到⽤⼾的
scaling
law，只是个时间问题。
现在⾯对数据瓶颈，这⼀点尤为重要。特别是⼈类偏好数据，它⾮常有限，但没有它⼜不⾏。我觉得 这也是每⼀个AI-Native
产品现在最值得思考的问题之⼀。所以，⼀个不⾜够关⼼⽤⼾的公司最终可能 也没法实现
AGI。

海外独⻆兽：怎么看
MoE？有⼀种说法是
MoE
不是真正的
scale
up，只有
scale
up
dense
model
做
tradeoff。但是最终直接训练⼀个万亿的
dense
model
肯定效果会⽐⼀个只有千亿参数的模型要 好。
海外独⻆兽：Anthropic
⼀直在提模型的可解释性，这⼀点其实有蛮多争论。你是如何思考可解释性 的？因为刚刚你也提到了模型是⼀个⿊盒，并且其实⼈类到现在还没有弄清楚⾃⼰的⼤脑是怎么⼯作 的。 杨植麟：可解释性核⼼是个信任的问题。建⽴⼀个信任的⼼智是很重要的，对应的应⽤场景甚⾄可能
海外独⻆兽：Google
和抖⾳背后的搜索和推荐有很强的⻜轮效应，算法能根据⽤⼾的⾏为实时反 馈，⽤⼾体验也能不断提升。LLM
现在⽆法实时反馈⽤⼾⾏为，AI-Native
产品的⻜轮效应会是什 么？ 杨植麟：我深⼊思考过这个问题。AI-Native
产品最终的核⼼价值是个性化交互，这是以前技术实现得 不好的，所以这个问题其实是关于个性化的
⸺
怎么让⽤⼾使⽤你的产品多了之后，获得⾼度个性化 的互动体验。今天对

本章汇集了来自不同领域专家和开发者对开源大模型和人工 智能技术的深刻见解，不仅涵盖了技术层面的深入探讨，也 触及了社会、伦理和政策层面的广泛议题。 从对中国开源模型崛起的分析，到对开源模型持久性的思考， 再到对超级应用探寻之路的探索，每篇文章都为我们提供了 独特的视角，帮助我们理解开源大模型在 AI 技术领域的作用 和影响。 20 / 111 2024 年中国开源模型：崛起与变革 文/Tiezhen、Adina、Lu 和内存占用过大等挑战， 端上模型代表了 AI 技术隐私保护和成本优化的未来方向。中国在这一领域的探索，为行业提供 了宝贵经验。 推理扩展法则的潜力释放 通过推理扩展法则，模型性能可通过延长“思考时间”而进一步优化。这一技术模拟了人类 “深思熟虑”的过程，显著提升了模型在逻辑推理和复杂任务中的表现。 中国开源社区在逻辑推理领域推出了许多创新项目，包括阿里巴巴国际的 Macro-o1、通义 一次性解决这些问题。 人类语言就是一种高度抽象、跨模态、表达力充分的符号系统，同时它作为知识的载体，自 然地存在大量数据可用于训练，还蕴含了人类的思维模式。 在此基础上训练得到的 LLM，自然具备被诱导出类人思考的潜力。在 COT（思维链）【4】、 TOT（思维树）【5】等技术的加持下，大模型正在学习拆解自己的“思维”，OpenAI 的 o1 就是 典型案例，强化了推理能力的同时，也大大缓解了幻觉问题。

域即将起飞了。 从地面行走，到天空飞行，这是两个完全不同的阶段。而 2021 年， 则是起飞之前的助跑阶段。从地面到天空，意味着整个行为的模式 都会发生深刻的变化。我们原来只需要在一个二维平面思考路径与 方向，而到了天空，在三维空间里，我们多了无数选择。 虽然对于未来，对于在空中的状态，我们还无法预测和把握，但是 ： 所有人都在奋力奔跑，奋勇向前。 去年的中国开源年度报告，我们总结了三个趋势，今年的报告，我 ，都是 自由的。但是，在软件吞噬世界、开源吞噬软件的今天，开源技术， 2021 中国开源年度报告 3 已经成为整个世界的基础设施之一。能力越大，责任越大。应用越广， 风险越高。我们应该如何思考与保障开源供应链安全呢？应该如何 建设更加健康的开源生态呢？在这样一种生态中，各方的责任又该 如何界定呢？ 历史感 开源社已经连续第四年发布中国开源年度报告了，也举办了第六届 中国开源年会 0，允许分发完全自由、允许项目代码被 修改、允许作为开源或商业化软件再次发布，法律层面上 Apache License 约束不了这样的行为。在这 件事上，双方各执一词，引起了人们对开源项目技术归属问题的重视与思考。 图表 18 ：Apache Doris 与 Doris DB 的分裂 资料来源：公开资料，云启资本 3.3.2 代码安全风险 开源组件漏洞引起的安全风险也是开源风险

务能力，协同开展项目的开源运营活动，促进项目发展 • 开源项目的代码在托管平台上开放， 二次开发者和最终用户均可以免费取 得 • 在二次开发和使用过程中，开发者和 用户也会通过开源社区指出项目缺陷， 为项目的发展带来启发和思考 软件雏形/起步 开源运营和治理 二次开发和使用 or 初步开发 项目捐献 自主开源 社区运营 贡献 反馈 提供 提供 10 ©2022.2 iResearch Inc 果”。正如开源产业的发展所基于的理 念：通过合作，我们能够变得比我们之中的任何一人都更聪明——开源基金会致力 于让整个社区发展得更好。同时，为这样的项目而存在的中立环境能够促进这样的 “正和”思考，并驱动项目的成长和多元性，我们认为这是开源项目能够成功的核 心要素。 20 ©2022.2 iResearch Inc 优势：独立和中立性，丰富的行业专家指导，良 好的政府关系 • 劣势：市场影响力相对较弱，运行机制效率较低 • 优势：独立和中立性，海量学术专家和从业者， 开放和创新的氛围 • 劣势：缺乏市场化的运营机制，部分创意缺乏落 地思考和商业化可能性 目的和驱动：集聚行业生态，扩大在产 品市场和人才市场的影响力以及号召力， 构建能够服务于自身的开源软件路径 目的和驱动：为研究工作集聚众智，为 学术创新创设良好的环境，为高校间的

域 即将起飞了。从地面行走，到天空飞行，这是两个完全不同的阶段。而 2021 年，则是起飞之 前的助跑阶段。从地面到天空，意味着整个行为的模式都会发生深刻的变化。我们原来只需要 在一个二维平面思考路径与方向，而到了天空，在三维空间里，我们多了无数选择。 For China's open source, the keyword for 2021 should be "run-up." The 在开源还只是一个小众群体的业余爱好时，几乎做任何事情，都是自由的。但是，在软件吞噬 世界、开源吞噬软件的今天，开源技术，已经成为整个世界的基础设施之一。能力越大，责任 越大。应用越广，风险越高。我们应该如何思考与保障开源供应链安全呢？应该如何建设更加 健康的开源生态呢？在这样一种生态中，各方的责任又该如何界定呢？ When the open source was just a niche hobby 0，允许分发完全自由、允许项目代码被修改、允许作为开源或商 业化软件再次发布，法律层面上 Apache License 约束不了这样的行为。在这件事上，双 方各执一词，引起了人们对开源项目技术归属问题的重视与思考。 Apache Doris argues that DorisDB, a Fork from Apache Doris, has not only failed to give back to

的“最佳输入形式”。通过注入提示词，提示词 工程建立了一套“人机交互语法”，来更精准地向 LLM 传 达想要它生成何种输出的指令。这为人们与 LLM 之间建立 高效、准确的“沟通桥梁”提供了可能性。什么“链式思考 1 1 （CoT）”、“自动推理并使用工具（ART）”、“思维 树（ToT）”……甚至运用心理学对 LLM 进行“情绪提 示（EmotionPrompt）”，提示词工程俨然在将 LLM 一  LLM 往往是“被动式”的，需要用户不断完善输入。 什么意思呢？就是我找 AI 是要解决实际问题的，但它往往都 是给我“应付”一下，直接交货了事了，而不善于去追问本质， 去了解细节，去思考你最终想要的是一个什么样的东西。它需 要你不断完善自己的输入，甚至有时候可能要求在你自身都不 知道“可以想要一个什么东西”的情况下去输入。 这样的话其实就是你在输入与输出：整个事情我都想通了，方

的⼀致认同。 但是，接下来应该怎么发展呢？为了抗击疫情⽽凝聚起来的⼈，创造的项⽬，积累的经验，总 结的教训，应该如何“整理、封装、模块化”，并为了今后的各种意外，做好准备呢？这些都是 值得⻓期思考并改进的领域。 作为⼀份⼒图完整、客观、全⾯、丰富的报告，值得探讨的问题当然不⽌上述这些，也欢迎朋 友们阅读下⾯的报告，并随时与我们交流。 庄表伟，开源社理事⻓ 2021 年 1 ⽉ 16 ⽇