(原标题:盘古大模型与通义千问,谁抄袭了谁?)
作者 |小信鸽
来源 | 数聚势能一切始于7月4日发布在代码托管平台GitHub上的技术分析报告。
一位名不见经传的学生(一位自称为哥斯达黎加大学的韩国学生),用一种名为“模型指纹”(LLM-Fingerprint)的技术,直指中国两大AI模型巨头——华为与阿里。
报告直指华为盘古大模型v3.5在多个关键特征上与阿里开源的通义千问v1.5高度相似,由此开始一场关于“复用”与“抄袭”的论战。
代码或许不会说谎,但代码的相似性该如何解读?
这不仅是一场技术论战,更是一次对整个AI行业伦理和规则的拷问。
本文无意充当法官,裁定“抄袭”与否。我们将深入剖析这场争议背后的技术细节、开源文化冲突与商业竞争逻辑,探讨它为狂飙突进的大模型时代,揭示了哪些深层次的挑战与机遇。
“指纹技术”指控:无法忽视的0.927
这场风暴的核心,是一项名为“LLM-Fingerprint”的技术。
简单来说,它就像提取人类指纹一样,通过分析模型在处理特定“触发词”(trigger words)时的响应模式——即所谓的“自注意力”分数,来为每个大模型生成一个独特的身份标识。
所谓的铁证
由HonestAGI团队发布的报告显示,华为盘古3.5与阿里通义千问1.5-7B模型之间的“指纹”相关性得分高达0.927。
这个数字意味着什么?报告同时对比了其他多个主流模型,它们之间的相关性得分普遍低于0.1。
如此接近1的得分,在统计学上暗示着两个模型可能存在极强的同源性,甚至可能是基于同一底座模型进行微调的“派生”关系。
华为反驳面对指控,华为迅速回应,但其反驳逻辑被外界认为“不甚科学”。
华为方面指出,用同为通义千问系的不同版本模型进行指纹对比,同样能得出高相关性,试图以此稀释其与盘古模型高相关性的指控效力。此外,华为强调盘古与通义在词表(tokenizer)和部分配置文件上存在不同。
然而,在技术专家看来,仅改变词表或配置文件,并不足以洗脱底层模型结构和参数相似的嫌疑。这场技术攻防,让争议变得更加扑朔迷离。
开源罗生门:“复用”与“抄袭”一线之隔
这场争议之所以能引发如此大的波澜,是因为它触及了AI开源生态的核心精神与现实困境。
站在巨人的肩膀上大模型研发成本极高,据华为大模型负责人田奇此前透露,一次有效训练的成本高达1200万美元。
因此,“站在巨人的肩膀上”——即基于优秀的开源模型进行复用、微调和二次开发,是行业加速创新的基石,也是普遍范式。正如Hugging Face榜单所显示的,排名前十的开源模型中,一度全部是基于阿里通义千问的二次开发衍生而来。
阿里的Qwen系列自开源以来,凭借其全尺寸、全功能的特点,尤其在to B市场已建立起显著优势,笔者获悉,众多企业早期均采用通义模型进行探索。
一线之隔的模糊地带那么,“复用”与“抄袭”的界限究竟在哪里?是参数的相似度,还是是否遵循开源协议?
华为在声明中承认了其盘古v3.5在“实现中借鉴了业界优秀的成果”,并引用了Qwen的技术报告。但问题在于,通义千问使用的是Apache 2.0开源协议,该协议允许商业使用和修改,但要求在修改过的文件中保留原始的版权、专利、商标和归属声明。
在模型参数这种新型“代码”面前,如何“声明”和“归属”,现有协议似乎存在解释的模糊地带和监管的无力感。这背后是法律、道德与社区共识的复杂博弈。
巨头暗战:不容有失的技术叙事
将视线拉高,这场技术争议的背后,是国产AI巨头间心照不宣的竞合博弈。
盘古大模型,对华为而言远不止一款AI产品。
它是华为构建“软硬芯云”全栈自主生态的关键一环,是其欲在AI时代掌握话语权的核心筹码,尤其是在国产算力(昇腾)上的标杆应用。
正如华为将其植入HarmonyOS 4,盘古承载的是华为技术自研、安全可控的战略叙事。也正因如此,“抄袭”的指控直接冲击了华为最核心的资产——技术自研的声誉。
这不仅关乎商业信誉,更关乎市场对其全栈AI能力的信任。在百度、阿里、腾讯等巨头林立,智谱、月之暗面等新秀辈出的“百模大战”中,任何声誉上的瑕疵都可能影响其市场格局。
此事件无疑是阿里与华为在中国AI市场激烈竞争的缩影。
据笔者了解,目前中国80%的科技企业和一半的大模型公司都跑在阿里云上,通义系列模型已服务超9万家企业。一边是凭借云基础设施和开源生态强势布局的阿里,另一边是手握硬件和全栈解决方案试图后来居上的华为。
这不仅是两个模型的对决,更是两条技术路线、两个商业生态的扳手腕。
沉默的阿里:“受害者”通义暂未发声
事件中一个颇为吊诡的现象是:作为风暴中心的另一方,阿里通义千问团队至今保持着官方沉默。
阿里的沉默,背后可能有多种考量。
通义大模型家族是阿里自研的一系列大模型,具备多尺寸、全模态、性能优的特点,主要涵盖通义千问系列、通义万相系列、舞动人像、HumanAIGC、语音合成、文本向量、多模态向量等模型。
模型数量方面,截至2025年3月5日,据阿里云百炼大模型平台,通义模型家族已推出至少 228 个模型。
尺寸方面,通义大模型家族提供多种参数尺寸的模型供用户选择,适用多种场景,如开源模型Qwen2.5的参数规模可分为0.5B/1.5B/3B/7B/14B/32B/72B,可对应端侧模型/小模型/大模型三种场景。模态方面,通义大模型家族覆盖文本、图像、语音、视频等全模态。
有匿名人士向笔者透露,阿里内部并非不关注,而是可能采取了“静观其变,让技术证据说话”的策略,不愿将商业竞争升级为公开的舆论骂战。
另一种可能,则是对行业内“借鉴”与“复用”的潜规则抱有某种程度的默认,毕竟在开源社区,代码与思想的借鉴本是常态,只要不越过法律红线,过度声讨或许会破坏整个开源生态的氛围。
无论如何,阿里的态度将是影响事件最终走向的关键变量。
它的发声或持续沉默,都将成为定义此次争议性质的注脚。是将其定性为恶性抄袭,还是行业发展初期难以避免的模糊实践,或许就在阿里的一念之间。
一次深刻的AI开源生态“压力测试”
回归核心,盘古与通义的争议是一次深刻的“压力测试”,它残酷地暴露了当前AI开源生态的脆弱性与治理的滞后性。技术跑得太快,规则和信任体系没有跟上。
无论最终结论如何,这场风波都应成为中国AI产业走向成熟的催化剂,未来,我们认为行业迫切需要关注一下3点:
建立更清晰的规则: 行业需要共同探索,建立更明确的AI模型“引用”和“派生”标准。正如学术界的论文查重系统,或许未来会出现行业公认的模型溯源和相似度检测平台,为原创性提供技术裁定依据。
建立更透明的机制: 大力推广模型的“出生证”(Model Cards)和训练数据透明化,让开源不仅是开放结果,更要开放过程。这不仅是对原创者的保护,也是对使用者负责。
建设性的反思: 中国的AI玩家们,需要从“狂奔”的竞赛模式,适度转向“深耕”的马拉松模式。与其在参数和榜单上内卷,不如将更多精力投入到真正的原始创新与健康的生态建设中。
这场风波,不应仅仅是一场口水战,它更应成为一次全行业的集体反思,推动中国AI真正走向高质量、可持续的创新之路。
#阿里 #华为 #通义千问 #盘古大模型 #AI