文 | 科技新知，作者丨茯神，編輯丨思原

當科技巨頭們紛紛打開 " 技術(shù)黑箱 "，將核心 AI 模型像樂高積木般拆解、共享時，一場靜默卻激烈的產(chǎn)業(yè)革命已然拉開帷幕。

剛剛過去不久的 9 月，阿里、騰訊、百度等大廠幾乎同步將核心模型開源，這一動作如同在 AI 產(chǎn)業(yè)投下一顆深水炸彈，漣漪迅速擴散至技術(shù)、商業(yè)與產(chǎn)業(yè)生態(tài)的各個層面。進入 10 月，公開數(shù)據(jù)顯示，來自中國的開源大模型已經(jīng)牢牢占據(jù)榜單前五。

這場變革的底層邏輯，在于破解人工智能發(fā)展中的 " 復(fù)雜性陷阱 "。當多模態(tài)交互、3D 建模、代碼生成等需求呈指數(shù)級增長時，單一企業(yè)的研發(fā)投入已難以覆蓋所有技術(shù)分支。開源模式通過分布式創(chuàng)新，將全球開發(fā)者群體轉(zhuǎn)化為 " 研發(fā)外延團隊 "，既填補了技術(shù)空白，又通過真實場景反饋加速模型迭代。

" 開源是數(shù)字世界的路和橋，AI 則像是水和電。"CSDN 創(chuàng)始人蔣濤在 2025 全球開源創(chuàng)新匯上的論斷，精準道破了這場變革的本質(zhì)。而看似免費的技術(shù)共享背后，是大廠對生態(tài)控制權(quán)的精密布局，更是中國 AI 從技術(shù)跟跑到規(guī)則制定的戰(zhàn)略突圍。

破解 " 復(fù)雜性陷阱 "

深度學(xué)習(xí)先驅(qū)吳恩達曾警示：" 現(xiàn)代 AI 系統(tǒng)的復(fù)雜程度，正在超越任何單一組織的掌控極限。" 這句話道出了當下 AI 發(fā)展的核心困境。人工智能的 " 復(fù)雜性陷阱 " 在多模態(tài)時代愈演愈烈，其復(fù)雜性的指數(shù)級增長正使單一企業(yè)面臨前所未有的研發(fā)困境。

多模態(tài)交互、3D 建模、代碼生成等前沿領(lǐng)域的技術(shù)分支逐漸擴散，研發(fā)成本與知識壁壘的疊加效應(yīng)，使得集中式研發(fā)模式逐漸失效。例如，谷歌 Veo、OpenAI 的 Sora Pro 等先進模型需支持 4K 分辨率、120 秒以上時長視頻生成，時序連貫性評分需達到 4.8/5 的專業(yè)水準，技術(shù)難度呈指數(shù)級增長。

普林斯頓大學(xué)的研究，也揭示了機器學(xué)習(xí)模型的 " 復(fù)雜性悖論 "：模型復(fù)雜性與性能之間并非簡單的線性關(guān)系，當參數(shù)數(shù)量超過訓(xùn)練數(shù)據(jù)量的特定比例時，性能反而下降。這種復(fù)雜性管理問題使得傳統(tǒng)軟件開發(fā)標準與 AI 技術(shù)需求產(chǎn)生嚴重不匹配，特別是在可管理性、透明性和問責(zé)制方面。

開源模式的效能優(yōu)勢體現(xiàn)在研發(fā)效率提升和創(chuàng)新能力增強兩個方面。根據(jù) MLCommons 2025 年能效評估報告，采用動態(tài)路由 MoE 架構(gòu)的 AI 模型，推理能耗可降低 42%。DeepSeek-R1 通過 FP8 混合精度訓(xùn)練技術(shù)，將視頻生成的能耗降低 30% 以上，顯著提高了技術(shù)普及的可持續(xù)性。

另外，工業(yè)和信息化部的數(shù)據(jù)顯示，中國已成為全球開源參與者數(shù)量排名第二、增長速度最快的國家，軟件開發(fā)者數(shù)量突破 940 萬。這種規(guī)?；拈_發(fā)者生態(tài)，形成了事實上的分布式研發(fā)網(wǎng)絡(luò)。

國內(nèi)互聯(lián)網(wǎng)大廠中，阿里云的 " 模型矩陣 + 社區(qū)迭代 " 模式極具代表性。其 Qwen3 系列構(gòu)建起覆蓋文本、圖像、音頻、視頻的 300 余個開源模型矩陣，截至 2025 年 9 月累計下載量已突破 6 億次，衍生出 17 萬個細分場景模型，相當于為每個行業(yè)賽道配備了專屬技術(shù)攻堅隊。

騰訊的精準開源策略則展現(xiàn)了垂直賽道的破局智慧。面向游戲開發(fā)的混元 3D-Omni 模型，自公布之日起就在開發(fā)者社區(qū)引發(fā)連鎖反應(yīng)。有獨立游戲工作室負責(zé)人分享道：" 過去制作高質(zhì)量角色模型需要專業(yè)團隊耗時數(shù)月，現(xiàn)在調(diào)用開源接口配合社區(qū)插件庫，美工新手也能快速生成次世代資產(chǎn)。"

開放式創(chuàng)新帶來的不僅是效率提升，更是認知邊界的突破。正如 Linux 基金會執(zhí)行董事吉姆 · 澤姆林所言：" 真正的技術(shù)創(chuàng)新往往誕生于跨界碰撞的裂縫之中。"

從 " 賣錘子 " 到 " 打地基 "

技術(shù)上的分布式創(chuàng)新，正倒逼商業(yè)邏輯發(fā)生根本性變革。

傳統(tǒng) AI 商業(yè)模式的困境在于 " 技術(shù)授權(quán) " 的線性增長邏輯。過去，企業(yè)通過銷售 API 接口或模型授權(quán)獲取收益，但這種模式面臨兩個致命問題：一是客戶黏性低（開發(fā)者可能隨時切換供應(yīng)商），二是利潤空間被壓縮（頭部客戶議價能力強）。而開源模式通過 " 免費核心 + 增值服務(wù) " 的組合，重構(gòu)了傳統(tǒng)商業(yè)邏輯。

據(jù)麥肯錫的調(diào)研顯示，企業(yè)用戶愿意為完整解決方案支付的費用，是 " 賣錘子 " 式的單純技術(shù)授權(quán)費的 7 倍以上。洞察到此趨勢的大廠們，紛紛轉(zhuǎn)向 " 打地基 " 式的生態(tài)運營。這也重構(gòu)了大廠開源模型的真正利潤來源。

API 調(diào)用收入是第一個利潤池。雖然當前 Token 調(diào)用收入在各家云廠商收入大盤中占比很小，但 Token 消耗量正在以 10 倍、100 倍的速度快速增長。中國某頭部云廠商的測算顯示，一些頭部云廠商的 Token 調(diào)用收入未來幾年可能增長到 40 億 -70 億元。

專屬算力租賃是第二個利潤池。當企業(yè)使用開源模型后，隨著應(yīng)用規(guī)模擴大，自然需要更多算力支持。例如百度走的軟硬協(xié)同路線，將自研昆侖芯算力與優(yōu)化后的視覺模型搭檔銷售，在政務(wù)、金融等對穩(wěn)定性敏感的場景建立壁壘。

定制化解決方案是第三個也是最大的利潤池。今年 4 月，百度就與格靈深瞳聯(lián)手構(gòu)建 " 端 - 邊 - 云 " 一體化算力網(wǎng)絡(luò)，共同推出了 " 政務(wù) AI 數(shù)字員工 " 解決方案進行規(guī)?；涞亍?/p>

2025 財年，阿里云營收 1180 億元，增速重回兩位數(shù)增長達到 11%。阿里集團 CEO 吳泳銘在投資者電話會中明確表示，阿里云的增長主要得益于 AI 相關(guān)需求，AI 相關(guān)業(yè)務(wù)已連續(xù)七個季度實現(xiàn) 100% 以上增長。

在將 Qwen 大模型打造成 " 模型超市 " 后，阿里云免費提供基礎(chǔ)版本的同時，構(gòu)建起包含數(shù)據(jù)標注、模型訓(xùn)練、部署優(yōu)化的全鏈條服務(wù)體系。這種 " 前端引流 + 后端變現(xiàn) " 的模式成效顯著：使用免費模型的企業(yè)，往往會因業(yè)務(wù)擴展需求升級至付費的企業(yè)版；而當模型復(fù)雜度超出自身運維能力時，自然會轉(zhuǎn)向阿里云提供的托管服務(wù)。

一位阿里云高管總結(jié)道：" 阿里云目前的態(tài)度是，一方面積極擁抱和推動 Token 調(diào)用模式的增長；另一方面也通過‘全棧 AI ’的能力，去滿足客戶不同層次、不同形態(tài)的多樣化需求，以此確保自己在市場變化時，仍然可以保持優(yōu)勢。"

看似免費的開源模型，實則是大廠構(gòu)建生態(tài)護城河的秘密武器。當中小企業(yè)享受著開源模型帶來的降本增效時，大廠也正悄然掌控著整個 AI 產(chǎn)業(yè)生態(tài)的制高點。

產(chǎn)業(yè)末梢的卡位戰(zhàn)

真正決定產(chǎn)業(yè)高度的，從來不是金字塔尖的巨擘，而是塔基處的點滴。

開源 AI 浪潮不僅是大廠的競爭游戲，更是中小企業(yè)的生存革命。對于資源有限的中小企業(yè)而言，這意味著他們無需從零開始研發(fā)大模型，就能以較低成本獲得先進的 AI 能力。數(shù)據(jù)顯示，全球 94.57% 的企業(yè)正在使用開源軟件，其中中小企業(yè)占比達 45.12%。相比商業(yè)軟件年均 3-5 萬美元的訂閱費用，開源軟件為企業(yè)節(jié)省 90% 的軟件采購成本。

江西景德鎮(zhèn)一家煤化工企業(yè)通過數(shù)字化手段，將工藝知識圖譜與人工智能大模型深度融合，打造出煤化工行業(yè)專屬大模型，將 20 位老師傅 40 年經(jīng)驗轉(zhuǎn)化為 3.6 萬條知識圖譜節(jié)點，使產(chǎn)品合格率從 82% 提升至 95% 以上。

百度推出的輕量級文字識別模型 PP-OCRv5，僅 0.07B 參數(shù)卻在多項測試中媲美 7B 參數(shù)模型，為教育行業(yè)的試卷批改、醫(yī)療行業(yè)的病歷數(shù)字化提供了低門檻解決方案。

這些微觀案例共同勾勒出開源的產(chǎn)業(yè)價值：不僅是大廠爭奪生態(tài)位的武器，更是激活經(jīng)濟末梢的數(shù)字基建。中小企業(yè)通過開源實現(xiàn)的技術(shù)躍遷，最終將反哺大廠生態(tài)的豐富度與穩(wěn)定性，形成產(chǎn)業(yè)共生的良性循環(huán)。

變革的底層邏輯，是開源模型降低了技術(shù)應(yīng)用的 " 啟動成本 "。更深遠的影響在于，開源正在重塑中小企業(yè)的生存法則。過去，技術(shù)門檻是初創(chuàng)企業(yè)的 " 死亡谷 "，而現(xiàn)在，開源模型成為其跨越鴻溝的 " 數(shù)字橋梁 "。

當開源的水和電滲透到農(nóng)業(yè)大棚的監(jiān)控設(shè)備、制造車間的質(zhì)檢鏡頭、養(yǎng)老院的陪伴機器人，當千萬級別規(guī)模的開發(fā)者在同一生態(tài)中協(xié)同創(chuàng)新，一個由中國力量引領(lǐng)的 AI 新秩序，正在產(chǎn)業(yè)實踐的土壤中悄然生長。開源讓 AI 競爭從 " 單點技術(shù)戰(zhàn) " 變成 " 生態(tài)持久戰(zhàn) "，誰能激活產(chǎn)業(yè)末梢，誰就能贏得未來。

而對于互聯(lián)網(wǎng)大廠來說，大模型本身不是護城河，生態(tài)才是。尤其是在 " 模型能力高度趨同 " 的今天，誰能先構(gòu)建起一整套 " 可調(diào)用、可調(diào)優(yōu)、可部署 " 的模型體系，誰就掌握了議價權(quán)。更進一步看，開源其實也是降低競爭焦慮的一種方式。把基礎(chǔ)層共享出去，大家比拼的不是 " 參數(shù)數(shù)值 "，而是 " 產(chǎn)業(yè)落地能力 "。這反而讓真正有工程能力和行業(yè)經(jīng)驗的廠商有了更多主導(dǎo)權(quán)。

凱文 · 凱利在《失控》中的預(yù)言將再次被驗證：" 未來屬于那些善于培育生態(tài)系統(tǒng)的人。"

參考資料：

零態(tài) LT，《大模型的盡頭是開源》

CSDN，《2025 全球開源發(fā)展報告》

虎嗅，《大模型全開源了，那到底咋掙錢??？》

量子位，《開源模型 TOP5，被中國廠商包圓了》