2025年成为人工智能领域内开源发展的重大转折点。此前，先进的AI创新——尤其是前沿AI模型的创新——往往依托专有系统实现。而今年1月份的标志性事件，彻底重塑了这一传统模式：中国发布DeepSeek并随即宣布开源。凭借突破性的高性能，DeepSeek被评价为“震撼全球”，也迅速展现出开源在承载最先进AI功能上的巨大潜力。其直接引发的市场连锁反应尤为显著：英伟达股价一度下跌17%，不过该公司随后已重回全球最有价值公司的位置。
这一事件充分印证了开源作为“增力器”的价值，更是“共享创意加速创新”理念的生动体现，并迅速引发了一个新趋势——每隔几周就有新的高性能开源AI模型问世。面对这一转变，即便是OpenAI的萨姆·奥尔特曼（Sam Altman）这样的科技领军者，也公开对过往战略表达了反思：“也许我们（在开源方面）一直站在了历史的错误一边”。随后，OpenAI宣布将于今年晚些时候发布自有开源模型。与此同时，Meta（PyTorch深度学习框架和LLaMA大模型的创造者）等知名机构持续引领着美国开源AI发展，也印证了该领域的持续创新活力。在中国，对开源在AI基础设施中的作用已形成普遍共识，最具代表性的评价来自李开复（Kai-Fu Lee）：“开源就是赢家”。事实上，近几个月来，开源AI模型在性能评估方面已经迅速赶上了领先的专有前沿模型。
持久的实力：从历史和战略视角看开源
以最近的DeepSeek为例的开源AI的成功，并非孤立的反常现象，而是科技行业对开源长期战略投资成果的集中体现。对于深谙该领域的人来说，这一趋势与其说是意外，不如说是行业长期押注开源的自然演变。
开源当前的主导地位可追溯至数十年前的积累：20世纪90年代的开创期，IBM、红帽等公司就开始用开源方案替代专有技术方案，这类开拓者为开源发展奠定了重要基础；21世纪初的投资热潮期，数十亿美元的资金大量涌入开源企业和初创公司，进一步巩固了开源的商业可行性；而在当前的领先期，开源已在人工智能、电信、汽车等众多领域处于创新前沿阵地。
中国对开源运动的突出贡献尤其值得注意，中国的积极投入也很好地解释了DeepSeek并非完全“凭空出现”。二十多年来，中国在开源的投资和采用上一直表现出坚定的拥抱态度：
早在20世纪90年代就开启了开源应用；阿里巴巴、腾讯和华为等大型中国科技企业已经成为开源云技术和其他先进技术解决方案的领先贡献者和使用者；同时，中国在各地积极鼓励广泛使用开源，通过借鉴国际经验促进创新。开源技术的基本特征是免费可获得性和公共性，允许任何人“自由地查看和使用开源”，这种固有的可获得性正是开源能产生创新加速效应的基础。
一个重要的历史教训更凸显了拥抱开源的战略必要性：历史上那些逆开源大潮而行、试图固守专有技术的公司，通常都以不太好的结果告终。这类组织往往面临两种结局——要么被低价收购，要么直接倒闭；即便勉强逃脱被收购的命运而艰难生存下来的公司，也被迫大刀阔斧调整其核心战略。微软便是完成这种变革性转身的典型例子：该公司最初是开源的批评者和反对者。而在萨提亚·纳德拉（Satya Nadella）的领导下，微软经历了深刻的战略转折，最终演变成全球最支持开源的公司之一，也是开源项目的领先贡献者。微软的案例以正面实践印证了“反对开源通常是个坏主意”。
开源具备无与伦比的经济和实用价值
开源在推动技术创新上的压倒性实力，源于其巨大的经济价值。哈佛商学院参与的一项合作研究通过量化开源的需求侧价值证明了这一点：假设有人想购买当前全球范围内用于开发技术产品和服务的所有开源组件，总成本将高达9万亿美元。这个惊人的数字直接揭示了开源的强大底气——它提供了“免费可用的高质量软件”，成为构建先进技术解决方案的基础。
开源与现代技术的结合广泛而深入。所有现代技术产品和服务中，70%都由开源元素组成。这种普及性极大简化了工程师和组织的开发流程：开发人员通常从选择开源框架启动项目，随后借助NPM、RubyGems等平台上现成的开源组件和库解决常见技术难题；而通过集成这些预构建的高质量开源模块，开发团队得以将精力集中在“对客户或用户至关重要的一小部分代码”上，从而更高效地分配资源，实现差异化功能和独特价值主张。
对企业来说，开源的战略效益同样显著：其一，大幅节省成本——无需从头开发通用的基础设施，由此可节省的基础设施成本对应前述9万亿美元；其二，强化以客户为中心——企业和个人能优先聚焦与客户、用户直接相关的功能特性，并通过直接参与开源获得独特的需求洞察；其三，借助社区智慧——底层基础设施由全球开源社区开发和维护，企业则可以直接享受开源社区在构建高效和健壮解决方案时积累的集体专业知识。
面向AI时代，培育可持续发展的开源生态
虽然开放源代码是至关重要的第一步，但要实现持久的成功，仅凭这一步“还不够”。像Kubernetes、Node.js和Linux这类最具影响力和韧性的开源项目，其成功绝不仅依赖单纯的源代码可用性——唯有围绕开源培育出一个充满活力且结构完善的社区，开源的真正力量才能被释放。
对于开源项目而言，要想真正蓬勃发展，尤其是在当前“开源AI时刻”，需在几方面积极投入：
建设强大的社区：这需要深度参与且多元化的团体支撑，包括积极推动项目发展的贡献者、用户和倡导者；
建立清晰的治理：明确定义用于决策、代码贡献和冲突解决的结构与流程，确保项目长期稳定和方向可控；
完善开发者参与机制：制定能吸引和整合新开发者的有效策略，培育“集体动力”和持续创新。
如果没有这些关键要素，即便项目初始代码充满潜力，也可能陷入停滞。这背后的核心原则是：“只有围绕开源建立社区，开源才能真正发挥作用”。
开源对AI发展的战略意义：成本、创新和应用层
开源对AI的经济影响深远且兼具战略优势。在AI发展中，开源显然“赢在了基础设施层”，而这一优势能惠及整个生态系统——它通过提供高质量、免费可用的基础组件，显著降低AI基础设施开发和部署的成本负担；在实现了基础设施成本最小化后，资源和投资可重新分配到应用层，这正是开源为最终用户创造可感知价值的地方。应用层涵盖自动驾驶汽车、先进的药物发现平台、智慧城市项目和交互式聊天机器人等关键解决方案，这些应用是消费者和企业最终购买使用的产品，因此应用层的创新至关重要。这种能在更高层面加大投入的特性，与“现代产品中70%为开源组件”的价值逻辑相通，也是开源对AI发展不可或缺的关键原因。
下一个前沿：智能体AI与开放标准的出现
除了基础大模型，当前正涌现一个塑造开源AI未来的重要新趋势——智能体AI。LLM虽然能通过聊天机器人等接口提供“智能”能力，但AI智能体才是连接LLM与“实际任务和系统”的关键桥梁。这一领域还在不断演变，且已在美国和中国都取得了实质性进展，创新者们正积极探索AI智能体的部署方法。
要迅速普及AI智能体，首先需要在标准化和开源落地参考方面取得突破。业界需要达成统一的协议和框架，具体包括：促进智能体与各类企业系统之间无缝交互的智能体-服务连接机制；保障AI智能体安全可靠运行的安全框架；为智能体代码库管理和访问提供统一标准的代码库标准化方案。
随着这类需求的日益增长，预计将催生聚焦智能体AI工具和标准的全新“开源生态系统”。而通过开源实现标准化的好处将非常显著：能进一步降低智能体部署的成本门槛；缩短新智能体应用程序的开发周期；推动更加“透明、安全且有效”的智能体研发，帮助用户完成多样化任务。
为响应这些需求，目前已有多个关键开源项目在推进中：Anthropic开发的模型上下文协议（Model Context Protocol，简称MCP）完全开源，作为连接AI技术与企业基础设施（包括数据库和CRM工具）的主要协议，正迅速获得关注，其背后的新兴生态系统已得到OpenAI、GitHub和Google等主要参与者支持；Google推出的A2A协议（Agent2Agent Protocol）聚焦智能体之间的通信，与MCP这类提供智能体与服务器基础设施之间通信的协议等解决方案形成差异化定位；思科的Agency项目则致力于打造“面向智能体的DockerHub风格开源代码集”，为智能体代码的分发和管理提供标准化框架。
这些开源项目的进展印证了“在人工智能领域的开源才刚刚起步”。尽管基础设施层已取得了重大进展，但在开放数据等领域仍需持续投入。未来一段时间，围绕AI智能体的新全栈生态有望成型，而今年内也可能涌现更多超出预期的创新。
我们能清晰看到，在当前AI创新蓬勃发展的背后，开源绝非单纯的推动因素，而是核心源动力。从开源LLM带来的颠覆性影响，到全球技术领先者的长期战略投入，开源已充分证明：在加速开发、普惠尖端技术、促进协同进步等方面，它具备无可比拟的能力。开源巨大的经济价值和广泛的集成效益，更凸显了它在现代科技领域的不可或缺。
随着AI不断发展——尤其是行业迈向AI智能体这一复杂领域，开源在建立必要标准、降低成本以及确保解决方案开发透明、安全和有效等方面，仍将发挥关键价值。未来，AI发展将与开源范式日益深度交织融合，相互赋能，这不仅会释放出更庞大的技术潜能，更将持续驱动技术快速迭代，催生出更多变革性应用。
清空
