近日，阿里巴巴推出了其最新的大模型Qwen 3，標志著中國開源生態中DeepSeek與Qwen這對“雙子星”組合的正式崛起，逐漸取代了以往以Llama為主、Mistral為輔的開源格局。隨著Qwen 3的發布，Founder Park邀請了多家AI創業公司的代表，就開源與閉源的選擇、模型微調、能力瓶頸及創業中的陷阱等話題進行了深入探討。其中，心言集團的開源布道師及高級算法工程師“左右”分享了公司在開源生態下的實踐經驗和技術見解。

“左右”指出，從心言集團的業務角度出發，絕大多數（可能超過90%）的模型需求都需經過本地化微調后部署使用。對于特定任務，如數據構造、數據蒸餾或需要利用GPT、豆包、Qwen等特定大模型的能力時，則會直接調用其API。本地部署的模型主要基于Qwen，根據業務入口的不同，選用不同規模的版本，如7B、32B和72B等。針對具身智能業務，考慮到用戶隱私和多模態處理需求，會采用更小規模的多模態模型，如0.5B和1.5B。

選擇Qwen模型的原因包括其生態系統的成熟度和穩定性、技術能力與業務的契合度、模型系列的完整性以及開源的持續性和可信賴度。Qwen在中文支持上表現出色，且預訓練數據中包含了泛心理和情感陪伴相關內容，這使得基于Qwen的微調模型更易滿足心言集團的業務需求。同時，Qwen提供了從0.5B到72B的完整尺寸系列，降低了在不同模型間進行微調和測試的成本。

在具身智能和線上互聯網業務方面，心言集團面臨了不同的挑戰。具身智能業務中，主要挑戰在于推理成本和生態適配。由于隱私需求，模型需本地部署，但端側推理卡成本高且推理速度可能不足。若采用國產算力芯片降低成本，則面臨生態不完善的問題，適配周期長且成本高。線上互聯網業務中，主要挑戰在于模型能力和推理成本/延遲。情感陪伴業務對情感細粒度理解要求高，需要模型準確捕捉用戶復雜的情感狀態，同時，隨著用戶量和AI使用量的快速增長，推理成本壓力大。

“左右”表示，盡管大多數模型廠商在預訓練或后訓練階段不會特別關注情感、情緒化的泛心理應用場景數據，但心言集團仍堅持進行后訓練，以提升模型在這一領域的表現。他們對基礎模型的要求主要是通用能力，而非特定領域能力。如果基礎模型的通用能力足夠好，后訓練時就能更容易地將其擬合到所需方向。同時，他們也意識到，針對特定領域進行后訓練可能會損害模型的其他通用能力，因此需在可接受范圍內控制這種損害。

對于當前開源模型的發展，“左右”表示期待開源模型能盡可能追平閉源頂尖模型，并希望它們能釋放更多的技術細節。他認為，DeepSeek在MoE、原生多模態、代碼等方面探索較前沿，而Qwen和Llama更注重社區和通用性，技術選型上相對穩健。這種差異化定位在開源社區中是正常的。

在談及大模型創業中的陷阱時，“左右”指出，模型與產品的適配度以及對AI在產品中角色的理解是關鍵問題。他認為，AI更多是后端能力，是處理信息的工具，而不是直接交付結果的前端界面。很多開發者追求簡單的“端到端”解決方案，認為大模型能簡化一切，但在很多領域，尤其是情感領域，原本需要復雜處理的環節依然需要，甚至可以借助AI做得更精細。直接用AI替代這些環節，可能導致產品缺乏深度和個性化。

“左右”強調，正確的模式應該是“X+AI”，而不是“AI+X”。核心是挖掘和理解用戶需求（X），然后思考如何用AI更好地解決這個需求。他提出，用戶留存是一個重要的觀察指標，很多AI產品留存差，往往意味著產品沒有抓住用戶的真實痛點，個性化做得不夠好。因此，心言集團將繼續聚焦泛心理發展的AI化與具身化，以開源為舟，以創新為帆，不斷探索情感計算領域的未知。