噫吁嚱！

那個(gè)昔日叱咤風(fēng)云的開源框架——TensorFlow，已然是行將就木了。

如此斷言并非空穴來(lái)風(fēng)，而是根據(jù)一份冷靜的數(shù)據(jù)洞察所得出的結(jié)論。

一個(gè)十年的時(shí)間，TensorFlow的社區(qū)活躍度，有過(guò)巔峰，但后來(lái)卻不可逆轉(zhuǎn)地一路下跌至最低谷，甚至還不及出道之際。

而與之形成鮮明對(duì)比的，卻是另一條高歌猛進(jìn)的紅色曲線——PyTorch。

這便是螞蟻開源技術(shù)委員會(huì)副主席王旭，在剛剛過(guò)去的外灘大會(huì)中給出的令人唏噓不已的趨勢(shì)分析。

△螞蟻開源技術(shù)委員會(huì)副主席，王旭

也正因如此，在螞蟻開源最新發(fā)布的一張《大模型開源開發(fā)生態(tài)全景圖2.0》中，TensorFlow已經(jīng)被正式除名。

如果說(shuō)TensorFlow的發(fā)展軌跡，是AI開源技術(shù)浪潮更迭的一個(gè)縮影，那么十年時(shí)間，或許對(duì)于它的衰敗來(lái)說(shuō)已經(jīng)顯得有些溫柔了。

因?yàn)槲覀儚倪@張全景圖中發(fā)現(xiàn)，開源項(xiàng)目的興衰交替不能再按“年”來(lái)度量，它的計(jì)量單位已經(jīng)變成了“天”。

僅僅100天，開源世界大變天

為什么這么說(shuō)？

因?yàn)樵?月27日的螞蟻技術(shù)日上這張全景圖1.0版本就已經(jīng)亮相。

而僅僅時(shí)隔100天，全景圖里就有不少的“玩家”已經(jīng)慘遭出局（下圖灰色）的部分：

要理解這些變化，我們首先需要了解這份全景圖的構(gòu)建方法。

根據(jù)王旭的介紹，它并非基于少數(shù)專家的經(jīng)驗(yàn)判斷，而是一個(gè)數(shù)據(jù)驅(qū)動(dòng)的項(xiàng)目，其核心是名為OpenRank的影響力評(píng)估算法。

OpenRank類似于網(wǎng)頁(yè)排名領(lǐng)域的PageRank算法，但應(yīng)用于開源社區(qū)；它通過(guò)分析項(xiàng)目與項(xiàng)目、開發(fā)者與開發(fā)者之間的協(xié)作關(guān)聯(lián)網(wǎng)絡(luò)，體現(xiàn)項(xiàng)目的活躍影響力和開發(fā)者的活躍貢獻(xiàn)度。

一個(gè)項(xiàng)目的影響力，取決于與之關(guān)聯(lián)的其他項(xiàng)目及開發(fā)者的影響力。這套算法為評(píng)估開源生態(tài)提供了一個(gè)相對(duì)客觀的宏觀視角。

不過(guò)在2.0版本中，螞蟻開源團(tuán)隊(duì)對(duì)研究方法也進(jìn)行了升級(jí)——

直接拉取GitHub當(dāng)月全域項(xiàng)目的OpenRank排名，并設(shè)定“OpenRank > 50”的準(zhǔn)入門檻，篩選出屬于大模型生態(tài)的項(xiàng)目。

這一方法論的調(diào)整，可以說(shuō)是給版圖帶來(lái)了較為明顯的變化；與1.0版本相比，新版圖中更新了39個(gè)項(xiàng)目，替換率達(dá)到35%，同時(shí)有60個(gè)原有項(xiàng)目被移出。

王旭認(rèn)為，在迭代周期極快的AI領(lǐng)域，這種幅度的變化是在預(yù)期內(nèi)的。

那么具體什么樣的開源項(xiàng)目會(huì)被除名呢？

首先就是短期熱點(diǎn)型項(xiàng)目。

例如3月份因Manus熱潮而出現(xiàn)的開源復(fù)刻項(xiàng)目OpenManus和OWL，隨著熱點(diǎn)消退，其社區(qū)活躍度未能持續(xù)，在新標(biāo)準(zhǔn)下被移出。這類項(xiàng)目的生命周期往往較短，符合“黑客松”式開發(fā)的特征。

其次是迭代速度落后的項(xiàng)目。

NextChat作為早期流行的大模型客戶端應(yīng)用，在后續(xù)的版本迭代和新功能跟進(jìn)上，慢于Cherry Studio、LobeChat等新興項(xiàng)目，導(dǎo)致用戶和開發(fā)者流失，活躍度下降。

最后就是同生態(tài)位競(jìng)爭(zhēng)中的落后者。

在端側(cè)模型部署領(lǐng)域，MLC-LLM和GPT4All曾是備受關(guān)注的工具。然而，Ollama憑借其更完善的生態(tài)和用戶體驗(yàn)，逐漸占據(jù)了該生態(tài)位的主導(dǎo)地位，導(dǎo)致前兩者活躍度相對(duì)不足。

AI開源生態(tài)競(jìng)爭(zhēng)的激烈程度，可見一斑。

△正在步入“AI 墓園”路上的項(xiàng)目

其中的原因也是多樣，括技術(shù)熱點(diǎn)轉(zhuǎn)移、產(chǎn)品迭代滯后，或在直接競(jìng)爭(zhēng)中處于下風(fēng)；這表明，在當(dāng)前環(huán)境下，持續(xù)的技術(shù)創(chuàng)新和社區(qū)運(yùn)營(yíng)才是維持開源項(xiàng)目生命力的關(guān)鍵。

但項(xiàng)目進(jìn)出全景圖的變化也僅僅是一個(gè)表象，我們還從中觀察到一個(gè)更深層次的趨勢(shì)——

開源本身的定義和運(yùn)作模式，正在發(fā)生演變。

新范式：開源被重新定義

開源這一概念的內(nèi)涵，在當(dāng)前的AI時(shí)代下，可以說(shuō)是正在變得更加復(fù)雜。

若是觀察2.0版圖中最活躍的Top 10項(xiàng)目列表，就不難發(fā)現(xiàn)一個(gè)現(xiàn)象：部分高活躍度項(xiàng)目并未采用OSI（Open Source Initiative）批準(zhǔn)的標(biāo)準(zhǔn)開源許可證：

• Dify（第四名）：其許可證在Apache 2.0基礎(chǔ)上增加了對(duì)多租戶使用的限制和對(duì)品牌Logo的保護(hù)條款。
• Cherry Studio（第七名）：采用根據(jù)用戶組織規(guī)模而定的雙許可模式，對(duì)超過(guò)特定規(guī)模的團(tuán)隊(duì)要求商業(yè)授權(quán)。
• n8n（第九名）：采用了其自行提出的“Sustainable Use License”，對(duì)商業(yè)分發(fā)進(jìn)行了限制。

王旭對(duì)此評(píng)論道：

雖然從嚴(yán)格的許可證定義上看，這些修改使其偏離了標(biāo)準(zhǔn)，但從產(chǎn)業(yè)生態(tài)的角度看，這種做法或許有助于實(shí)現(xiàn)更均衡的利益分配，從而保障生態(tài)的長(zhǎng)期健康發(fā)展。

但這一現(xiàn)象背后，更反映出的是兩個(gè)非常值得關(guān)注的范式轉(zhuǎn)變。

首先就是開源的運(yùn)營(yíng)屬性增強(qiáng)，GitHub成為GTM（Go-to-Market）的重要渠道。

GitHub的功能正在超越單純的代碼托管與協(xié)作，逐漸演變?yōu)橐粋€(gè)集產(chǎn)品發(fā)布、用戶反饋、社區(qū)營(yíng)銷于一體的綜合性平臺(tái)。

許多商業(yè)產(chǎn)品，即便是閉源的（如Cursor、Claude-Code），也在GitHub上維持著活躍的社區(qū)，將其作為與用戶互動(dòng)、收集反饋和進(jìn)行市場(chǎng)推廣的核心渠道。

在此背景下，開源本身成為了一種重要的GTM（Go-to-Market）戰(zhàn)略。一個(gè)項(xiàng)目是否100%代碼開放的重要性在相對(duì)下降，而其社區(qū)活躍度（如星標(biāo)、Issue、PR等）則成為衡量其產(chǎn)品活力和市場(chǎng)接受度的重要指標(biāo)。

其次就是在“社區(qū)開放”與“商業(yè)利益”間尋求新平衡。

新一代的AI開源項(xiàng)目，它們的商業(yè)化訴求從項(xiàng)目初期就非常明確，通過(guò)定制化的許可證條款，試圖在享受開源帶來(lái)的社區(qū)生態(tài)紅利與保護(hù)核心商業(yè)利益之間找到一個(gè)平衡點(diǎn)。

例如，Dify對(duì)多租戶的限制，意在規(guī)范云服務(wù)商基于其項(xiàng)目的SaaS化服務(wù)；n8n的許可證則直接將用戶引向其商業(yè)化路徑。這種“源碼可用，但商用受限”的模式，正在被越來(lái)越多的項(xiàng)目所采納。

雖然這挑戰(zhàn)了傳統(tǒng)開源關(guān)于非歧視性的原則，但在商業(yè)化落地需求迫切的當(dāng)下，這種務(wù)實(shí)的做法可能代表了一種新的發(fā)展方向。

總而言之，開源的定義正在演變，其商業(yè)價(jià)值的實(shí)現(xiàn)路徑也更加直接。

新戰(zhàn)場(chǎng)：從框架之爭(zhēng)到性能為王

如果說(shuō)生態(tài)發(fā)展的1.0階段是圍繞功能實(shí)現(xiàn)的廣泛探索，那么2.0階段的競(jìng)爭(zhēng)焦點(diǎn)則明顯發(fā)生了轉(zhuǎn)移。

技術(shù)領(lǐng)域發(fā)展趨勢(shì)圖，就非常直觀地反映了這一點(diǎn)：

• Agent Framework（智能體框架）領(lǐng)域：整體活躍度呈下降趨勢(shì)。一些早期代表性項(xiàng)目，如LangChain、LlamaIndex、AutoGen，社區(qū)活躍度有所回落。
• Model Serving（模型服務(wù)）和AI Coding（AI編程）領(lǐng)域：呈現(xiàn)出顯著的增長(zhǎng)態(tài)勢(shì)。

這一升一降的背后，是AI產(chǎn)業(yè)從探索期向工程落地期過(guò)渡的體現(xiàn)。

首先是生態(tài)正在從探索期邁向工程落地期。

Agent框架的活躍度下降，并不代表其理念的失敗，而是市場(chǎng)在經(jīng)歷早期廣泛探索后，開始進(jìn)入理性篩選階段。早期的通用框架證明了構(gòu)建Agent的可行性，但在實(shí)際部署中，開發(fā)者遇到了性能、穩(wěn)定性和成本等工程化挑戰(zhàn)。

因此，市場(chǎng)的關(guān)注點(diǎn)正從“能否實(shí)現(xiàn)”轉(zhuǎn)向“能否高效、經(jīng)濟(jì)、穩(wěn)定地運(yùn)行”。

這一轉(zhuǎn)變標(biāo)志著大模型生態(tài)正在進(jìn)入工程落地期。在此階段，大而全的通用框架的吸引力下降，而那些更垂直、性能更優(yōu)、能解決具體工程問(wèn)題的專用工具則受到更多關(guān)注。

其次，推理成本成為工具鏈演進(jìn)的核心驅(qū)動(dòng)力。

AI應(yīng)用大規(guī)模落地的核心制約因素之一是推理成本。每一次模型調(diào)用都直接關(guān)聯(lián)到計(jì)算資源的消耗。如何優(yōu)化模型服務(wù)的效率、降低單位成本，是所有AI應(yīng)用開發(fā)者共同面臨的問(wèn)題。

正因如此，Model Serving成為了新的競(jìng)爭(zhēng)焦點(diǎn)。

以vLLM和SGLang為代表的高性能推理引擎，通過(guò)技術(shù)創(chuàng)新（如PagedAttention）顯著提升了GPU的利用率和推理吞-吐量。NVIDIA的TensorRT-LLM則利用其軟硬件協(xié)同的優(yōu)勢(shì)，提供了極致的性能優(yōu)化方案。

這些項(xiàng)目目前在AI Infra（基礎(chǔ)設(shè)施）層占據(jù)了核心生態(tài)位，它們的性能表現(xiàn)直接影響上層應(yīng)用的商業(yè)可行性。可以說(shuō)，誰(shuí)能在模型推理的性能優(yōu)化上取得突破，誰(shuí)就在很大程度上掌握了生態(tài)的話語(yǔ)權(quán)。

競(jìng)爭(zhēng)的主題，已從功能覆蓋轉(zhuǎn)向了性能的深度優(yōu)化。

新格局：中美正在引領(lǐng)開源世界

從全球開發(fā)者貢獻(xiàn)來(lái)看，一個(gè)新的格局已經(jīng)形成：中國(guó)和美國(guó)成為驅(qū)動(dòng)全球AI開源發(fā)展的兩大核心力量。

數(shù)據(jù)顯示，在可識(shí)別地理位置的開發(fā)者中，美國(guó)開發(fā)者占比24%，中國(guó)開發(fā)者占比18%。從基于OpenRank計(jì)算的貢獻(xiàn)度來(lái)看，美國(guó)以37.4%領(lǐng)先，中國(guó)以18.7%位居第二，兩國(guó)合計(jì)貢獻(xiàn)度超過(guò)55%。

△大模型開發(fā)生態(tài)整體貢獻(xiàn)度Top 10國(guó)家分布

△不同技術(shù)領(lǐng)域下的貢獻(xiàn)度Top 3國(guó)家分布

在整體格局之下，細(xì)分領(lǐng)域的貢獻(xiàn)分布呈現(xiàn)出不同特點(diǎn)。

首先，全球AI開源格局呈現(xiàn)“雙中心”特征。

• AI Infra領(lǐng)域：美國(guó)貢獻(xiàn)度達(dá)43.39%，中國(guó)為22.03%，美國(guó)在該領(lǐng)域有顯著的領(lǐng)先優(yōu)勢(shì)。這與其在底層芯片、基礎(chǔ)模型和云服務(wù)等方面的長(zhǎng)期積累有關(guān)。
• AI Agent領(lǐng)域：中美之間的差距則大幅縮小，貢獻(xiàn)度分別為24.62%和21.5%。中國(guó)開發(fā)者在更貼近應(yīng)用層的領(lǐng)域表現(xiàn)出強(qiáng)大的活力和增長(zhǎng)潛力。

這種差異化的分布，勾勒出一個(gè)“雙中心”的格局：美國(guó)在基礎(chǔ)設(shè)施層具備更強(qiáng)的主導(dǎo)權(quán)，而中國(guó)則在應(yīng)用創(chuàng)新層展現(xiàn)出強(qiáng)勁的追趕勢(shì)頭。

其次，是應(yīng)用場(chǎng)景驅(qū)動(dòng)的技術(shù)創(chuàng)新模式。

中國(guó)開發(fā)者在Agent領(lǐng)域的活躍，與國(guó)內(nèi)龐大且復(fù)雜的數(shù)字經(jīng)濟(jì)應(yīng)用場(chǎng)景密切相關(guān)。在各行各業(yè)，都存在著利用AI技術(shù)進(jìn)行流程自動(dòng)化、提升服務(wù)效率和降低運(yùn)營(yíng)成本的巨大需求。

這種強(qiáng)烈的“場(chǎng)景驅(qū)動(dòng)力”，催生了大量面向具體問(wèn)題的AI原生應(yīng)用和Agent解決方案，形成了一種自下而上的創(chuàng)新模式：由真實(shí)的應(yīng)用需求來(lái)驅(qū)動(dòng)和選擇最適合的技術(shù)工具。

這也在一定程度上解釋了為何如Dify（低代碼Agent平臺(tái)）、Cherry Studio（Chatbot應(yīng)用）等項(xiàng)目能夠快速發(fā)展，并在全球范圍內(nèi)獲得關(guān)注。

它們的優(yōu)勢(shì)可能不在于底層技術(shù)的絕對(duì)領(lǐng)先，而在于對(duì)AI能力的產(chǎn)品化和場(chǎng)景化落地有更深刻的理解。

最后，總結(jié)來(lái)看這份《大模型開源開發(fā)生態(tài)全景圖2.0》，我們可以從中總結(jié)出三個(gè)清晰明了的大趨勢(shì)：

• 范式演變：開源的運(yùn)作模式正從純粹的技術(shù)社區(qū)，向商業(yè)化和市場(chǎng)運(yùn)營(yíng)驅(qū)動(dòng)的模式轉(zhuǎn)變。
• 戰(zhàn)場(chǎng)轉(zhuǎn)移：生態(tài)的競(jìng)爭(zhēng)核心正從功能廣度轉(zhuǎn)向運(yùn)行性能，推理效率成為關(guān)鍵瓶頸。
• 格局形成：中美兩國(guó)成為全球AI開源生態(tài)的兩個(gè)主要貢獻(xiàn)中心，并在不同技術(shù)層面呈現(xiàn)出各自的優(yōu)勢(shì)。

總而言之，這是一個(gè)關(guān)于快速迭代和適者生存的演進(jìn)故事。在這場(chǎng)“黑客松”式的競(jìng)爭(zhēng)中，沒有一成不變的領(lǐng)先者，只有持續(xù)的創(chuàng)新者。

One More Thing：

與TensorFlow的趨勢(shì)形成對(duì)比的是，新一代開源項(xiàng)目正以極快的速度崛起。

例如，新上榜的AI Coding項(xiàng)目OpenCode（定位為Claude Code的開源替代）和Google的Gemini CLI，都在發(fā)布后的短短數(shù)月內(nèi)獲得了極高的社區(qū)關(guān)注度和活躍度。

而最值得一提的一個(gè)開源項(xiàng)目，就是Browser-use——2個(gè)研究生僅用9個(gè)月便拿下60K星！

那么問(wèn)題來(lái)了，你覺得再過(guò)100天，下一個(gè)類似“Browser-use”的時(shí)刻，會(huì)花落誰(shuí)家呢？