中国开源AI在技术革新与生态重构的双重革命之中丨ToB产业观察

不止是开源AI，对于整个开源产业而言，如何既确保技术不断进步与生态不断完善，又能实现“赚钱”，这个“鱼和熊掌”要兼得的问题一直是整个开源行业最大的挑战。

另一方面，当种种不可抗力都在“阻碍”中国AI产业发展，中国AI的出路又在何方？在中国工程院院士倪光南看来，开源正在成为中国AI突围的唯一可行路径。

从算力到生态，开源产业路在何方？

全球AI算力市场正呈现“冰火两重天”的格局。据《全球AI算力需求研究》数据显示，全球AI算力市场规模已突破1.2万亿美元，中国以38%的市场占比成为最大需求国，智能驾驶、工业AI、医疗影像三大场景贡献62%的算力消耗。

但供给端的垄断从未如此绝对。目前，英伟达占据全球95%的主流GPU市场，其BlackwellUltra芯片采用“GPU+DPU+光引擎”架构，单卡算力达到前一代产品的8倍，与OpenAI达成的1000亿美元战略合作更将掌控10吉瓦级AI数据中心资源。

在开源中国CEO徐勇看来，“垄断的本质不是硬件本身，而是CUDA生态构建的技术壁垒。”其中，英伟达通过CUDA工具链绑定了全球90%以上的AI开发者，形成“硬件-软件-开发者”的三重锁定。

面对垄断，开源正在成为破局关键。据《中国开源发展深度报告（2024）》统计，中国活跃开源开发者数量已达227万，居全球首位，开源项目数量突破300万个，覆盖操作系统、人工智能、云计算等关键领域。与此同时，Gartner发布的数据显示，2025年全球开源软件市场规模已达1500亿美元，年复合增长率12%，其中AI开源领域贡献600亿美元营收。而IDC的报告中则揭示当前中国开源产业仍面临着诸多挑战，IDC数据显示，中国AI开源项目的商业转化率不足5%，远低于全球平均23%的水平。

从市场规模看，2025年至2030年全球开源软件市场将保持8.5%的复合增长率，2030年有望突破1500亿美元，其中云计算、AI、物联网是三大增长引擎。细分领域中，AI开源市场表现尤为突出。

中国在开源规模上的崛起更为迅猛。Gitee平台已聚集1400万用户、37万企业和3500万代码仓，成为全球第二大开源代码托管平台；AI领域，阿里Qwen、DeepSeek等开源大模型全球下载量超3亿次，衍生模型达10万个，在HuggingFace社区占据30%以上份额。

规模的膨胀并未带来价值的同步增长。IDC《AI与大数据开源生态研究》指出，中国开源项目的平均商业寿命不足18个月，70%的项目在发布后一年内活跃度骤降，仅有3%的项目能形成持续盈利的商业模式。

对比国际市场，RedHat（红帽）的OpenShift容器平台年营收超30亿美元，Canonical的Ubuntu系统通过企业服务实现稳定盈利，而中国头部开源项目的年营收多数不足千万元。

这些数据的背后，是开源产业规模虽然在持续增加，但所产生的“价值”却与规模的增加不匹配。

这种失衡在AI开源领域尤为明显。英伟达发布的数据显示，中国拥有全球80%的开源大模型，但这些模型的商业价值转化效率极低。

技术革新与生态重构的双重革命

面对诸多挑战，全球开源产业正掀起一场“技术革新+生态重构”的革命。从中国开源中国的“模力方舟”社区，到国际上RISC-V芯片的崛起；从Agent开发的场景突破，到全栈开源的技术演进，开源产业正在寻找破局的钥匙。Gartner预测，到2027年，全球50%的AI产业生态将基于开放式模型构建，开源将从“可选项”变为“必选项”。

在PC与互联网时代，“WinTel联盟”（Windows操作系统与Intel芯片）定义了全球信息产业的底层架构。徐勇尖锐地指出，在AI时代，这一架构已演变为“NV+OpenAI联盟”（英伟达GPU与OpenAI等大模型）。英伟达凭借其CUDA生态，在AI算力领域建立了近乎垄断的地位，其市值一度超越德国GDP的体量，凸显了硬件与软件生态结合所释放的惊人力量。然而，这种高度集中的生态对中国而言，意味着潜在的战略风险——“面临着人家断供，高端芯片不给你”。

因此，中国开源AI发展的首要命题，并非简单的模型开源，而是构建一套完整的底层技术栈。这其中，硬件生态的统一是比模型开源更为基础和紧迫的挑战。与美国的“单一生态”（CUDA）不同，中国涌现了“十家左右”的GPU厂商，如摩尔线程、沐曦、寒武纪、海光、昆仑芯等。

这些厂商技术路线各异，有“英伟达派、AMD派，还有自创本土派”，徐勇进一步指出，“如果缺乏统一的技术标准，将导致开发者、产业界和运维层面陷入‘各自为战’的困境，无法形成合力。”

“天下一统”的趋势在2025年已经开始，以具身智能领域为例，其领域的“软硬件结合+大模型”开源已经成为新趋势。国内摩尔线程、沐曦等厂商通过开源MUSA生态兼容CUDA，已在Gitee发布4类16个仓库、200万行代码，吸引1000+生态伙伴加入“完美生态联盟”。

Gartner预测，到2027年，这种开源兼容策略将帮助国产AI芯片实现40%的市场份额目标。

进一步来看，徐勇认为，解决这一问题的核心在于 “要长出一个自己中国版的CUDA” ，即建立一套所有国产GPU共同遵守的软件生态体系。这正是开源中国发起“模力方舟社区”的战略意图。据悉，该平台旨在连接各家国产GPU厂商，并为其适配海量的开源模型与数据集，目标是让开发者和企业“不用考虑底层特殊差异”，使开源模型能在国产算力上顺畅运行。这并非单纯的技术适配，而是一场旨在打破算力壁垒、推动国产硬件形成统一接口的生态运动。其成功与否，直接关系到中国AI产业能否在基础层摆脱对外部单一技术的依赖，实现真正的自主可控。

与此同时，中国的开源产业也在这个过程中，呈现出了与以往不同的趋势。对此，中国信通院总工程师魏然表示，当前中国开源产业呈现三大显著特征：供给端实现“量质齐升”，关键技术领域实现突破性进展；需求端深化“融合应用”，传统行业积极开启治理升级；生态端完善“标准引领”，多方协同筑牢发展根基。

从技术维度看，人工智能已经成为我国开源创新最活跃的领域。对此，徐勇表示，开源中国的策略是“紧跟随、轻投入”。“在技术演进的时候，一定要紧密跟随，审慎投入。待技术成熟与产业落点明确时，再快速加大投入，以成熟的技术去改变行业，避免前期投入被模型迭代快速‘吞没’。”徐勇指出。

开源AI商业化的中国式务实

与硬件生态的积极构建形成鲜明对比的，是中国AI产业在应用侧面临的严峻现实：算力严重过剩与规模化商业应用的艰难。这是一个颇具讽刺意味的矛盾：一方面，国家与企业投入巨资建设算力基础设施；另一方面，这些算力却难以找到有价值的应用场景，无法转化为实际生产力。

据了解，某头部互联网大厂用用超过380万张GPU卡，但使用量不到三成。究其原因，是找不到应用场景。当前的大模型推理（如聊天问答）消耗的算力与庞大的基础设施投入相比微不足道，而能够消耗巨量算力、产生商业价值的“杀手级”企业应用尚未大规模涌现。

2025年，在DeepSeek的带动下，众多金融机构和央企曾仓促上马AI项目，采购了很多一体机产品。但徐勇通过调研发现，这些项目大多发展的并不好，对业务并没有起到实质性的帮助，甚至有些一体机买回来就“吃灰”了。这一现象揭示了AI落地中普遍存在的误区：对技术期望过高，但缺乏与真实业务场景的深度融合。

在此背景下，中国开源AI的发展路径呈现出一种鲜明的 “务实主义” 特征。徐勇清晰地划分了AI产业的参与层次：

• 第一层是基础大模型，其入门门槛极高，无论是人才上的投入，还是硬件设备上的投入，都是巨大的，徐勇认为，这个领域将高度集中，中国最终可能只会剩下3个继续“炼丹”玩家。
• 第二层是垂直领域模型。在这一层，徐勇认为，企业需要利用开源基座模型，结合特定行业的领域知识（Domain Knowledge）进行微调。这是比较务实且可行的路径。
• 第三层是智能体开发层。这一层可直接基于开源大模型的能力，开发上层应用，门槛最低。

对于绝大多数企业而言，真正的机会在于第二、三层。徐勇强烈认同“业务+AI”，而非“AI+业务”的模式。成功的案例并非来自从零开始的AI公司，而是来自像同花顺、恒生电子这样深耕证券行业数十年的企业。它们将AI能力融入已有的业务场景进行升维，其深厚的领域知识是外来纯AI公司难以短期逾越的壁垒。徐勇断言：“凡是想从AI到业务的公司都不成立。”

这种务实态度也体现在对“低代码+AI”等热门概念的冷静审视上。在徐勇看来，低代码本身有其局限性，“没有一个放之四海皆好用的低代码产品，与AI的结合也仅能覆盖部分场景”，徐勇如是说。这反映了中国产业界在经历概念炒作泡沫后，开始回归商业本质：技术必须能解决真实问题、带来可衡量的回报。

开源AI的价值，不在于其技术本身的“酷炫”，而在于能否降低企业利用先进技术的门槛，赋能千行百业，将过剩的算力转化为切实的生产力。开源中国打造的“AI应用市场”，正是这种思路的实践——提供算力、模型、工具的一站式平台，让开发者能聚焦于应用创新本身。

展望未来，中国开源AI的成功，不取决于是否能诞生另一个OpenAI，而在于能否培育出一个能将全球开源智慧与中国庞大应用市场深度融合，并能持续反哺全球的繁荣生态。这不仅是技术问题，更是一场关于产业组织、创新文化和国际协作的深刻考验。正如徐勇所言，生态的繁荣如同“原始森林”，需要时间、多样性与复杂的共生关系。中国开源AI的森林，正在播种与生长之中，它的最终样貌，将决定中国在全球智能时代的话语权与竞争力。（本文作者｜张申宇，编辑丨盖虹达）