，简单来说，就像把各个领域的“专家”集合到了一起，遇到任务派发给不同领域的专家，最后汇总结论，提升效率。

就在这一新闻产生的“硝烟”还未散去，有媒体爆料，OpenAI的CEO奥特曼首次公开表示，GPT-5将实现史诗级性能跃升。而在硬件方面，英伟达再次推出“超级芯片”——Blackwell B200 GPU和GB200；B200一块能顶5个H100，30倍推理加速，能训练万亿参数大模型。

今年，我们或将见证AI又一历史性升级。

“爱讽刺”的大模型&“碾压”的大模型

先从马斯克的Grok-1说起。

在国内外形形色色的大模型中，Grok跟马斯克本人一样，自带流量。去年3月，马斯克注册成立xAI。团队12名初创人员来自DeepMind、OpenAI、谷歌研究院、微软研究院、特斯拉、多伦多大学等，据悉曾参与过DeepMind的Alpha　Code和OpenAI的GPT-3.5和GPT-4等项目。所以，一开始大家都相信它是冲着GPT去的。

成立公司半年多，xAI就发布了Grok。业内评价集中在两点：只训练了两个月，部分能力就超越GPT3.5；以及，不知是有意还是无意的，这是一个善于讽刺的聊天机器人。

讽刺的特征很符合马斯克的做派。这位OpenAI创始人之一，就多次公开讽刺OpenAI公司一点都不“open”，没有开源大模型，前不久还因此一纸诉状将OpenAI告上法庭；然后在吊足了各方胃口后，开源了自己的大模型——不过是Grok-1，不是最新版的Grok-1.5。熟悉行业情况的读者知道，大模型差半代，也会差很远。

不知是否真的因为马斯克发布“挑战书”，OpenAI“迎战”了：有媒体报道，奥特曼在硅谷出席一个活动时现场表示，GPT-5的性能提升的程度将超出预期，甚至还表示，低估GPT-5能力的初创公司将被下一代模型所碾压。

对于Grok-1的开源，国内业内人士比较“看淡”。记者采访了几位大厂的大模型专家，有的表示要先测试下再说；有的说尝试其他大模型并不是自己的主业；也有的表示了肯定，觉得对大模型发展整体生态建设、生态多元化有一定促进作用，“多个方向总是好的”。

相比下，GPT-5的关注度明显更高。

“GPT-5可能将在多个方面带来创新和改进，比如包括更好的理解和生成语言的能力、更广泛的知识覆盖、更高效的学习算法、更强的逻辑推理能力以及更低的误解率等。”同济大学电子与信息工程学院吴迪博士说，每次GPT系列模型的升级，OpenAI都在力求突破现有的限制，包括提高模型的泛化能力、减少偏差和误导信息的生成，以及提升交互的自然性和用户体验。史诗级的性能跃升可能还会包括改进的安全性和可靠性，以确保AI技术的负责任使用，并减少潜在的负面影响。

开源或闭源都不简单

“企业选择开源或闭源，并没有大家想象中这么简单。”浙江大数据交易中心总经理孔俊告诉记者。一般而言，企业开源要有足够的技术自信，门槛还是蛮高的，比如阿里通义千问大模型在IDC的“AI大模型技术能力评估测试”中获得了6项满分。

选择开源，有打造生态、获取数据等多方面考量。有专家表示，开源其实并不一定意味着做公益，也有商业化的考量，可能其商业利益比较长远，而现阶段需要拓展生态、扩大影响力。

据研究机构观察，相关大模型厂商在开源还是闭源选择上十分灵活：目前，完全闭源的国外有OpenAI的GPT-3.5、GPT-4，国内有百度的文心大模型；先闭源再开源，有阿里云的通义千问；也有先开源再闭源，比如百川智能的Baichuan-7B、Baichuan-13B。

“大模型三要素，数据、算力、算法。开源可能因为数据不够，就以开放合作的模式，邀请有数据的各方面进来尝试。”孔俊说，这也是数据使用的一种方式，或对国内推进数据要素市场化有一定参考价值。

当地时间本周一，英伟达召开年度开发者大会，黄仁勋公布了新一代GPU架构Blackwell，支持构建实时生成式AI。有业内人士分析，英伟达的新架构离不开开源的支持。2022年5月，在挨了开发者们十年骂后，英伟达终于推动GPU计算的开源化，吸引了大量研发人员参与创新，PyTorch、TensorFlow等被广泛使用的深度学习框与英伟达GPU深度绑定，这也为英伟达自家GPU产品积累了大量优化经验。

更重要的是，这种良性的生态互动建立起来后，市场也随之打开。据悉，目前英伟达的高端GPU已占据全球88%的市场份额，市值约为2.2万亿美元，仅次于微软和苹果。

“大模型开源会成为一种趋势，并形成基础版本开源、高阶版本闭源的格局。”浙江大学软件学院教授、复杂系统与数据工程研究所副所长张微向记者科普道，开源可以理解为是一名高中生，具备一定基础知识，有很强的拓展空间，然后进入闭源的大学学习阶段，选择文、理、医等具体方向，也就是场景细分化、专业化。

综合现阶段国内外发展趋势，张微建议，一方面算力、算法、数据等基础建设确实很重要，另一方面，我国产业门类、产业链比较齐全，制造业相对发达，这也是一大优势；国内大模型厂商和初创公司，当下的方向可以放在细分领域上，争取在行业上领先。

基础、基础还是基础

面对这次AI软硬件“史诗级升级”，相关人士还是再次强调了基础的重要性。

在张微看来，尽管现在大模型“百舸争流”，但随着产业发展，真正基础性的通用大模型最后不会留下太多，就像当年共享单车的市场竞争过程一样。而这也对特别是大公司打造通用性大模型提出了更高要求。

“从整个产业发展来看，还是要从基础抓起。”吴迪说，一方面，开源的大模型并不是说简单拿来用，也要学习其逻辑架构，要不然只能一直跟在别人身后；另一方面，即使是开源大模型，其核心部分并不一定百分之百开源，尤其是最新版本的大模型，马斯克的xAI如此，OpenAI也是如此；就像中国网友评价特斯拉的开源“已经落后”，一个道理。

相比下，吴迪更觉得国内大模型在产学研结合方面力度还可以进一步增加，“高校有技术，但硬件条件相对不足。大模型对硬件配置要求很高，往往需要硬件集群，这可能是企业的优势。而说得更远一点，目前全世界的大模型，本质上都是统计概率模型。这就离不开对数学基础的重视。”

孔俊也强调了对政府、高校、企业合作的重视，“数据、算力、算法确一不可。目前政府部门正在努力加大高质量数据供给、培育国产算力，鼓励高校企业加快算法研究。”

目前，我国在算力方面尽管顶级芯片相对缺乏，但总量及增量发展迅速。去年11月，工信部公布的一组数据显示，近年来，我国算力产业年增长率近30%，算力总规模位居全球第二。截至去年底，我国算力核心产业规模达到1.8万亿元。

当然，算力有了也得用起来，就涉及到国产算力好不好用的问题。此前也有业内人士指出，我们的算力存在一方面花了很多钱但不好用、一方面算力又短缺的“怪圈”。压力给到国内自主研发的算力芯片。

除了上述产业基础，不少业内人士也提到了一些制度基础，比如法律。

当地时间13日，欧洲议会正式投票通过并批准《人工智能法案》，以严格规范人工智能的使用。

3月16日上午，在北京举办的首届“AI善治论坛”发布《人工智能法（学者建议稿）》。起草专家组由中国政法大学数据法治研究院、西北政法大学法治学院、中国信息通信研究院等七家单位的专家组成。

“随着技术进步，持续关注和评估AI技术的社会、伦理和安全影响是非常重要的。AI领域的快速发展需要伴随着相应的政策、指导原则和监管措施，以确保这些先进技术能够为社会带来积极的影响，并有效管理潜在的风险。”吴迪说，这方面，中国因为大数据、人工智能当产业起步比较早，对个人数据隐私保护关注度更高；而法制的完善，将进一步推动人工智能产业的发展。