5 个关键问题Q&A
Q1： 2026 开源与闭源大模型最核心差距在哪？
A1： 平均性能仅差 3.3%，代码、通用知识开源持平；复杂推理、长上下文、智能体任务闭源更强；真正核心差距不在模型权重，而在智能体调度工具、企业合规套件、标准化运维体系。
Q2 ：开源模型流量占比极高，营收为何极低？
A2 ：开源主打低价 / 自托管，单价远低于闭源；流量集中在高消耗、低毛利的编码场景；闭源依靠合规、一体化调度服务收取溢价，占据 96% 市场收入。
Q3 ：全球各国大力扶持开源 AI 的核心原因？
A3 规避闭源厂商定价、关停、出口管制带来的业务锁定；构建本土数字主权，降低海外技术依赖；适配本土语言、行业场景，支撑本土科技产业发展。
Q4： 报告提出的 “Harness 调度层” 为什么是新竞争核心？
A4 底层模型快速同质化、价格趋近零；调度层负责工具调用、记忆、权限、智能体执行，直接决定落地效果；厂商自研调度与自有模型深度绑定，极易形成长期锁定。
Q5 ：企业落地开源 AI 最可行的降本与避险方案是什么？
A5 日交互 8000 次以上自建开源推理，削减 73% 推理成本；混合开源 + 闭源双模型备份；私有化存储业务记忆；跟进开放权限标准，避免单一厂商、单一地区开源模型依赖。
附录：Mozilla《2026 开源 AI 现状报告》
这份是 Mozilla 2026 年 7 月发布的首份开源 AI 行业评估报告，依托 SlashData 全球开发者调研（1410 + 受访者）、OpenRouter、LMSYS、企业财报、各国政策文件等多源数据，分为行业现状、资本与市场格局、全球普及底层动因、智能体调度层（Harness）新赛道、五大长期布局方向五大核心章节，同时配套方法论附录，核心结论是：开源大模型能力已逼近闭源头部、成本断崖下跌、流量占据市场主流，但收入极低、落地受阻；竞争重心从模型权重转移至上层智能体调度层，各国出于主权加速布局开源 AI，同时给出五大抢占开放生态窗口期的战略建议。
一、第一章：开源 AI 当前整体现状（能力、成本、落地、市场数据）
1. 四大核心标志性数据
- 能力差距仅 3.3 分
开源与顶级闭源模型平均性能差距只剩 3.3%；2024 年 1 月差距 8.04%，2024 年 8 月收窄至 0.5%，2025 年 2 月 DeepSeek-R1 发布后一度追平闭源，2026 年推理类任务拉开小幅差距。 - 推理成本 36 个月暴跌 50 倍
GPT-4 级模型每百万 Token 价格从 20 美元降至 0.4 美元，降幅远超 PC 算力、互联网带宽历史降价曲线；Llama 3.1 单季度直接把高端模型价格压低 11 倍。 - 流量占比 1/3 且持续上涨
截至 2026 年 6 月，OpenRouter 平台约 33% Token 流量由开源权重模型承载，2024 年底仅 2%；平台月度流量前五名全部为中国开源模型（DeepSeek V4 Flash、小米 MiMo-V2.5、腾讯 Hy3 preview 等），中国开源模型总 Token 流量超 82 万亿，美国闭源仅 23 万亿。 - 商业化爆发
Mistral 一年 ARR 从 2000 万增长 20 倍至 4 亿美元；DeepSeek 估值超 500 亿美元，年 ARR 达 2.2 亿美元。
2. 能力分化：锯齿化的性能边界
平均 3.3% 差距掩盖领域分化，不再是 “开源全面落后”：
- 开源持平 / 领先
代码生成、指令遵循、通用知识问答；DeepSeek-R1 数学推理得分与 OpenAI o1 几乎持平（MATH-500 97.3% vs ~97%），价格仅为对方 1/27。 
- 闭源仍保有优势
复杂逻辑推理、百万字长上下文检索、智能体自动化任务；全球 Chatbot Arena 榜单前十中 6 席仍是闭源模型。 
3. 市场结构性矛盾：流量为王、收入倒挂
- Token 流量开源占优，请求数闭源领先
编码、智能体等高消耗场景几乎全部使用开源；但普通用户、标准化 API 调用仍集中在 OpenAI、Google、Anthropic 闭源服务。 
- 收入严重失衡
OpenRouter 平台开源模型承载约 80% 流量，仅瓜分 4% 营收；闭源凭借高单价占据 96% 收入，行业每年存在 248 亿美元未释放的成本节约空间。 
4. 落地核心痛点：模型好用，但生产部署极难
- 落地转化率差距显著
-
79% 开发者使用开源模型，但仅 51% 成功上线生产；闭源模型开发者 63% 可落地。 -
企业自建开源部署投产率仅 33%，厂商托管开源方案可达 67%；仅 5% 企业开源试点实现可量化业务收益。 
- 全栈成熟度打分：底层模型强，上层运维、安全、标准化全面拉胯
报告将 AI 栈分为 9 层，模型代码、权重社区评分最高（3.96/3.67）；安全防护、权限、标准化、企业适配层得分垫底，核心短板是运维工具链与企业合规体系缺失。 - 全球开发者放弃开源的核心障碍（全球统一）
-
算力 / 基础设施成本过高（27%） -
安全、隐私、合规风险（26%） -
持续运维更新复杂度、扩缩容困难、系统集成难度、调优成本高 区域差异：南亚最担忧合规，大中华区主要痛点是专业技术支持不足，欧美聚焦算力成本。
5. 商业模式痛点：按 Token 计费模式存在致命缺陷
微软、Uber 均出现 AI 预算数月耗尽：按量计价下厂商掌握定价权，企业无法控制成本；Stripe 自建开源推理后成本直接下降 73%，固定私有化部署可规避计量锁价陷阱。
二、第二章：资本、企业与商业格局 —— 谁在押注开源 AI
1. 五大成熟商业化路径
托管推理服务、企业私有化授权、本地部署许可、微调定制服务、上层调度工具链，已跑出百亿级营收企业：
-
Databricks：年化收入 54 亿美元，估值 1650 亿美元； -
Mistral：4 亿 ARR，洽谈 200 亿欧元估值融资； -
DeepSeek：2025 年年 ARR2.2 亿美元，74 亿美元融资。
2. 开发者使用生态：开源不是替代品，而是互补品
-
79% 开发者使用开源，71% 使用闭源；仅 29% 纯开源、21% 纯闭源，50% 团队混合部署两类模型；开源单开发者平均使用场景 5.1 个，高于闭源 4.6 个。
3. 全球投融资格局
- 头部融资集中在中国开源模型企业
DeepSeek 融资 74 亿美元断层第一，Moonshot 39 亿、Mistral 30.5 亿紧随；英伟达、微软、谷歌、亚马逊、IBM 全部战略投资开源赛道。 
- 行业并购整合开启
2023-2026 年大量 MLOps、推理、微调工具企业被大厂收购（Nvidia 收购 Run:ai、OctoAI；Databricks 收购 MosaicML 等）。 
- 资本分层不均衡
基础大模型、推理、算力资金充足；数据集、安全评估、治理层仅依靠政府与公益资金，商业化资本极少。
三、第三章：全球普及的底层动因 —— 可选自主权、AI 主权、国家级战略
1. 核心逻辑：开源解决闭源 API 的锁定陷阱
闭源托管 API 存在三大致命风险：厂商随意调价、无法迁移、服务随时关停；开源权重实现自有算力、固定成本、无锁定退出通道，类比当年云厂商锁定历史教训。 典型案例：2026 年 6 月 Anthropic Claude 受美国出口管制中断全球服务 19 天，企业意识到依赖单一闭源服务商的脆弱性。
2. 中国开源模型强势崛起（产业政策驱动）
-
阿里云 Qwen 累计 Hugging Face 下载量 9.42 亿，远超 Meta Llama 4.76 亿；2026 年 2 月 Qwen 下载量超过其后 8 家厂商总和。 -
OpenRouter 平台中国开源模型流量占比从 2024 年末不足 2% 飙升至 2026 年 4 月超 45%；平台 TOP10 模型中 61% 流量来自中国开源，DeepSeek 拥有 2.6 万企业客户，2025 年新 AI 初创 58% 技术栈搭载 DeepSeek。 -
属于《AI+》、十五五规划明确产业导向，依靠低成本、高性能抢占全球新兴市场。
3. 全球多国将开源 AI 作为主权工业政策
- 欧盟
法国投入 1090 亿欧元 AI 基建；AI 法案对合规开源模型豁免监管；推出覆盖 24 国语言 400B 主权开源模型；德国、葡萄牙落地全国公共开源 LLM。 - 加拿大
8.9 亿加元主权 AI 超算，推出本土开源模型 Command A+，降低对海外模型依赖。 - 印度
3.8 万台补贴 GPU、500 万新增开发者，本土多语言开源模型服务全球南方市场。 - 全球宏观
70 + 国家出台国家级 AI 战略，47 国限制关键业务境外 AI 处理；沙特、韩国、阿联酋千亿级 AI 算力投入，核心诉求是自主可控。
四、第四章：新竞争前沿 —— 智能体调度层（Harness），开源生态最大空白
报告核心颠覆性判断：模型权重快速商品化、价值趋近于零；上层智能体调度层（Harness）成为厂商构筑护城河的核心战场。
1. Harness 是什么
类比互联网时代浏览器，是模型之上的用户侧执行层，包含编排循环、工具调用、记忆存储、沙箱、权限管控、智能体互操作（A2A）；决定模型能否完成复杂自动化任务，是企业落地 AI 的核心瓶颈。
2. 调度层形成巨大闭源优势，开源标准缺失
-
-
厂商自研调度框架与自家模型深度绑定，性能拉开 21.8 分差距，第三方开源调度工具追赶后差距缩至 3 分；专属调度框架形成强锁定，跨模型适配性极差。 
-
市场现状：LangChain 星标 12.6 万、MCP 协议爆发式增长，月 SDK 下载量从 2024 年 11 月 200 万暴涨至 2026 年 2 月 9700 万，公开服务节点破万。 - 最大安全与标准化缺口：可移植写入权限
MCP 仅标准化身份认证，未统一智能体执行修改、支付、数据写入等高风险操作的权限规则；行业无通用跨平台授权标准，仅 21% 企业具备成熟智能体治理体系。 -
闭源调度层并非更安全：2025-2026 年微软、Anthropic、Salesforce 等闭源智能体连续出现高危数据泄露漏洞，根源是输出侧权限校验缺失；闭源仅默认预装合规工具，风险本身并未消除。
3. 资产价值重构
- 模型权重
可替换、持续降价，商品属性； - 记忆 / 调度上下文
随交互持续增值，企业核心无形资产，无法通过更换服务商迁移。
五、第五章：五大战略布局（窗口期仍开放，需抢占调度层）
报告提出五大行动方向，核心逻辑：无需在模型层面超越闭源，而是抢占上层尚未被封闭的调度、记忆、权限标准层：
- 搭建原生适配开源模型的调度框架
当前资金极度倾斜底层模型，调度层投入极少；闭源厂商正在完成模型 + 调度垂直整合，窗口期即将关闭，垂直领域专用开源调度工具存在巨大机会。 - 私有化持有企业记忆资产
记忆是唯一持续增值资产，采用可移植、仅追加存储架构存放在企业内网，避免托管服务商锁定历史交互数据。 - 制定跨平台可移植写入权限标准
当前权限体系完全空白，若闭源厂商率先定义统一规则，开源生态将永久处于被动；开放元调度框架、标准化智能体写操作授权是核心突破口。 - 打破 Token 按量计费模式
2027-2028 年各大闭源厂商将结束低价获客周期；企业需提前混合部署开源模型、自建推理，规避定价垄断，日对话量 8000 次以上私有化部署具备成本优势。 - 构建多元开源供给生态
当前全球开源模型供给高度向中国厂商集中，单一供给会带来训练数据、对齐逻辑的系统性偏见；各国政府、资本需要扶持多区域开源模型，避免单一生态垄断。
风险观察清单（生态反转预警指标）
报告设立长期跟踪指标，出现两项同步恶化则开源生态逻辑反转：
-
开源模型推理差距持续扩大、Token 流量增长停滞； -
厂商自研调度层性能优势持续拉大、闭源率先统一权限标准； -
主权国家 AI 投入缩减、开源企业商业化失败； -
大规模 AI 滥用事件引发全球强监管，直接限制开源权重分发。
六、附录：报告方法论
- 数据来源
LMSYS、OpenRouter、企业财报、斯坦福 HAI、Epoch AI、各国政府公开文件；全球开发者调研由 SlashData 执行，1494 名 AI 开发者，覆盖多语言、分区域加权修正样本偏差。 - 开源栈成熟度评估
9 大分层、48 个子组件，1-5 分 9 维度人工打分，仅做趋势判断，非精准量化。 - 融资统计口径
仅统计现金、实缴投资，不含估值、承诺募资，区分 VC、政府、企业战略投资、公益资本五类资金。 - 局限性
非西方企业融资数据透明度低，行业榜单、价格实时波动，报告仅反映 2026 年 6 月底时点状态。
报告整体核心总结
- 能力层
开源大模型已实现通用场景追平，仅复杂推理、长文本、智能体任务小幅落后，成本较闭源具备数十倍优势，流量市场占据主流； - 落地层
性能不再是瓶颈，运维、合规、标准化、算力成本是规模化生产的核心阻碍，开源商业化收入与流量严重错配； - 地缘层
开源 AI 成为各国数字主权核心抓手，中国开源模型全球高速扩张，欧美、加、印同步出台配套产业政策； - 竞争拐点
底层模型权重走向商品化，竞争全面上移至智能体调度（Harness）层，权限、记忆、跨模型编排是开源生态最大短板； - 未来机会
当前调度层尚未被闭源完全锁定，企业、开发者、各国机构可围绕开源调度、私有化记忆、统一权限标准、多元模型供给、摆脱按量计费五大方向布局，掌握 AI 上层生态主导权。