大厂 AI 各走“开源”路

当科技巨头们纷纷打开“技术黑箱”，将核心AI模型像乐高积木般拆解、共享时，一场静默却激烈的产业革命已然拉开帷幕。 

刚刚过去不久的9月，阿里、腾讯、百度等大厂几乎同步将核心模型开源，这一动作如同在AI产业投下一颗深水炸弹，涟漪迅速扩散至技术、商业与产业生态的各个层面。进入10月，公开数据显示，来自中国的开源大模型已经牢牢占据榜单前五。 

这场变革的底层逻辑，在于破解人工智能发展中的“复杂性陷阱”。当多模态交互、3D建模、代码生成等需求呈指数级增长时，单一企业的研发投入已难以覆盖所有技术分支。开源模式通过分布式创新，将全球开发者群体转化为“研发外延团队”，既填补了技术空白，又通过真实场景反馈加速模型迭代。 

“开源是数字世界的路和桥，AI则像是水和电。”CSDN创始人蒋涛在2025全球开源创新汇上的论断，精准道破了这场变革的本质。而看似免费的技术共享背后，是大厂对生态控制权的精密布局，更是中国AI从技术跟跑到规则制定的战略突围。 

破解“复杂性陷阱”

深度学习先驱吴恩达曾警示：“现代AI系统的复杂程度，正在超越任何单一组织的掌控极限。”这句话道出了当下AI发展的核心困境。人工智能的“复杂性陷阱”在多模态时代愈演愈烈，其复杂性的指数级增长正使单一企业面临前所未有的研发困境。 

多模态交互、3D建模、代码生成等前沿领域的技术分支逐渐扩散，研发成本与知识壁垒的叠加效应，使得集中式研发模式逐渐失效。例如，谷歌Veo、OpenAI的Sora Pro等先进模型需支持4K分辨率、120秒以上时长视频生成，时序连贯性评分需达到4.8/5的专业水准，技术难度呈指数级增长。 

普林斯顿大学的研究，也揭示了机器学习模型的“复杂性悖论”：模型复杂性与性能之间并非简单的线性关系，当参数数量超过训练数据量的特定比例时，性能反而下降。这种复杂性管理问题使得传统软件开发标准与AI技术需求产生严重不匹配，特别是在可管理性、透明性和问责制方面。 

开源模式的效能优势体现在研发效率提升和创新能力增强两个方面。根据MLCommons 2025年能效评估报告，采用动态路由MoE架构的AI模型，推理能耗可降低42%。DeepSeek-R1通过FP8混合精度训练技术，将视频生成的能耗降低30%以上，显著提高了技术普及的可持续性。 

另外，工业和信息化部的数据显示，中国已成为全球开源参与者数量排名第二、增长速度最快的国家，软件开发者数量突破940万。这种规模化的开发者生态，形成了事实上的分布式研发网络。 

国内互联网大厂中，阿里云的“模型矩阵+社区迭代”模式极具代表性。其Qwen3系列构建起覆盖文本、图像、音频、视频的300余个开源模型矩阵，截至2025年9月累计下载量已突破6亿次，衍生出17万个细分场景模型，相当于为每个行业赛道配备了专属技术攻坚队。 

腾讯的精准开源策略则展现了垂直赛道的破局智慧。面向游戏开发的混元3D-Omni模型，自公布之日起就在开发者社区引发连锁反应。有独立游戏工作室负责人分享道：“过去制作高质量角色模型需要专业团队耗时数月，现在调用开源接口配合社区插件库，美工新手也能快速生成次世代资产。” 

开放式创新带来的不仅是效率提升，更是认知边界的突破。正如Linux基金会执行董事吉姆·泽姆林所言：“真正的技术创新往往诞生于跨界碰撞的裂缝之中。” 

从“卖锤子”到“打地基”

技术上的分布式创新，正倒逼商业逻辑发生根本性变革。 

传统AI商业模式的困境在于“技术授权”的线性增长逻辑。过去，企业通过销售API接口或模型授权获取收益，但这种模式面临两个致命问题：一是客户黏性低（开发者可能随时切换供应商），二是利润空间被压缩（头部客户议价能力强）。而开源模式通过“免费核心+增值服务”的组合，重构了传统商业逻辑。 

据麦肯锡的调研显示，企业用户愿意为完整解决方案支付的费用，是“卖锤子”式的单纯技术授权费的7倍以上。洞察到此趋势的大厂们，纷纷转向“打地基”式的生态运营。这也重构了大厂开源模型的真正利润来源。 

API调用收入是第一个利润池。虽然当前Token调用收入在各家云厂商收入大盘中占比很小，但Token消耗量正在以10倍、100倍的速度快速增长。中国某头部云厂商的测算显示，一些头部云厂商的Token调用收入未来几年可能增长到40亿-70亿元。 

专属算力租赁是第二个利润池。当企业使用开源模型后，随着应用规模扩大，自然需要更多算力支持。例如百度走的软硬协同路线，将自研昆仑芯算力与优化后的视觉模型搭档销售，在政务、金融等对稳定性敏感的场景建立壁垒。 

定制化解决方案是第三个也是最大的利润池。今年4月，百度就与格灵深瞳联手构建“端-边-云”一体化算力网络，共同推出了“政务AI数字员工”解决方案进行规模化落地。 

2025财年，阿里云营收1180亿元，增速重回两位数增长达到11%。阿里集团CEO吴泳铭在投资者电话会中明确表示，阿里云的增长主要得益于AI相关需求，AI相关业务已连续七个季度实现100%以上增长。 

在将Qwen大模型打造成“模型超市”后，阿里云免费提供基础版本的同时，构建起包含数据标注、模型训练、部署优化的全链条服务体系。这种“前端引流+后端变现”的模式成效显著：使用免费模型的企业，往往会因业务扩展需求升级至付费的企业版；而当模型复杂度超出自身运维能力时，自然会转向阿里云提供的托管服务。 

一位阿里云高管总结道：“阿里云目前的态度是，一方面积极拥抱和推动Token调用模式的增长；另一方面也通过‘全栈AI’的能力，去满足客户不同层次、不同形态的多样化需求，以此确保自己在市场变化时，仍然可以保持优势。” 

看似免费的开源模型，实则是大厂构建生态护城河的秘密武器。当中小企业享受着开源模型带来的降本增效时，大厂也正悄然掌控着整个AI产业生态的制高点。 

产业末梢的卡位战

真正决定产业高度的，从来不是金字塔尖的巨擘，而是塔基处的点滴。 

开源AI浪潮不仅是大厂的竞争游戏，更是中小企业的生存革命。对于资源有限的中小企业而言，这意味着他们无需从零开始研发大模型，就能以较低成本获得先进的AI能力。数据显示，全球94.57%的企业正在使用开源软件，其中中小企业占比达 45.12%。相比商业软件年均3-5万美元的订阅费用，开源软件为企业节省90%的软件采购成本。 

江西景德镇一家煤化工企业通过数字化手段，将工艺知识图谱与人工智能大模型深度融合，打造出煤化工行业专属大模型，将20位老师傅40年经验转化为3.6万条知识图谱节点，使产品合格率从82%提升至95%以上。 

百度推出的轻量级文字识别模型PP-OCRv5，仅0.07B参数却在多项测试中媲美7B参数模型，为教育行业的试卷批改、医疗行业的病历数字化提供了低门槛解决方案。 

这些微观案例共同勾勒出开源的产业价值：不仅是大厂争夺生态位的武器，更是激活经济末梢的数字基建。中小企业通过开源实现的技术跃迁，最终将反哺大厂生态的丰富度与稳定性，形成产业共生的良性循环。 

变革的底层逻辑，是开源模型降低了技术应用的“启动成本”。更深远的影响在于，开源正在重塑中小企业的生存法则。过去，技术门槛是初创企业的“死亡谷”，而现在，开源模型成为其跨越鸿沟的“数字桥梁”。 

当开源的水和电渗透到农业大棚的监控设备、制造车间的质检镜头、养老院的陪伴机器人，当千万级别规模的开发者在同一生态中协同创新，一个由中国力量引领的AI新秩序，正在产业实践的土壤中悄然生长。开源让AI竞争从“单点技术战”变成“生态持久战”，谁能激活产业末梢，谁就能赢得未来。 

而对于互联网大厂来说，大模型本身不是护城河，生态才是。尤其是在“模型能力高度趋同”的今天，谁能先构建起一整套“可调用、可调优、可部署”的模型体系，谁就掌握了议价权。更进一步看，开源其实也是降低竞争焦虑的一种方式。把基础层共享出去，大家比拼的不是“参数数值”，而是“产业落地能力”。这反而让真正有工程能力和行业经验的厂商有了更多主导权。 

凯文·凯利在《失控》中的预言将再次被验证：“未来属于那些善于培育生态系统的人。” 

参考资料： 

零态LT，《大模型的尽头是开源》 

CSDN，《2025 全球开源发展报告》 

虎嗅，《大模型全开源了，那到底咋挣钱啊？》 

量子位，《开源模型TOP5，被中国厂商包圆了》 

本文来自微信公众号“科技新知”，作者：茯神36氪经授权发布。