噫吁嚱！

那個昔日叱咤風云的開源框架——TensorFlow，已然是行將就木了。

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

一個十年的時間，TensorFlow的社區(qū)活躍度，有過巔峰，但后來卻不可逆轉(zhuǎn)地一路下跌至最低谷，甚至還不及出道之際。

而與之形成鮮明對比的，卻是另一條高歌猛進的紅色曲線——PyTorch。

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

△螞蟻開源技術(shù)委員會副主席，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TensorFlow的發(fā)展軌跡，是AI開源技術(shù)浪潮更迭的一個縮影，那么十年時間，或許對于它的衰敗來說已經(jīng)顯得有些溫柔了。

因為我們從這張全景圖中發(fā)現(xiàn)，開源項目的興衰交替不能再按“年”來度量，它的計量單位已經(jīng)變成了“天”。

僅僅100天，開源世界大變天

為什么這么說？

因為在5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)驗判斷，而是一個數(shù)據(jù)驅(qū)動的項目，其核心是名為OpenRank的影響力評估算法。

OpenRank類似于網(wǎng)頁排名領(lǐng)域的PageRank算法，但應(yīng)用于開源社區(qū)；它通過分析項目與項目、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)項目的活躍影響力和開發(fā)者的活躍貢獻度。

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

不過在2.0版本中，螞蟻開源團隊對研究方法也進行了升級——

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

這一方法論的調(diào)整，可以說是給版圖帶來了較為明顯的變化；與1.0版本相比，新版圖中更新了39個項目，替換率達到35%，同時有60個原有項目被移出。

王旭認為，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目會被除名呢？

首先就是短期熱點型項目。

例如3月份因Manus熱潮而出現(xiàn)的開源復(fù)刻項目OpenManus和OWL，隨著熱點消退，其社區(qū)活躍度未能持續(xù)，在新標準下被移出。這類項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上，慢于Cherry Studio、LobeChat等新興項目，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)位競爭中的落后者。

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，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不足。

AI開源生態(tài)競爭的激烈程度，可見一斑。

△正在步入“AI 墓園”路上的項目

其中的原因也是多樣，括技術(shù)熱點轉(zhuǎn)移、產(chǎn)品迭代滯后，或在直接競爭中處于下風；這表明，在當前環(huán)境下，持續(xù)的技術(shù)創(chuàng)新和社區(qū)運營才是維持開源項目生命力的關(guān)鍵。

但項目進出全景圖的變化也僅僅是一個表象，我們還從中觀察到一個更深層次的趨勢——

開源本身的定義和運作模式，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，在當前的AI時代下，可以說是正在變得更加復(fù)雜。

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

• Dify（第四名）：其許可證在Apache 2.0基礎(chǔ)上增加了對多租戶使用的限制和對品牌Logo的保護條款。
• 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，對超過特定規(guī)模的團隊要求商業(yè)授權(quán)。
• n8n（第九名）：采用了其自行提出的“Sustainable Use License”，對商業(yè)分發(fā)進行了限制。

王旭對此評論道：

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

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

首先就是開源的運營屬性增強，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€集產(chǎn)品發(fā)布、用戶反饋、社區(qū)營銷于一體的綜合性平臺。

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、收集反饋和進行市場推廣的核心渠道。

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

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開源項目，它們的商業(yè)化訴求從項目初期就非常明確，通過定制化的許可證條款，試圖在享受開源帶來的社區(qū)生態(tài)紅利與保護核心商業(yè)利益之間找到一個平衡點。

例如，Dify對多租戶的限制，意在規(guī)范云服務(wù)商基于其項目的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，正在被越來越多的項目所采納。

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下，這種務(wù)實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)價值的實現(xiàn)路徑也更加直接。

新戰(zhàn)場：從框架之爭到性能為王

如果說生態(tài)發(fā)展的1.0階段是圍繞功能實現(xiàn)的廣泛探索，那么2.0階段的競爭焦點則明顯發(fā)生了轉(zhuǎn)移。

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

• Agent Framework（智能體框架）領(lǐng)域：整體活躍度呈下降趨勢。一些早期代表性項目，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)出顯著的增長態(tài)勢。

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，而是市場在經(jīng)歷早期廣泛探索后，開始進入理性篩選階段。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，市場的關(guān)注點正從“能否實現(xiàn)”轉(zhuǎn)向“能否高效、經(jīng)濟、穩(wěn)定地運行”。

這一轉(zhuǎn)變標志著大模型生態(tài)正在進入工程落地期。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的核心驅(qū)動力。

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)者共同面臨的問題。

正因如此，Model Serving成為了新的競爭焦點。

以vLLM和SGLang為代表的高性能推理引擎，通過技術(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，提供了極致的性能優(yōu)化方案。

這些項目目前在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?？梢哉f，誰能在模型推理的性能優(yōu)化上取得突破，誰就在很大程度上掌握了生態(tài)的話語權(quán)。

競爭的主題，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)者貢獻來看，一個新的格局已經(jīng)形成：中國和美國成為驅(qū)動全球AI開源發(fā)展的兩大核心力量。

數(shù)據(jù)顯示，在可識別地理位置的開發(fā)者中，美國開發(fā)者占比24%，中國開發(fā)者占比18%。從基于OpenRank計算的貢獻度來看，美國以37.4%領(lǐng)先，中國以18.7%位居第二，兩國合計貢獻度超過55%。

△大模型開發(fā)生態(tài)整體貢獻度Top 10國家分布

△不同技術(shù)領(lǐng)域下的貢獻度Top 3國家分布

在整體格局之下，細分領(lǐng)域的貢獻分布呈現(xiàn)出不同特點。

首先，全球AI開源格局呈現(xiàn)“雙中心”特征。

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

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

其次，是應(yīng)用場景驅(qū)動的技術(shù)創(chuàng)新模式。

中國開發(fā)者在Agent領(lǐng)域的活躍，與國內(nèi)龐大且復(fù)雜的數(shù)字經(jīng)濟應(yīng)用場景密切相關(guān)。在各行各業(yè)，都存在著利用AI技術(shù)進行流程自動化、提升服務(wù)效率和降低運營成本的巨大需求。

這種強烈的“場景驅(qū)動力”，催生了大量面向具體問題的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：由真實的應(yīng)用需求來驅(qū)動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）、Cherry Studio（Chatbot應(yīng)用）等項目能夠快速發(fā)展，并在全球范圍內(nèi)獲得關(guān)注。

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

最后，總結(jié)來看這份《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)出三個清晰明了的大趨勢：

• 范式演變：開源的運作模式正從純粹的技術(shù)社區(qū)，向商業(yè)化和市場運營驅(qū)動的模式轉(zhuǎn)變。
• 戰(zhàn)場轉(zhuǎn)移：生態(tài)的競爭核心正從功能廣度轉(zhuǎn)向運行性能，推理效率成為關(guān)鍵瓶頸。
• 格局形成：中美兩國成為全球AI開源生態(tài)的兩個主要貢獻中心，并在不同技術(shù)層面呈現(xiàn)出各自的優(yōu)勢。

總而言之，這是一個關(guān)于快速迭代和適者生存的演進故事。在這場“黑客松”式的競爭中，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的趨勢形成對比的是，新一代開源項目正以極快的速度崛起。

例如，新上榜的AI Coding項目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開源項目，就是Browser-use——2個研究生僅用9個月便拿下60K星！

那么問題來了，你覺得再過100天，下一個類似“Browser-use”的時刻，會花落誰家呢？