大廠AI各走“開源”路

作者丨茯神編輯丨思原、九黎

當科技巨頭們紛紛打開“技術黑箱”，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業革命已然拉開帷幕。

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產業投下一顆深水炸彈，漣漪迅速擴散至技術、商業與產業生態的各個層面。進入10月，公開數據顯示，來自中國的開源大模型已經牢牢占據榜單前五。

這場變革的底層邏輯，在于破解人工智能發展中的“復雜性陷阱”。當多模態交互、3D建模、代碼生成等需求呈指數級增長時，單一企業的研發投入已難以覆蓋所有技術分支。開源模式通過分布式創新，將全球開發者群體轉化為“研發外延團隊”，既填補了技術空白，又通過真實場景反饋加速模型迭代。

“開源是數字世界的路和橋，AI則像是水和電。”CSDN創始人蔣濤在2025全球開源創新匯上的論斷，精準道破了這場變革的本質。而看似免費的技術共享背后，是大廠對生態控制權的精密布局，更是中國AI從技術跟跑到規則制定的戰略突圍。

01

破解“復雜性陷阱”

深度學習先驅吳恩達曾警示：“現代AI系統的復雜程度，正在超越任何單一組織的掌控極限。”這句話道出了當下AI發展的核心困境。人工智能的“復雜性陷阱”在多模態時代愈演愈烈，其復雜性的指數級增長正使單一企業面臨前所未有的研發困境。

多模態交互、3D建模、代碼生成等前沿領域的技術分支逐漸擴散，研發成本與知識壁壘的疊加效應，使得集中式研發模式逐漸失效。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的專業水準，技術難度呈指數級增長。

普林斯頓大學的研究，也揭示了機器學習模型的“復雜性悖論”：模型復雜性與性能之間并非簡單的線性關系，當參數數量超過訓練數據量的特定比例時，性能反而下降。這種復雜性管理問題使得傳統軟件開發標準與AI技術需求產生嚴重不匹配，特別是在可管理性、透明性和問責制方面。

開源模式的效能優勢體現在研發效率提升和創新能力增強兩個方面。根據MLCommons 2025年能效評估報告，采用動態路由MoE架構的AI模型，推理能耗可降低42%。DeepSeek-R1通過FP8混合精度訓練技術，將視頻生成的能耗降低30%以上，顯著提高了技術普及的可持續性。

另外，工業和信息化部的數據顯示，中國已成為全球開源參與者數量排名第二、增長速度最快的國家，軟件開發者數量突破940萬。這種規模化的開發者生態，形成了事實上的分布式研發網絡。

國內互聯網大廠中，阿里云的“模型矩陣+社區迭代”模式極具代表性。其Qwen3系列構建起覆蓋文本、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，相當于為每個行業賽道配備了專屬技術攻堅隊。

騰訊的精準開源策略則展現了垂直賽道的破局智慧。面向游戲開發的混元3D-Omni模型，自公布之日起就在開發者社區引發連鎖反應。有獨立游戲工作室負責人分享道：“過去制作高質量角色模型需要專業團隊耗時數月，現在調用開源接口配合社區插件庫，美工新手也能快速生成次世代資產。”

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

02

從“賣錘子”到“打地基”

技術上的分布式創新，正倒逼商業邏輯發生根本性變革。

傳統AI商業模式的困境在于“技術授權”的線性增長邏輯。過去，企業通過銷售API接口或模型授權獲取收益，但這種模式面臨兩個致命問題：一是客戶黏性低（開發者可能隨時切換供應商），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”的組合，重構了傳統商業邏輯。

據麥肯錫的調研顯示，企業用戶愿意為完整解決方案支付的費用，是“賣錘子”式的單純技術授權費的7倍以上。洞察到此趨勢的大廠們，紛紛轉向“打地基”式的生態運營。這也重構了大廠開源模型的真正利潤來源。

API調用收入是第一個利潤池。雖然當前Token調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。當企業使用開源模型后，隨著應用規模擴大，自然需要更多算力支持。例如百度走的軟硬協同路線，將自研昆侖芯算力與優化后的視覺模型搭檔銷售，在政務、金融等對穩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手構建“端-邊-云”一體化算力網絡，共同推出了“政務AI數字員工”解決方案進行規模化落地。

2025財年，阿里云營收1180億元，增速重回兩位數增長達到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相關需求，AI相關業務已連續七個季度實現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版本的同時，構建起包含數據標注、模型訓練、部署優化的全鏈條服務體系。這種“前端引流+后端變現”的模式成效顯著：使用免費模型的企業，往往會因業務擴展需求升級至付費的企業版；而當模型復雜度超出自身運維能力時，自然會轉向阿里云提供的托管服務。

一位阿里云高管總結道：“阿里云目前的態度是，一方面積極擁抱和推動Token調用模式的增長；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，仍然可以保持優勢。”

看似免費的開源模型，實則是大廠構建生態護城河的秘密武器。當中小企業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產業生態的制高點。

03

產業末梢的卡位戰

真正決定產業高度的，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，更是中小企業的生存革命。對于資源有限的中小企業而言，這意味著他們無需從零開始研發大模型，就能以較低成本獲得先進的AI能力。數據顯示，全球94.57%的企業正在使用開源軟件，其中中小企業占比達 45.12%。相比商業軟件年均3-5萬美元的訂閱費用，開源軟件為企業節省90%的軟件采購成本。

江西景德鎮一家煤化工企業通過數字化手段，將工藝知識圖譜與人工智能大模型深度融合，打造出煤化工行業專屬大模型，將20位老師傅40年經驗轉化為3.6萬條知識圖譜節點，使產品合格率從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參數卻在多項測試中媲美7B參數模型，為教育行業的試卷批改、醫療行業的病歷數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業價值：不僅是大廠爭奪生態位的武器，更是激活經濟末梢的數字基建。中小企業通過開源實現的技術躍遷，最終將反哺大廠生態的豐富度與穩定性，形成產業共生的良性循環。

變革的底層邏輯，是開源模型降低了技術應用的“啟動成本”。更深遠的影響在于，開源正在重塑中小企業的生存法則。過去，技術門檻是初創企業的“死亡谷”，而現在，開源模型成為其跨越鴻溝的“數字橋梁”。

當開源的水和電滲透到農業大棚的監控設備、制造車間的質檢鏡頭、養老院的陪伴機器人，當千萬級別規模的開發者在同一生態中協同創新，一個由中國力量引領的AI新秩序，正在產業實踐的土壤中悄然生長。開源讓AI競爭從“單點技術戰”變成“生態持久戰”，誰能激活產業末梢，誰就能贏得未來。

而對于互聯網大廠來說，大模型本身不是護城河，生態才是。尤其是在“模型能力高度趨同”的今天，誰能先構建起一整套“可調用、可調優、可部署”的模型體系，誰就掌握了議價權。更進一步看，開源其實也是降低競爭焦慮的一種方式。把基礎層共享出去，大家比拼的不是“參數數值”，而是“產業落地能力”。這反而讓真正有工程能力和行業經驗的廠商有了更多主導權。

凱文·凱利在《失控》中的預言將再次被驗證：“未來屬于那些善于培育生態系統的人。”

參考資料：零態LT，《大模型的盡頭是開源》CSDN，《2025 全球開源發展報告》虎嗅，《大模型全開源了，那到底咋掙錢啊？》量子位，《開源模型TOP5，被中國廠商包圓了》