当生成式AI领域被闭源巨头的重磅发布频频刷屏时，一家致力于开源模型和数据集共享的平台却悄然成了财富500强半壁江山的“AI基础设施”。Hugging Face CEO Clem Delangue在最新访谈中指出，开源AI不仅没有退潮，反而比以往任何时候都更加重要——它正在重塑企业拥抱AI的真实路径。
从“AI版GitHub”到企业标配
Hugging Face起初只是一个小众的聊天机器人项目，如今已成长为AI领域的协作枢纽，类似于GitHub在代码领域的地位。平台上的模型库（Model Hub）和数据集（Datasets）积累了超过50万个模型、超过10万个数据集，覆盖文本、图像、语音、多模态等几乎所有主流AI任务。Delangue透露，目前大约一半的财富500强企业都在内部或产品中使用了Hugging Face上的开源资源——这个数字在过去两年里翻了近三倍。
企业采用开源AI的“三部曲”
Delangue总结了一条他反复观察到的企业落地路径：先尝、后改、最终回馈。绝大多数公司最初只是下载一个预训练的开源模型做快速测试（例如Llama、Mistral或Falcon的某个版本），验证可行性后，会基于自身业务数据对模型进行微调或指令调优，形成专属模型。而到了这一阶段，超过60%的企业会选择将改进后的模型、配套的推理代码甚至评估基准贡献回社区——这种“开源-闭源-再开源”的循环，在传统软件行业极为罕见，却正在AI领域成为常态。
开源AI的“规模悖论”正在被打破
长期以来，业界存在一种怀疑：开源模型在参数量、训练数据和推理成本上无法追赶闭源顶级模型（如GPT-4、Claude 3.5）。但Delangue认为这一现状正在改变。一方面，以Meta的Llama 3.1 405B、阿布扎比的Falcon 2等为代表的开源大模型已逼近闭源能力；另一方面，开源社区涌现出大量小参数但高针对性的模型（如7B、13B量级），其性能在特定任务上甚至可以超越千亿级闭源模型。更重要的是，开源模型允许企业完全掌控数据隐私、定制化成本和部署环境——对于金融、医疗、政府等高度敏感行业，这几乎是唯一可接受的选项。
为什么“现在”比以往更关键？
Delangue给出了三个层级的理由。第一是生态的成熟度：开源AI不再只是学术界或业余爱好者的游戏，背后有Hugging Face、Meta、Google、微软等机构的持续投入，形成了从训练、评测、部署到监控的完整工具链。第二是许可与商业模式的进化：开源许可证从传统的Apache 2.0、GPL发展到更符合AI特性的“开放RAIL-M”等协议，既保护贡献者的权益，也不限制商业使用。第三是地缘与供应链的韧性：在出口管制和芯片禁运的大背景下，开源模型让各国、各企业能够基于本地算力和数据构建独立的AI能力，而不必完全依赖特定公司的API服务。
行业意义：从“模型竞赛”转向“应用生态”
Delangue的观察反映了一个深层趋势：AI产业正在从“争夺参数规模”的军备竞赛，转向“围绕开源模型构建专属应用”的价值竞争。对大多数企业而言，真正稀缺的不是最强的基础模型，而是如何将模型与自身的数据、流程和合规要求无缝整合。开源AI降低了这个门槛——一家中小型公司只需几千美元的计算成本，就能基于Llama或Qwen微调出一个适合自己客服场景的模型，且数据不出本机。
与此同时，Hugging Face这类平台也在推动“AI民主化”的下一阶段：不再只是让开发者能下载模型，而是让每个人都能通过Space（即时部署的应用容器）、Gradio等工具直接体验和测试模型。Delangue预测，未来五年内，开源模型将占据AI推理流量的70%以上，因为“没有人愿意把自己未来的核心竞争力完全锁在另一个公司的黑箱里”。
开源AI的崛起未必意味着闭源模型的消亡——它们各自服务不同的场景。但它确实在重新定义“谁可以参与AI”以及“AI如何为企业创造实际价值”。当财富500强纷纷从“试用开源模型”走向“定制并贡献开源模型”，这场变革可能比我们想象的要快得多。