meta|首次开源这一强大算法，我们向Meta致敬( 三 )

他们发现，用一种神经结构搜索方法（NAS）训练出的特定语言模型，可产生284吨（626155磅），上图）二氧化碳，这大约是5辆小轿车长达5年的排放总量；
而谷歌搜索引擎的基础——BERT语言模型训练，则产生了0.65吨二氧化碳， Strubell提醒，这相当于一个乘客从纽约到旧金山往返航班的碳排放量。
更需要注意的是，这些数字都应被视为“最保守数值”：只是在一次性训练中的模型成本。
因此，考虑到能源效率与环境成本，西方不少科学家与开发者认为，某种程度上，大模型的训练开发也是在允许大型企业掠夺着环境资源，而这些成本，将会平摊在所有人身上。因此，他们并不希望企业加入到大模型队列中。
“尽管是无意识的，但这只会加大对边缘人群的打击。 ”
开源商业回报，巨大且无形
很多时候，人们会对开源模式发出这样的质疑：
有什么能比“两个来自竞争对手公司的员工，可以为同一个目标协作，还免费送出自己成果”更不可思议的事情？
譬如，可能连小学生都清楚的安卓系统，就是基于开源的Linux操作系统。这意味着，任何人都可以查看绝大多数安卓手机的核心代码，修改并分享它。
事实上， “开源”正是为不同利益群体，提供一种“利远大于弊”的长期技术合作方式——你增加的独特元素我能使用，那么我迭代的版本你也不会错过。
这种“互利”态度，让看似不可思议的“协作”成为可能，经过100多年来的反复修正，早已成为一种常态。如今， Linux 就是由全世界超过15000名程序员共同开发和维护。
而在人工智能领域内，最有名的案例则是谷歌的深度学习开源框架Tensorflow 。它已是开发人工智能应用程序的标准框架之一。非常有趣，当Tensorflow在2015年开源时，外界也是发出了跟这次Meta开源大模型同样的疑问：
作为开放者，谷歌为什么要放弃对自己搜索业务如此重要的东西？
一部分原因上面讲过——外部开发人员把软件做的更好，该软件就能适应谷歌未来商业化的很多需要。就像当下，大模型商业化还尚不明朗，那么前期工作的开放性与主导性，就变得至关重要。
根据谷歌自己公布的数据，已有超过1300名外部人员在TensorFlow上帮助升级迭代。而完善后的Tensorflow ，则为谷歌云上的相关付费服务输送了强力支持。
另外，我们永远不要小看开源软件为企业带来的巨大营销价值。
它最一流的“带货效果” ，便是吸引和留住一众顶尖人才，不知道为大厂省下多少高昂的人力资本。这也与当下Meta开始收缩招聘规模的现状，做了完美呼应。
当然，优秀开源软件打的时间差和聚拢效应，将会使后来者很难在短时间内形成气候， Tensorflow与一众国产深度学习开源框架的往事就是最好的例子。
因此， Meta这一决定，将会让OpenAI陷入一个尴尬的境地——虽然名声很大，但它毕竟是一家创业公司。从另一个角度看，在寻找商业落地的过程中，大厂通过开放、免费等手段遏制对手，取得胜利，这种事情似乎永远都在发生。
【meta|首次开源这一强大算法，我们向Meta致敬】但好处在于，这会让一家公司意识到，在商业世界，没有一分钟时间可用来顿足，绝不能停下创新的狂奔步伐——近期他们发布的达利系统第二代，也许是以GPT3为跳板，向文字与视觉融合方向跃升的最好标志。