开源 AI 正在改变经济——数据揭示了真相

博客交叉发布于 Linux 基金会博客。

当我们即将迎来 2025 年年中之际，人工智能（AI）改变商业、经济和产业的潜力不仅被广泛预期、几乎成为普遍共识，而且已有充分的文献记载。在 Meta 委托的一个项目中，LF Research 着手收集关于这一主题的现有证据，旨在具体了解开源在这一变革中扮演的角色。

在其最新出版物《开源人工智能的经济和劳动力影响》中，LF Research 详细描述了开源人工智能（OSAI）如何以及在多大程度上影响全球经济和劳动力。通过研究来自行业、学术界和开源研究的现有证据，作者们发现了关于 OSAI 采用率、成本效益、创新促进潜力等方面的重要见解。以下是主要结论。

首先，开源人工智能的采用已经非常普遍。几乎所有软件开发者都试验过开源模型，约 63% 的公司正在积极使用它们。事实上，在以任何形式拥抱人工智能的组织中，高达 89% 的组织在其基础设施的某个环节中整合了开源人工智能。这不再是一种边缘方法——它正在成为标准。

为什么？成本是一个巨大因素。开源工具的价格标签通常远低于其专有对应产品。我与 Manuel Hoffmann 和 Yanuo Zhou 的先前研究表明，如果不存在开源，公司在软件上的花费将是现在的 3.5 倍。新的 LF 报告显示，三分之二的组织表示 OSAI 的部署成本更低，近一半的组织将成本节约作为选择开源的主要原因。再加上研究表明人工智能能够将业务部门成本削减超过 50%，同时保持用户友好和高性能，很明显，OSAI 在提升利润和扩大创新方面代表着一种战略优势。

创新和创业精神是开源的另外两大好处。在与 Nataliya Langburd Wright 和 Shane Greenstein 的研究中，我们发现当开源贡献在国家层面增加时，新创公司也会随之增多；在公司层面，对开源的贡献与初创公司的增长之间存在正相关关系。开源鼓励协作，邀请全球范围内的开发者和研究人员参与贡献。这种外部输入有助于加速高质量模型的开发。正如 Daniel Yue 和我在研究 Meta 将机器学习库 PyTorch 捐赠给 Linux 基金会时发现的，企业贡献显著增加，尤其是来自芯片制造商的贡献。

人工智能的降本能力不仅与资源释放带来的生产力提高有关，还与人们工作方式的重新调整有关——类似于蒸汽机的全面影响引发了工业革命，但这只在工厂围绕它重新调整了整个工作流程之后才发生。Manuel Hoffmann、Sam Boysel、Kevin Xu、Sida Peng 和我发现，软件开发者的情况也是如此。当 GitHub 推出其 GenAI 编码工具 Copilot 时，开发者改变了他们的工作方式，花更多时间编写代码，而大幅减少了项目管理的时间。然而，根据 LF 研究中确定的现有研究，这并未导致大规模裁员：在过去两年中，95% 的受访招聘经理表示他们不打算因人工智能而裁员。更重要的是，能够有效使用人工智能工具实际上可能会使工资增加超过 20%。

展望未来，开源人工智能很可能在边缘计算等领域成为基础技术，在这些领域，更小、更注重隐私的模型需要在本地设备上高效运行。OSAI 也在行业特定应用中取得了重大进展。例如，在制造业，开源模型提供了将人工智能集成到复杂操作工作流程中所需的灵活性。而在医疗保健领域——一个传统上保守且规避风险的领域——开源模型在性能上已经能与专有模型相媲美，这给了机构采用的信心，而无需在质量上妥协。OSAI 是一个重要的途径，无论您的组织规模或财务资源如何，都能实现公平竞争——正如报告所发现的，小型企业采用 OSAI 的比率高于其大型同行。

OSAI 是一种经济力量。它正在降低成本、加速创新，并赋能更广泛的参与者来塑造技术的未来。

OSAI 的下一步是什么？五个有待研究的领域

虽然 OSAI 的影响已初具雏形，但其影响的全部范围才刚刚开始展现。为了更好地理解和利用 OSAI 的潜力，该报告概述了未来研究的五个关键领域，每个领域对于制定明智的政策、商业战略和创新生态系统都至关重要。

1. 追踪宏观图景：OSAI 在市场增长中的作用
   一个紧迫的问题是，开源模型如何影响整个 AI 市场。除了工具本身，OSAI 可能正在推动互补性创新，促进基于开放基础设施的服务、应用和平台的增长。理解这种更广泛的连锁反应对于掌握开放 AI 的真实经济足迹至关重要。
2. 为投资提供依据
   为了帮助做出明智的决策，研究人员应分析国家和公司层面在 OSAI 基础设施上的投资回报。量化这些开放组件（从数据集、计算到开发者工具）的长期价值，可以为这个快速发展的领域中的资源分配和政策决策提供指导。
3. 将开放性与创新联系起来
   OSAI 是否直接促进了更多的初创公司、专利或高效的研发？未来的研究应探讨模型的开放获取与具体创新指标之间的关联。这可以为开放性如何不仅加速采用，还加速发明提供证据。
4. 计算成本数据
   对不同行业、公司规模和全球地区的开放与专有 AI 解决方案进行详细的成本比较，将有助于揭示谁从开放中获益最多。这些见解对于在预算紧张和评估技术战略的组织来说将是无价之宝。
5. 理解对劳动力的影响
   最后，人的因素至关重要。随着 AI 工具重塑工作，衡量开放模型如何影响员工生产力、满意度和工作模式至关重要。开放工具是否在某些任务或行业中比其他工具更能赋能员工？它们是否会带来更灵活、更有成就感的角色？这些问题的答案将有助于确保 AI 不仅造福商业，也造福人类。

通过探索这些未来的研究领域，我们可以更深入地理解开源人工智能如何改变全球经济和劳动力。开源人工智能的时代已经到来——现在是时候以深度和严谨的态度研究其影响了。