" 要做中國的 OpenAI！"" 要打造中國版 ChatGPT！"ChatGPT 的火以燎原之勢蔓延到每一個角落。
人們目光的焦點聚集到這個具體的現象級應用，或者其它大模型支撐的類 ChatGPT 産品上。大模型似乎成爲了人人都能參與的遊戲？智源研究院院長黃鐵軍并不這樣想。
ChatGPT 的出現，好比用電燈點亮了一個街區。
但是要建全國、全球的電網，中間還有很長的路要走。
" 很長的路 " 上，技術、資金、算力、算法、基礎設施，搭建了一道難以攻破的壁壘。要繼續前行，得鑿開壁壘，開鑿的斧頭應是大量的技術研究和創新合作。
智源研究院就提供了這麽一把斧頭，它聯合 30 多家産學研單位，開發了FlagOpen（飛智）大模型技術開源體系。這也是國内首個大模型開源體系。
△黃鐵軍
黃鐵軍表示，希望大家的關注點從 AI" 海平面以上 " 冰山一角的大模型，回歸到 " 海平面以下 " 的 AI 技術生态的全部，尤其是技術體系上。
一枝獨秀，不如降低 AI 的應用門檻
2022 年的雲栖大會上，阿裏推出了 AI 大模型開源社區" 魔搭 "Model Scope，推出伊始，達摩院就向社區貢獻了 300 餘個 AI 模型，全面開源開放。
FlagOpen 是否意味着又一個魔搭的誕生？智源研究院副院長兼總工程師林詠華解釋了二者的不同。
" 魔搭有點像抱抱臉（HuggingFace）" 林詠華談道，"FlagOpen 和魔搭不一樣的地方是，我們的主要目标不是構建一個聚集很多人的繁華社區，而是推動大模型技術的發展。"
基于這個目标，FlagOpen 配套了六個模塊，分别是 FlagAI、FlagPerf、FlagEval、FlagData、FlagStudio 和 FlagBoot。
FlagAI
FlageAI 集成了很多主流大模型算法技術，以及多種大模型并行處理和訓練加速技術，并支持微調。目前涵蓋的模型包括 NLP、CV 與多模态等領域，如語言大模型 OPT、T5，視覺大模型 ViT、Swin Transformer，多模态大模型 CLIP 等。目前，FlagAI已經加入 Linux 基金會。
" 悟道 2.0" 通用語言大模型 GLM，" 悟道 3.0" 視覺與訓練大模型 EVA，視覺通用多任務模型 Painter，文生圖大模型 AltDiffusion（多語言），文圖表征預訓練大模型（多語言）等智源研究院 " 悟道 " 大模型項目多個成果也開源在 FlagAI。
FlagPerf
AI 軟硬件評測面臨異構程度高、兼容性差、應用場景複雜多變的挑戰。FlagPerf 搭建的 AI 硬件評測體系，支持多種深度學習框架，及時跟進最新主流模型評測需求，便于 AI 芯片廠商插入底層支撐工具，且不以排名爲核心目标
截至 FlagOpen 體系發布，FlagPerf 已和天數智芯、百度 PaddlePaddle、昆侖芯科技、中國移動等進行合作。
FlagEval
FlagEval 是覆蓋多個模态領域、包含評測維度的評測工具，首先開放的是近期很火的多模态領域 -CLIP 系列模型評測工具，支持多語言多任務、開箱即用。
FlagData
FlagData 數據工具開源項目集成包含清洗、标注、壓縮、統計分析等功能在内的多個數據處理工具與算法。此前，智源研究院已經構建了 WuDaoCorpora 語料庫。
FlagStudio
FlagStudio 是文生圖、文生音樂等藝術創作相關的開源項目集合，集合的算法和模型更貼合中文場景，當前主要提供智源研究院文生圖相關能力的應用。
FlagBoot
FlagBoot 是基于 Scala 開發的輕量級高并發微服務框架，默認完全異步，且沒有宏、隐式轉換等晦澀難懂的代碼。極少的代碼量便于開發者輕易了解背後邏輯，而後進行自定義修改。
" 大數據 + 大算力 + 強算法 = 大模型 "是當前 AI 發展的主流，用 FlagOpen，開發者尤其是初創公司，可以嘗試大模型的開發和研究工作，換句話說，AI 的研發、應用門檻被降低了。
以大模型爲主導的方向提供基礎開源體系，某種意義上，智源研究院在追趕 ChatGPT 産品的熱點上退了一步。這或許是其非營利性機構的性質使然。
而 ChatGPT 背後的 OpenAI，也是打着非營利性機構的旗号出道的（2019 年 3 月 1 日，OpenAI LP 子公司成立，旨在營利）。同樣的機構性質，同樣押注 AI，并關注大模型賽道，
智源研究院有打算，或者可能成爲中國的 OpenAI 嗎？
ChatGPT 每日調動後台參數的成本已經是天文數字。如果要在中國打造一個 OpenAI，需要多少成本打底？
" 智源要不要做一個 OpenAI，很難簡單做對比。" 黃鐵軍回答這個問題時說道，DeepMind、OpenAI 和智源研究院是同類機構，但不能簡單等同。追求 AI 前沿，做開放研究是三家機構的共鳴；沒有大量投資就沒有那麽多人做大量探索，三個機構也都有各自的社會資源投入辦法，比如微軟剛追投了 OpenAI100 億美元。
但黃鐵軍同時表達了自己的不解，那就是：中國版的 OpenAI 怎麽定義？
" 某種意義上，這就是很不清楚的問題。"
我沒有批評的意思。但是有人站出來說要做中國的 OpenAI，他到底是什麽意思？是想和 OpenAI 一樣有 100 倍的盈利嗎？更多的還是要問想做中國 OpenAI 機構那個人，他眼中的定義是什麽。
至于做出 OpenAI 的必要成本投入，黃鐵軍給出的答案是" 很難估計 "，并表示，投資不是他本人也不是智源研究院關心的問題。
開源的打不過封閉的？
PC 時代，Linux 打破 Wintel 聯盟的壟斷；在 iOS 的封閉生态和 Android 的準封閉生态下，開源的 RISC-V 異軍突起。開源意味着開放，意味着多家機構同時維護帶來的風險降低和問題減少。
FlagOpen 是國内首個大模型開源體系，智源研究院拿出了這樣的态度：
大模型時代，需要這樣的開源。智能時代需要真開源，就像 Linux、RISC-V 和 2022 年完全轉入開源社區的 PyTorch。
聊到此處，林詠華表示更願意把 FlagOpen類比爲大模型領域的 Linux。
但有一種說法廣爲流傳，即開源雖好，能讓得到更好的叠代和更新，但開源的打不過封閉的。
對這個問題，黃鐵軍做出了回應。他稱 Linux 的成功，不是因爲把其它操作系統都打敗了，而是在整個市場競争中占據了主要份額。
開源開放應該是一個大趨勢，大部分情況下，以開源形式或以開源形式爲基礎的産品會占據較大的份額。
與此同時，在某一特定方向上，有一個閉源産品做得更好并不奇怪。這不等于誰打敗了誰，而是大家在滿足用戶需求時做出了不同選擇。
開源是 FlagOpen 的選擇，來一起看看這個選擇現階段的成果——
登陸 GitHub 可以看到 FlagOpen 體系裏各個項目的标星，标星最多的是 FlagAI，尚不過千，最少的标星量隻有幾十。另外還可以觀察發現，開源體系中隻涉及推理方面，沒有涵蓋訓練部分。
林詠華表示這是智源的策略，即不是等做到完美再開源，而是把種子點做了之後就開源，以此方便各個企業之間在沒有商業合作協議的情況下就能互相合作。
選擇現在公布 FlagOpen 開源體系的另一個原因，是現在大模型火上了天，有很多沒有接觸過大模型的初創團隊也開始嘗試自己訓模型。
工欲善其事，必先利其器，" 既然有這麽多人想做這件事，我們在這個時候開源出來，是想給予我們的經驗，讓他們更加順利往前走。"
