开源AI现状报告
在新西兰最北端，一位毛利语广播从业者正在为te reo（毛利语）训练语音模型。这是一门受众过小、难以形成商业市场的语言，而训练采用的许可协议确保数据始终由毛利族人掌控。全球顶尖会计师事务所普华永道（PwC）基于开源模型，针对金融领域语言完成微调，如今已在自有硬件上为数百名客户提供服务，完全无需按调用token量付费。瑞士洛桑的研究人员与红十字会合作，开发出符合人道主义准则的开源医疗模型，目前正筹备在瑞士本土及坦桑尼亚开展临床试验。东非的农民则借助一款可在手机本地离线运行的模型诊断木薯病害——即便在云计算覆盖不到的偏远田间也能使用。瑞士的一个公共联盟利用公共超级计算机训练出一款全国性模型，并将模型权重、训练数据及代码全部公开。以上案例中，没有任何一方需要申请许可，也没有任何一方是通过租赁获得技术——他们真正拥有这些技术，这正是核心所在。
开源及开放权重AI已成为软件史上增长最快的开发者生态系统之一。仅Hugging Face平台就托管了250万个公开模型，拥有1300万用户，其中涵盖三分之一的《财富》世界500强企业。在承接真实生产流量的OpenRouter平台上，开放权重模型的占比从2025年底的极小份额，攀升至如今的近三分之一。短短六个月后，该平台周处理token量已达25万亿——是此前的五倍，而流量最大的来源正是一款开放权重模型。开发者做出的选择，取决于模型的能力与成本，在这两方面，开放方案已成为务实之选。
今年春季，性能最强的闭源模型得分为60，最强的开放模型得分为54；而一年前，顶尖开放模型的得分仅为22。闭源系统在最复杂的任务上仍保持领先，但对于大多数开发者实际部署的场景——价格、控制权与可部署性更为关键的场景——开放模型已从“潜力股”成长为“可用之选”。那些仍在等待开源AI成熟的人可以停止观望了：它已经成熟。
各国政府也在行动。欧盟委员会提议公共机构采购AI时遵循“开源优先”原则；加拿大则设定了全国性目标，计划将企业AI adoption率从12%提升至60%。当社区、市场与政府的选择趋于一致时，这就指明了行业的走向：让更多人掌握更多智能，并真正拥有这些智能。
这一切并非必然，另一种未来同样具有诱惑力：想象一下，少数几台“验证机器”为你解读世界，输出流畅自信，却没有任何可查证的来源。十亿种不同声音组成的“市集”，被一个只听命于其所有者的、光鲜的“门童”所掩盖。今年6月的一个周五下午，我们就看到了预演：一款最先进的模型因收到一封政府信函而全球下线，所有租赁该模型的企业都突然发现，自己的服务掌握在别人手中，对方随时可以按下关闭按钮。
我们曾经历过类似的局面。Mozilla的诞生，正是因为有企业试图垄断互联网的“入口”，而开源社区站了出来，阻止了这一企图。二十五年后的今天，有人故技重施。我们当初选择了开源，开源最终获胜。这一次，我们依然可以携手再创辉煌。
我们的信念很简单：未来的出路在于竞争与互操作性。我们期待这样一个世界：存在多种多样的模型，有标准的对接方式，用户可随时自由切换服务商。开源早已证明了其价值：它做大了蛋糕，让更多人能分得一杯羹。
请将下文视为一份“导航图”：它会告诉你开源AI的优势领域——有些数据甚至让我们自己都感到惊讶——以及它的薄弱环节。刻意掩盖弱点的论述，本质上只是广告。
开发者们已经行动起来。“租赁式未来”或许资金更雄厚，但“拥有式未来”拥有更多人手——多了数百万之众。而历史一再证明：在开放环境中协作的多数人，终将超越壁垒后的少数人。
与我们一同建设吧。
开源AI现状与挑战
开放权重不再是退而求其次的选择，而是核心创新的阵地：目前，超过半数的生产级token调用都通过开放权重模型完成，OpenRouter平台上调用量前五的模型均为开源模型。闭源模型在推理能力与多模态领域仍处于前沿，但前沿能力并非大多数业务场景所需。通用化的基础能力不具备定价权，价值正在向**智能代理框架（agentic harness）**转移。
来自Mozilla/SlashData 2026年开发者调查的数据显示：开源模型的采用率领先，79%的AI功能开发者在使用开源模型，而使用闭源模型的比例为71%；两者高度互补，有半数开发者同时使用两类模型。但在落地生产环节，团队进度出现分化：仅51%的开源模型团队能实现生产部署，闭源模型团队的这一比例为63%。差距的根源在于运维工具与信任度，而非模型本身的能力。
| 挑战 | 西欧及以色列 | 北美 | 大中华区 | 南亚 | 不含大中华区的东亚 | 南美 | 东欧及独联体 | 大洋洲 | 全球平均 |
|---|---|---|---|---|---|---|---|---|---|
| 基础设施或算力成本过高 | 25% | 26% | 29% | 28% | 28% | 28% | 29% | 18% | 27% |
| 安全、隐私或合规顾虑 | 20% | 27% | 18% | 39% | 29% | 28% | 25% | 22% | 26% |
| 持续维护与更新压力 | 27% | 26% | 18% | 26% | 20% | 31% | 21% | 25% | 24% |
| 部署、托管或扩容复杂度高 | 27% | 24% | 19% | 24% | 11% | 30% | 26% | 25% | 23% |
| 缺乏专业支持 | 17% | 16% | 21% | 31% | 24% | 23% | 23% | 32% | 22% |
| 模型评估与对比困难 | 14% | 17% | 14% | 23% | 16% | 26% | 25% | 18% | 18% |
| 微调或定制难度大 | 22% | 18% | 18% | 20% | 11% | 22% | 18% | 12% | 18% |
| 难以集成至现有系统 | 19% | 21% | 14% | 20% | 7% | 26% | 19% | 20% | 18% |
| 文档或学习资源不足 | 18% | 15% | 15% | 17% | 15% | 20% | 24% | 15% | 17% |
| 模型性能不够理想 | 18% | 15% | 13% | 22% | 16% | 17% | 19% | 8% | 17% |
| 无重大挑战 | 9% | 21% | 16% | 5% | 14% | 4% | 8% | 12% | 12% |
| 加权样本量 | 286 | 277 | 206 | 192 | 164 | 147 | 98 | 39 | 1411 |
我们针对AI技术栈的9个层级、48个组件，从10项标准（1-5分）进行评分。点击任意层级可查看其包含的组件：每个组件都有独立的标准得分、成熟度评级、开源/闭源能力对比结论，以及相关的高星开源项目。
鼠标悬停任意单元格可查看详情。
开源AI商业市场规模
开放权重AI已形成规模达数千亿美元的商业市场，由获得融资的企业构建，并被全球企业用于生产环境。Databricks的年营收运行率已突破54亿美元；Mistral在12个月内营收增长20倍，年经常性收入（ARR）达约4亿美元；DeepSeek的ARR约为2.2亿美元，近期完成74亿美元融资，估值超过500亿美元。五种盈利模式已被验证可规模化：托管推理服务、企业平台、本地部署授权、微调服务，以及智能代理框架工具。
| 企业 | 总部所在地 | 技术栈层级 | 披露融资金额 | 估值 | 营收信号 | 主要投资者 | 发展阶段 |
|---|---|---|---|---|---|---|---|
| Databricks | 美国 | 企业平台 | — | — | 54亿美元年营收运行率 | — | 上市前 |
| DeepSeek | 中国 | 前沿开放权重模型 | 74亿美元 | 500亿美元+ | 约2.2亿美元ARR | 梁文峰、腾讯、宁德时代、国家人工智能基金 | 私有企业 |
| Mistral AI | 法国 | 开放权重模型+平台 | 30.5亿美元 | 约140亿美元（传闻估值200亿欧元） | 约4亿美元ARR，年增长20倍 | ASML、a16z、Lightspeed、英伟达 | 私有企业 |
| Moonshot AI | 中国 | 开放权重模型（Kimi） | 39亿美元 | — | — | 美团/龙珠、阿里巴巴、腾讯、红杉中国 | 私有企业 |
| Zhipu AI | 中国 | 开放权重模型（GLM） | 未披露 | 上市主体 | — | 公开市场（2026年港交所IPO）；此前投资者包括阿里巴巴、腾讯 | 2026年港交所IPO筹备中 |
| MiniMax | 中国 | 开放权重模型 | 未披露 | 上市主体 | — | 公开市场（2026年港交所IPO） | 2026年港交所IPO筹备中 |
| Cohere | 加拿大 | 企业级/本地部署 | 17亿美元 | — | Command A+模型于2026年5月开源 | Radical Ventures、英伟达、AMD、Schwarz集团 | 私有企业 |
| Cerebras | 美国 | 算力硬件 | 21亿美元 | — | — | Fidelity、Atreides、G42、Tiger Global | 私有企业 |
| Reflection AI | 美国 | 开放权重模型 | 21.3亿美元 | — | — | 英伟达、Disruptive、红杉资本、Lightspeed、DST Global | 私有企业 |
| Together AI | 美国 | 推理云平台 | 13.34亿美元 | — | — | Aramco Ventures、General Catalyst、Prosperity7、英伟达 | 私有企业 |
| Hugging Face | 美国 | 模型托管平台 | 4亿美元 | — | — | Salesforce、谷歌、英伟达、IBM | 私有企业 |
| LangChain | 美国 | 智能代理框架工具 | 2.6亿美元 | — | 超12.6万星标，占据60%开发者份额 | IVP、红杉资本、Benchmark、CapitalG | 私有企业 |
各国AI战略动向
目前已有超过70个国家出台了AI战略。核心战略问题已从“是否制定国家AI政策”，转向“本国能掌控技术栈的哪一层级”。
点击下方标记或国家名称查看详情。
浏览器曾是开放互联网的用户代理：运行在用户端的代码，代表用户与服务器交互。如今，这一角色正在上移至新的层级。模型之上，是智能代理框架——包含编排循环、工具集、记忆系统、沙箱环境及权限模型。这是生产落地难度集中的领域，也是开源/闭源、拥有/租赁之争的新战场。
两类代理场景
- 可逆、低风险场景：获取文档、查询数据库、列出日程等。这类操作基本可默认授权，即便读取错误，代价也很小，且可安全重试。
- 高成本或不可逆副作用场景：发送消息、动用预算、修改记录、执行交易等。此类操作必须集中设置确认机制、审批阈值、成本上限与撤销权限。
要掌控这类场景，就必须在相关层级仍处于开放状态时，抢先拥有框架、记忆系统与权限模型。
开源AI的关键胜负点
模型性能差距：目前开源模型与闭源模型存在3.3%的差距（编码能力相当，推理与智能代理能力落后），以及开源模型在OpenRouter的token占比，尤其是在智能代理编码领域。 逆转风险：若开源模型token占比停滞，同时推理能力差距进一步扩大。
框架生态主导权：实验室自研框架与第三方独立框架在Terminal-Bench测试中的差距；AAIF主导的MCP/A2A治理；尚未成型的可移植权限规范。 逆转风险：若实验室自研框架的领先优势扩大，或闭源平台率先制定权限标准。
经济可持续性：开源实验室的营收、融资情况，以及智谱AI（Zhipu）、MiniMax的IPO进程，对比按token计费的价格拐点（约2027-2028年），同时考量主权算力作为制衡力量。 逆转风险：若主权资金支持中断，或开源实验室的商业模式无法规模化。
安全治理：尚未定论的问题包括：开源模型的滥用风险、安全微调是否容易被移除；高风险领域，尤其是合成儿童性虐待材料（CSAM）与非自愿私密图像（NCII）；美国国家电信和信息管理局（NTIA）“监控而非限制”的原则能否维持。 逆转风险：若发生重大滥用事件，或监管方向从监控转向限制。
你可以用一个标准来判断未来走向：看看在AI决策的会议桌旁，坐着哪些人，他们拥有怎样的话语权。当推动AI开放、可移植与广泛普及的人能获得平等席位时，从“租赁”到“拥有”的转变就真正实现了。机会窗口现在敞开着——它正在缓慢关闭，慢到我们可以假装它不会关闭，但实际上留给我们的时间比看起来更短。与我们一同建设吧。