被冤枉的李开复，被“错付”的中国开源

出品 | 虎嗅科技组

作者 | 王一鹏

头图 | 视觉中国

就像过往所有的开源“套壳”事件一样，漩涡中心的主人公们，往往在开源社区和舆论的声讨下成为众矢之的，又在发布回应或道歉信后，快速被遗忘，不论结果与对错。

李开复和他的零一万物就是如此。11月6日，零一万物首次公布Yi-34B大模型，自豪地宣布Yi-34B“勇夺全球开源评测‘双料冠军’”。然而仅过了不到一周，在大模型开源社区的主阵地HuggingFace，就有开发者指出，Yi-34B完全使用了Meta开源的LLaMA架构，只修改了两个张量名，且在发布中，全程未提及LLaMA的存在。

由于李开复本人的“明星效应”，事件快速发酵，引爆了舆论。11月15日，零一万物发布回应，道歉并承诺把张量名字改回去，同时复盘了零一万物在大模型训练和代码层面所做的工作。

其实李开复是有点委屈的，因为零一万物似乎没做错什么。

一位律师向虎嗅表示，他和来自英美的律师团队，都就此事有过交流。各位律师从各自法域的视角出发进行分析，认为零一万物并未违反LLaMA的开源协议。

甚至在国外开源社区，也有不少专家为零一万物鸣不平。事件的源头人物，在HuggingFace社区披露此事的EricHartford在社区不断强调，他只是建议零一万物将修改的张量名改回去，并不带有其他指责，使用LLaMA架构没什么问题，模型训练才是一切。

X（Twitter）上也有人回应对零一万物抄袭的指责：荒唐，现在许多大模型都是基于LLaMA训练的。况且，事件发生一个月的时间里，Meta或LLaMA社区，自始至终未以官方身份与零一万物，就所谓的“套壳”问题进行交涉，某种程度上也代表了官方的态度。

截止到12月8日，Yi-34B在HuggingFace上已收获11万次下载，显然非常受欢迎。

图片内容来自 Hugging Face

但这些事实，与主流舆论声音无关。在与国内多位媒体人、开发者交流后，我们发现，几乎无人“站队”零一万物。一股萦绕不去的失望、不满，飘荡在零一万物及中国开源的上空。

一场社区争论，成了捅向零一万物的“刀”

JoséphusCheung是在零一万物“套壳”事件中，受到关注较多的一名开发者。在HuggingFace的社区，他和前文提到的EricHartford爆发了一场带着火药味的争论。

EricHartford称零一万物修改张量名就好，其他的没毛病。而JoséphusCheung则认为零一万物此举违反了LLaMA的开源协议，是个大问题。

双方的激辩因为Transformer核心贡献者、HuggingFace工程师ArthurZucker及其他开发者的介入而终结，大家回复JoséphusCheung道，LLaMA的开源协议主要限制了模型权重，而不是模型架构，所以零一万物的Yi-34B并未违反开源协议。

有趣的是，这场公开的争论传回国内时就变了味——大量的媒体、UGC内容单方面引用了JoséphusCheung的言论，称零一万物被开发者警告存在合规风险，而对反对派的声音及最终结论避而不谈。恐怕JoséphusCheung自己也不知道，他的发言已经成为一部分人声讨此事的间接证据。

造成此种问题的原因之一，是大模型技术本身的特殊性。有专家与虎嗅聊到，大模型有三大件：算法、数据和权重。

其中，算法以模型架构为载体呈现，也是零一万物饱受非议的焦点；数据则是大家讨论AIGC通常会聊到的数据集，相当于给AI提供的学习教材；权重是神经网络的基本概念，代表了两个处理单元之间的连接强度。通俗地来理解，“权重”就像一个员工给另一个员工发消息——有的是普通消息，有的是特别提醒，有的是“Ding”一下。而对于接收消息的员工而言，消息权重越高，影响越大。

这与过往的软件产品截然不同。曾几何时，代码等于一切，对应着大模型概念里的“模型架构”。对于大模型来说，架构只是“三大件”的其中之一。在Mamba架构面世未久，Transformer架构一统江湖的当下，甚至架构的重要性还不如数据和权重。而数据和权重属于工程性问题，对应着模型的训练。有知情人透露，OpenAI训练GPT-4时，可能有20个团队同时参与，是相当庞大的工程。

所以，Yi-34B使用LLaMA架构，远远谈不上“套壳”，这是大模型技术本身的特殊性决定的。

有大模型技术专家，对虎嗅就大模型的早期研发问题也做了进一步补充：“LLaMA，GPT都是基础大模型，基于Transformer架构训练，使用了不同的方法，有encode-decode结构的，也有像GPT类decodeonly的。所以从零开始的话，就是要基于像transformer这样的架构重新开发，并自己训练，各大厂商自研大模型都是如此的。还有一类就是基于现有的基础大模型，有ContinuePretrain，finetune等方法，进行再训练或者微调，基于LLaMA这样的开源架构，有很多团队在上面做工作。”

也就是说，基于LLaMA训练大模型，是国内大模型创业的主流形态，至于从零开始自研，有专家表示：“国内没有几家创业公司能做到这事儿，成本很高，算法要求很高，数据集要求很高，工作量很大，也很容易出错。”

另有行业内人士对虎嗅说道：“国内真正从零到一研发大模型的可能也就三家——百度、阿里、智谱。“

当然，上述所有真实情况，并未让零一万物在国内舆论层面得到同情或豁免，甚至也没有使其在技术社区获得更多支持。

一方面，零一万物发布大模型，却对LLaMA采取避而不谈的宣传策略——LLaMA的唯一一次出现，是在Yi-34B的竞品性能对比里，且数据指标被超越——难免让人觉得零一万物在道义上对LLaMA有所亏欠，在宣传上玩了一个小小的“心机”。

图片内容来自零一万物官方公众号

另一方面，国内的开源历史，实在谈不上阳春白雪，甚至可以说是饱受争议。一桩桩“套壳”公案，屡见不鲜，公众的忍耐度，就像充气过度的气球，处在爆发的边缘。今天对零一万物的所有质疑，其实都是在质疑那个外表光鲜的中国开源。

中国开源，积怨已久

就在今年8月24日，一款宣称是完全国产、自主研发的IDE开发工具上架了，结果被网友扒出是“换皮微软VSCode”，引发群嘲，两天后出品方致歉并将软件下架。

2021年，StartRocks和ApacheDoris发生纠纷。ApacheDoris本是由百度捐献给Apache基金会的数据库项目，StartRocks则是ApacheDoris的项目分支，原名叫DorisDB，鼎石纵横团队围绕DorisDB成立商业公司，在品牌方面构成侵权。据思否报道，ApacheDoris的项目导师、孵化器PMC都曾联系StartRocks进行劝阻，但被无视。一系列纠纷被曝光后，StartRocks引发众怒，不得已私下与ApacheDoris达成和解，息事宁人。

2020年，中科院计算所下属团队号称完全自主设计、开发和实现的编程语言“木兰”，被人发现套壳Python。相关负责人道歉，说“木兰”编程语言原本要用于中小学教育，是他自己夸大宣传了。

3C领域更是开源违规的重灾区，小米、一加、文石（电子书厂商），都曾成为社区的集中吐槽对象。中国开源的“违规史”，简直可以写成一本年鉴。

而开源本身带有国际属性，连带使中国优秀的开源人，在国际上遭受不同程度的非议和歧视。

一位国外网友曾在Reddit上抱怨道："这就是我不喜欢中国软件的原因，他们几乎总是不尊重许可证，并尽一切可能逃脱惩罚（Thisiswhyidon'tlikechinesesoftware.Almostawaystheydon'trespectlicensesanddowhatevertheycangetawaywith）"。

在很长一段时间里，中国的开源布道者们，都是带着少数优秀项目，与行业惯性和国际歧视“拔河”，时间一久，就会“苦中作乐”——某知名开源基金会布道师对虎嗅表示：“说心里话，现在挺好了，已经有很多进步了。如果是十年前，有人套壳开源软件，甚至不会引发任何讨论和报道，谁关心呢？现在至少大家会讨论这事儿。”

2021年，ApacheSkywalking创始人吴晟，当选Apache基金会第一位华人董事，成为圈子里普天同庆的喜事。

有利可图，无需付出代价，通常是违规行为的诱因。使用免费代码的利益，显而易见。而在开源问题上弄虚作假，确实也不会对国内的企业产生太多实质性影响。

一般套壳的惩罚也不过是道歉并将软件下架，但因为这类软件都是套壳抄袭的，所以也不存在太多研发上的”沉没成本”。

直到2021年，国内才出现第一起与开源协议（GPL）有关的侵权案件，被告作为侵权方最终被判罚50万元。而与GPL协议相关的第一起案件宣判，已经是2005年发生在德国的事了。从2005年到2021年，中国开源在法律层面存在16年的实践空白。

在实施力度上，中外也有所差别。在2005年的案子里，慕尼黑法院对侵权方Fortinet发出了临时禁令，禁止Fortinet销售产品，直到符合许可证条款。同时，Fortinet被迫根据GPL协议将他们的FortiOS（一款服务软件安全领域的操作系统）免费提供给外界。

开源相关侵权案的审理，更多是在参考传统的著作权纠纷案件。与刑事案件不一样，著作权纠纷案件，需要由被侵权方主动发起诉讼。在这起Fortinet侵权案中，发起诉讼的是一个非营利性组织gpl-violations.org，该组织发起于2004年，致力于对侵权者施加压力，对侵权行为发起行动。国外，这样的组织不止一个，在国内则难得一见。

那么，资本层面会对开源违规行为做出反应吗？虎嗅也试图就此类问题，与投资人进行沟通，但大家则对此讳莫如深，不愿多谈。目前还未有明确证据显示，国内企业发生开源违规，会导致融资困难。

不过，一名在开源领域创业的CEO对虎嗅说道：“如果是在美国，这样的公司（发生侵权、套壳行为的公司）后续就不会拿到融资了。”

真正的痼疾：开源等于免费

实际上，即便不考虑弄虚作假的情况，当下中国的大部分开源项目，也与理想模式相去甚远。大众层面对于开源所有的期待，其实可以用一句话来总结：打破技术垄断，振兴中国技术。但中国开源当下只是个瘦骨嶙峋的孩子，不足以背负这种宏图伟愿。

开源的概念很抽象，公众对其更直观的印象来自一些改变世界的伟大软件，比如：Linux、MySQL、Android，以及如今的Transformer。其中，Linux内核遍布全球服务器、IoT设备，MySQL撑起全球数据库的半壁江山，Android撑起手机操作系统半壁江山，Transformer几乎是所有大模型的架构基础。

将“印象”等化为“期望“，让现实变得有些难以接受。事实上，中国开源的发展目标，在产业侧是妥协过的，创业的CEO往往不会太感性，只求先在商业层面获得成功即可。

但”曲线救国“的策略有利有弊，在中国出现一家成功IPO的开源企业之前，妥协的恶果已经开始显现。

开源有一条重要的原则叫做“UpstreamFirst“，上游优先原则，意味着企业在免费试用开源代码的同时，也要反馈意见和代码到开源社区，确保社区维护的主干版本可以优先迭代，推动软件不断走向完善。这是开源能够创造价值、互惠互利的“飞轮”。

但一部分国内企业选择竭泽而渔。在他们看来，开源没有这么复杂——开源等于免费。向社区贡献代码？要么招聘几个社区开发者，要么以后再说吧。

这或许也解释了，为什么在AIGC快速发展的2023年，中国企业在大模型上的爆发，仅限于数量——抄来的终究是别人的，不参与开源贡献，通常也不会具备真正的技术优势。

大模型在架构上的源头是Transformer，据OSSInsight数据统计，在Transformer社区中，提Issue（答疑交流、反馈缺陷）的Top10榜单，只有两家中国单位，一个是北京大学，一个是清华大学，没有一家中国企业。前五分别是：微软、HuggingFace、谷歌、卡内基梅隆大学、英特尔。

在Pull（贡献代码）Top10榜单里，只有腾讯一家公司入榜，排在第十，前五分别为：微软、HuggingFace、谷歌、英伟达、Facebook（Meta）。

Transformer 各企业 Pull 占比，内容来自 OSS Insight 网站

细看两个榜单的前五名公司，微软和谷歌皆是当今AIGC领军人物，联手奠定了当今的AI格局。Meta发布了开源LLaMA大模型，成为最被中国企业青睐的“借鉴对象”。HuggingFace仅用一年时间就实现了估值翻倍，如今估值超过40亿美金，NBA球星杜兰特也参与了其天使轮融资。

卡内基梅隆大学，前段时间刚与斯坦福大学联手发布了Mamba架构，号称要颠覆Transformer。它实现了公众对于开源的期待——学习、参与，最终完成超越。

再看看LLaMA，Issue（答疑交流、反馈缺陷）Top10榜单，没有一家中国公司入选，只有哈尔滨工业大学排在第五；Pull（贡献代码）Top10榜单，有三家中国公司：星鲸科技、腾讯、水木分子生物科技，分别排在第四、第八、第十位。

近五年，以BAT、字节为代表的头部企业，也注意到这个问题，纷纷成立开源办公室，希望能塑造企业内的开源文化。但其中一部分项目，又被行业戏称为“KPI式开源”——指员工为了完成KPI而去更新开源项目，该项目的寿命因KPI完成或岗位变动而终结。甚至有开源社区专家表示，根本不相信所谓的“大厂开源”，认为其天然在社区贡献者多样性这个问题上存在劣势。

目前公认比较健康的开源项目，大部分集中在云原生、大数据领域，分别捐赠给了Linux基金会和Apache基金会。至于剩余的百余家国产大模型企业，99%不在这些榜单里。近期关于AIGC的一系列重磅进展，也忠实地反映了这个结果。

这个结局，企业能接受，投资人能接受，某种意义上，部分开源人也能接受。剩余不能接受的人，满怀愤怒。这让所有的明星开源创业团队，都像坐在“火药桶”上创业，一个火星，就能让人灰飞烟灭。

本内容为作者独立观点，不代表虎嗅立场。未经允许不得转载，授权事宜请联系 hezuo@huxiu.com

标签：

版权声明：本文由用户上传，如有侵权请联系删除！