AI开源生态剧变：TensorFlow时代落幕与新范式崛起

唉，可叹！

曾经在人工智能领域叱咤风云的开源框架TensorFlow，如今已陷入衰败的境地。

这一判断并非毫无依据，而是源自一份基于数据的冷静洞察。

在过去的十年间，TensorFlow的社区活跃度曾达到高峰，但随后却不可逆地持续下滑至低谷，甚至不及初创时期。

与此形成鲜明对比的，是一条持续攀升的红色曲线——PyTorch。

这是蚂蚁开源技术委员会副主席王旭在近期外滩大会上展示的趋势分析，令人感慨不已。

△

正因如此，在蚂蚁开源最新发布的《大模型开源开发生态全景图2.0》中，TensorFlow已被正式移除。

如果说TensorFlow的发展轨迹是AI开源技术浪潮更迭的缩影，那么十年的衰落周期或许已显得漫长。

从这张全景图中可见，开源项目的兴衰交替已不再以“年”计，其计量单位已缩短至“天”。

百日之间，开源格局翻天覆地

为何这么说？

因为在5月27日的蚂蚁技术日上，全景图1.0版本首次亮相。

仅仅100天后，全景图中已有不少“玩家”黯然退场（下图灰色部分）：

要理解这些变化，首先需了解全景图的构建方法。

据王旭介绍，它并非基于专家经验，而是一个数据驱动项目，核心是名为OpenRank的影响力评估算法。

OpenRank类似于网页排名领域的PageRank，但应用于开源社区；它通过分析项目与项目、开发者与开发者间的协作网络，衡量项目的活跃影响力和开发者的贡献度。

一个项目的影响力取决于关联项目及开发者的影响力。这套算法为评估开源生态提供了客观宏观视角。

在2.0版本中，研究方法升级——直接拉取GitHub当月全域项目的OpenRank排名，并设定“OpenRank > 50”的准入门槛，筛选出大模型生态项目。

方法论的调整带来了明显变化；与1.0版相比，新版更新了39个项目，替换率达35%，同时移除了60个原有项目。

王旭认为，在快速迭代的AI领域，这种变化在预期之内。

那么，哪些开源项目会被除名？

首先是短期热点型项目。

例如3月因Manus热潮出现的开源复刻项目OpenManus和OWL，随着热点消退，社区活跃度未能持续，在新标准下被移出。这类项目生命周期短，符合“黑客松”式开发特征。

其次是迭代速度落后的项目。

NextChat作为早期流行的大模型客户端应用，在后续版本迭代和新功能跟进上，慢于Cherry Studio、LobeChat等新兴项目，导致用户和开发者流失。

最后是同生态位竞争中的落后者。

在端侧模型部署领域，MLC-LLM和GPT4All曾受关注。然而，Ollama凭借更完善的生态和用户体验，逐渐占据主导地位，使前两者活跃度下降。

AI开源生态竞争的激烈程度，由此可见。

△

原因多样，包括技术热点转移、产品迭代滞后，或直接竞争失利；这表明，持续的技术创新和社区运营是维持开源项目生命力的关键。

但项目进出全景图仅是表象，更深层趋势是——开源本身的定义和运作模式正演变。

新范式：开源内涵重塑

在AI时代，开源概念的内涵正变得更加复杂。

观察2.0版图中最活跃的Top 10项目列表，可发现部分高活跃度项目未采用OSI批准的标准开源许可证：

Dify（第四名）：其许可证在Apache 2.0基础上增加了对多租户使用的限制和品牌Logo保护条款。

Cherry Studio（第七名）：采用基于用户组织规模的双许可模式，对超过特定规模的团队要求商业授权。

n8n（第九名）：采用自行提出的“可持续使用许可证”，对商业分发进行限制。

王旭对此评论：

虽然从严格许可证定义看，这些修改偏离了标准，但从产业生态角度，这种做法或有助于实现更均衡的利益分配，保障生态长期健康发展。

此现象背后反映两个关键范式转变。

首先，开源的运营属性增强，GitHub成为GTM（市场进入）重要渠道。

GitHub功能超越代码托管与协作，演变为产品发布、用户反馈、社区营销的综合平台。

许多商业产品，即使闭源（如Cursor、Claude-Code），也在GitHub上维持活跃社区，将其作为用户互动、反馈收集和市场推广的核心渠道。

在此背景下，开源本身成为一种重要GTM战略。项目是否100%代码开放的重要性相对下降，而社区活跃度（如星标、Issue、PR等）成为衡量产品活力和市场接受度的关键指标。

其次，在“社区开放”与“商业利益”间寻求新平衡。

新一代AI开源项目的商业化诉求从初期就明确，通过定制化许可证条款，试图在享受开源社区红利与保护核心商业利益间找到平衡点。

例如，Dify对多租户的限制意在规范云服务商的SaaS化服务；n8n的许可证直接将用户引向商业化路径。这种“源码可用，但商用受限”模式正被更多项目采纳。

虽然挑战了传统开源的非歧视性原则，但在商业化落地需求迫切的当下，这种务实做法可能代表新发展方向。

总之，开源定义正演变，商业价值的实现路径也更直接。

新战场：从框架之争到性能优化

如果生态发展1.0阶段是功能实现的广泛探索，2.0阶段竞争焦点明显转移。

技术领域发展趋势图直观反映了这一点：

Agent Framework（智能体框架）领域：整体活跃度下降。早期代表性项目如LangChain、LlamaIndex、AutoGen，社区活跃度回落。

Model Serving（模型服务）和AI Coding（AI编程）领域：呈现显著增长态势。

这一升一降背后，是AI产业从探索期向工程落地期过渡的体现。

首先，生态正从探索期迈向工程落地期。

Agent框架活跃度下降不代表理念失败，而是市场经历早期探索后进入理性筛选阶段。早期通用框架证明了构建Agent的可行性，但在实际部署中，开发者遇到性能、稳定性和成本等工程化挑战。

因此，市场关注点从“能否实现”转向“能否高效、经济、稳定地运行”。

这标志大模型生态进入工程落地期。在此阶段，大而全的通用框架吸引力下降，更垂直、性能更优、解决具体工程问题的专用工具受更多关注。

其次，推理成本成为工具链演进的核心驱动力。

AI应用大规模落地的核心制约因素是推理成本。每次模型调用都关联计算资源消耗。如何优化模型服务效率、降低单位成本，是所有AI应用开发者共同面临的问题。

正因如此，Model Serving成为新竞争焦点。

以vLLM和SGLang为代表的高性能推理引擎，通过技术创新（如PagedAttention）显著提升GPU利用率和推理吞吐量。NVIDIA的TensorRT-LLM则利用软硬件协同优势，提供极致性能优化方案。

这些项目目前在AI Infra（基础设施）层占据核心生态位，其性能表现直接影响上层应用的商业可行性。可以说，谁能在模型推理性能优化上取得突破，谁就在很大程度上掌握生态话语权。

竞争主题已从功能覆盖转向性能深度优化。

新格局：中美双核驱动开源世界

从全球开发者贡献看，新格局形成：中国和美国成为驱动全球AI开源发展的两大核心力量。

数据显示，在可识别地理位置的开发者中，美国开发者占比24%，中国开发者占比18%。从基于OpenRank计算的贡献度看，美国以37.4%领先，中国以18.7%位居第二，两国合计贡献度超55%。

△大模型开发生态整体贡献度Top 10国家分布

△

在整体格局下，细分领域贡献分布呈现不同特点。

首先，全球AI开源格局呈现“双中心”特征。

AI Infra领域：美国贡献度达43.39%，中国为22.03%，美国在该领域有显著领先优势。这与在底层芯片、基础模型和云服务等方面的长期积累有关。

AI Agent领域：中美差距大幅缩小，贡献度分别为24.62%和21.5%。中国开发者在更贴近应用层的领域表现出强大活力和增长潜力。

这种差异化分布勾勒出“双中心”格局：美国在基础设施层具更强主导权，而中国在应用创新层展现强劲追赶势头。

其次，应用场景驱动的技术创新模式。

中国开发者在Agent领域的活跃，与国内庞大复杂的数字经济应用场景密切相关。各行各业都存在利用AI技术进行流程自动化、提升服务效率和降低运营成本的巨大需求。

这种强烈的“场景驱动力”，催生大量面向具体问题的AI原生应用和Agent解决方案，形成自下而上的创新模式：由真实应用需求驱动和选择最适合的技术工具。

这也部分解释为何如Dify（低代码Agent平台）、Cherry Studio（Chatbot应用）等项目能快速发展，并在全球范围内获得关注。

其优势可能不在底层技术的绝对领先，而在对AI能力的产品化和场景化落地有更深刻理解。

总结来看，《大模型开源开发生态全景图2.0》揭示三大趋势：

范式演变：开源运作模式正从纯粹技术社区向商业化和市场运营驱动模式转变。

战场转移：生态竞争核心正从功能广度转向运行性能，推理效率成为关键瓶颈。

格局形成：中美两国成为全球AI开源生态的两个主要贡献中心，并在不同技术层面呈现各自优势。

总之，这是一个关于快速迭代和适者生存的演进故事。在这场“黑客松”式竞争中，没有一成不变的领先者，只有持续的创新者。

额外亮点：

与TensorFlow趋势对比，新一代开源项目正以极快速度崛起。

例如，新上榜的AI Coding项目OpenCode（定位为Claude Code的开源替代）和Google的Gemini CLI，都在发布后数月内获得极高社区关注度和活跃度。

而最值得一提的开源项目是Browser-use——2名研究生仅用9个月便斩获60K星标！

那么问题来了：你认为再过100天，下一个类似“Browser-use”的爆发时刻，将属于哪个项目？