„
DeepSeek hat das Open-Source-Konzept wieder cool gemacht. Die Entscheidung des chinesischen Start-ups, Open-Source-Frameworks zu verwenden, um komplexe Schlussfolgerungen zu ziehen, hat das KI-Ökosystem erschüttert: Seitdem hat Baidu sein ERNIE-Modell als Open-Source veröffentlicht, während der CEO von OpenAI, Sam Altman, sagte, er glaube, dass sein nicht Open-Source-Unternehmen auf der „falschen Seite der Geschichte“ sein könnte.
Es gibt jetzt zwei unterschiedliche Paradigmen im KI-Sektor: die geschlossenen Ökosysteme, die von Giganten wie OpenAI und Microsoft gefördert werden, gegenüber den Open-Source-Plattformen, die von Unternehmen wie Meta und Mistral unterstützt werden.
Dies ist mehr als nur eine technische Debatte. Offen gegen geschlossen ist eine grundlegende Debatte über die Zukunft der KI und darüber, wer das enorme Potenzial der neuen Technologie in einer sich formenden Billionen-Dollar-Industrie kontrollieren wird.
Lektionen aus der Geschichte
Jede Software-Revolution war im Kern ein Kampf zwischen offenen und geschlossenen Systemen.
In der Mainframe-Ära dominierte IBM und sein geschlossenes System, was den Ausspruch provozierte: „Niemand wurde jemals gefeuert, weil er IBM gewählt hat“. Aber mit der Reife der Technologie wandten sich Unternehmen offenen Systemen zu, die sie von den Beschränkungen der Anbieter befreiten.
Dieser Zyklus wiederholte sich immer wieder. Das Open-Source-Linux forderte Microsoft Windows heraus. PostgreSQL und MySQL wurden eine Alternative zu Oracles Datenbanken.
Vendor-Lock-In, bei dem der Wechsel von Anbietern fast unmöglich wird, unterdrückt Innovationen, begrenzt die Agilität und schafft Verwundbarkeiten. Diese Risiken werden sich nur erhöhen, wenn KI zunehmend in kritische Geschäftsprozesse integriert wird.
Offene Plattformen mildern diese Risiken ab, indem sie es Organisationen ermöglichen, Anbieter zu wechseln oder Lösungen intern einzuführen, ohne verheerende Kosten zu verursachen.
Warum Open Source wichtig ist
Verbraucher mögen die Bequemlichkeit einer geschlossenen Plattform. Doch Unternehmen haben andere Prioritäten. Organisationen können sensible Daten und proprietäre Informationen nicht durch Black-Box-APIs senden, die sie nicht kontrollieren.
Open-Source-KI-Modelle bieten drei wesentliche Vorteile.
Erstens halten offene Modelle sensible Informationen innerhalb der Infrastruktur einer Organisation und reduzieren das Risiko von Datenverstößen bei Interaktionen mit einem externen Server.
Zweitens können Unternehmen offene Modelle an ihre einzigartigen Anforderungen anpassen, Modelle mit ihren proprietären Daten feinabstimmen, ohne durch ein geschlossenes System eingeschränkt zu sein.
Schließlich können Organisationen durch die Bereitstellung von Open-Source-Modellen auf ihrer eigenen Infrastruktur Skalierungsgebühren vermeiden, die von Anbietern erhoben werden.
Geschlossene Plattformen mögen einfach sein, aber sie bieten nicht die Sicherheit, Flexibilität und niedrigen Kosten eines Open-Source-Modells.
Ironischerweise wurde der Aufstieg von OpenAI auf offenen Grundlagen aufgebaut. Das 2017 von Google veröffentlichte Papier „Attention Is All You Need“ lieferte die Blaupause für moderne Sprachmodelle. Dennoch hat sich OpenAI trotz dieser Grundlage von seinem ursprünglichen Open-Source-Ethos zu einem geschlosseneren Modell verlagert, was Fragen nach seinem Engagement aufwirft, sicherzustellen, dass KI „der gesamten Menschheit zugute kommt“.
Die Partnerschaft von Microsoft mit OpenAI hat das Technologieunternehmen schnell an die Spitze der kommerziellen KI-Landschaft gebracht. Mit über 13 Milliarden Dollar investiert, hat Microsoft GPT-4 über sein gesamtes Ökosystem integriert – von Azure über Office-Anwendungen bis hin zu Copilot, GitHub und Bing – und damit einen starken Lock-In-Effekt für Unternehmen geschaffen, die auf diese Tools angewiesen sind.
Historisch gesehen haben geschlossene KI-Systeme durch Brute-Force-Strategien dominiert: Skalierung von Daten, Parametern und Rechenleistung, um den Markt zu beherrschen und Eintrittsbarrieren zu schaffen.
Doch ein neues Paradigma entsteht: die Denkrevolution. Modelle wie DeepSeeks R1 zeigen, dass anspruchsvolle Denkfähigkeiten proprietären Systemen Konkurrenz machen können, die auf reiner Skalierung angewiesen sind. Das Denken ist ein Trojanisches Pferd für Open-Source-KI, das die Wettbewerbslandschaft herausfordert, indem es zeigt, dass algorithmische Fortschritte die Vorteile geschlossener Plattformen verringern können.
Dies eröffnet eine entscheidende Chance für kleinere Labore und Start-ups. Open-Source-KI fördert kollektive Innovation zu einem Bruchteil der Kosten, die mit geschlossenen Systemen verbunden sind, demokratisiert den Zugang und ermutigt zu Beiträgen einer breiteren Teilnehmergruppe.
Der traditionelle KI-Wertschöpfungskette wird derzeit von einigen wenigen Akteuren in den Bereichen Hardware (Nvidia), Modellentwicklung (OpenAI, Anthropic) und Infrastruktur (Amazon Web Services, Microsoft Azure, Google Cloud Platform) dominiert. Dies hat aufgrund hoher Kapital- und Rechenanforderungen erhebliche Eintrittsbarrieren geschaffen.
Aber neue Innovationen, wie optimierte Inferenzmaschinen und spezialisierte Hardware, zerlegen dieses monolithische Gefüge.
Der KI-Stack wird in diesem neuen Ökosystem entbündelt. Unternehmen wie Groq challengen Nvidia in der Hardware. (Groq ist eines der Portfoliounternehmen von Race Capital.) Kleinere Labore wie Mistral haben kreative Modelle entwickelt, die mit OpenAI und Anthropic konkurrieren können. Plattformen wie Hugging Face demokratisieren den Zugang zu Modellen. Inferenzdienste wie Fireworks und Together reduzieren die Latenzzeiten und erhöhen die Durchsatzraten von Anfragen. Alternative Cloud-Marktplätze wie Lambda Labs und Fluidstack bieten wettbewerbsfähige Preise im Vergleich zum Oligopol der Big Three.
Ausgewogenheit von offen vs. geschlossen
Natürlich bringen Open-Source-Modelle ihre eigenen Risiken mit sich. Trainingsdaten könnten missbraucht werden. Bösartige Akteure könnten schädliche Anwendungen wie Malware oder Deepfakes entwickeln. Unternehmen könnten ebenfalls ethische Grenzen überschreiten, indem sie personenbezogene Daten ohne Genehmigung verwenden und die Datenschutzbestimmungen zugunsten eines Wettbewerbsvorteils opfern.
Strategische Governance-Maßnahmen können dazu beitragen, diese Risiken zu mindern. Die Verzögerung von Veröffentlichungen von Frontier-Modellen könnte Zeit für Sicherheitsbewertungen geben. Teilweises Gewichteteilen könnte auch das Potenzial für Missbrauch begrenzen, während es dennoch Forschungsvorteile bietet.
Die Zukunft der KI hängt davon ab, diese konkurrierenden Interessen auszugleichen – ähnlich wie KI-Systeme selbst Gewichte und Bias für optimale Leistung ausbalancieren.
Die Wahl zwischen Offenheit und Geschlossenheit stellt mehr als nur eine Präferenz dar. Es ist eine entscheidende Wahl, die die Richtung der KI-Revolution bestimmen wird. Wir müssen Rahmenbedingungen wählen, die Innovation, Inklusivität und ethische Governance fördern. Offene Quellen werden der Weg sein, um dies zu erreichen.
Die in den Kommentaren von Fortune.com geäußerten Ansichten sind allein die Ansichten der Autoren und spiegeln nicht unbedingt die Meinungen und Überzeugungen von Fortune wider.
Diese Geschichte wurde ursprünglich auf Fortune.com veröffentlicht
„