开源 AI 正在改变经济——数据揭示了真相

本文同步发布于 Linux 基金会博客。

随着 2025 年步入年中，人工智能在改变企业、经济和行业方面的潜力不仅已被广泛预期，几乎成为共识，而且有据可查。在 Meta 委托开展的一个项目中，LF Research 旨在收集关于该主题的现有证据，特别聚焦于理解开源在这一转型过程中所扮演的角色。

在最新发布的报告《开源人工智能的经济与劳动力影响》中，LF Research 阐述了开源人工智能（OSAI）在何种程度上以及如何影响全球经济和劳动力的细微差别。通过审查行业、学术界和开源领域的研究证据，作者们在 OSAI 的采用率、成本效益、创新促进潜力等方面发现了重要的见解。以下是核心结论。

首先，开源人工智能的采用已经十分广泛。几乎所有的软件开发人员都尝试过开源模型，约 63% 的企业正在积极使用它们。事实上，在以任何形式应用人工智能的组织中，有惊人的 89% 在其基础设施的某个环节采用了开源 AI。这已不再是一种边缘方法，而正在成为标准。

原因何在？成本是一个巨大因素。开源工具的价格往往比其专有对应产品低得多。我与 Manuel Hoffmann 和 Yanuo Zhou 进行的前期研究表明，如果不存在开源，企业在软件上的支出将是目前水平的 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首要原因。结合多项研究显示 AI 能够将业务部门成本降低 50% 以上，同时保持用户友好性和高性能，很明显，OSAI 是提高利润率和扩展创新的战略优势。

创新和创业精神是开源的另外两大益处。在与 Nataliya Langburd Wright 和 Shane Greenstein 的研究中，我们发现当国家层面的开源贡献增加时，初创企业也会增加；在公司层面，对开源的贡献与初创企业增长之间存在正相关关系。开源鼓励协作，邀请来自全球的开发者和研究人员共同贡献。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 Meta 将机器学习库 PyTorch 捐赠给 Linux 基金会时所发现的那样，企业贡献有了显著增长，尤其是来自芯片制造商的贡献。

AI 的成本削减能力不仅与释放资源带来的生产力提升有关，还与人们工作方式的重塑有关——这类似于蒸汽机的全面影响在工厂围绕其重新调整整个工作流程之后才引发工业革命。Manuel Hoffmann、Sam Boysel、Kevin Xu、Sida Peng 和我发现，对于软件开发人员来说也是如此。当 GitHub 推出其生成式 AI 编码工具 Copilot 时，开发人员通过投入更多时间编写代码、大幅减少项目管理时间来改变了工作方式。然而，根据 LF 研究中引用的现有研究，这并没有转化为大规模裁员：过去两年中，95% 的受访招聘经理表示他们不计划因 AI 而裁员。此外，能够有效利用 AI 工具实际上可能会使工资提高 20% 以上。

展望未来，开源 AI 很有可能在边缘计算等领域成为基础，因为这些领域需要小型、保护隐私的模型在本地设备上高效运行。OSAI 在行业特定应用中也取得了巨大进展。例如，在制造业中，开源模型提供了将 AI 集成到复杂操作流程中所需的灵活性。而在医疗保健这一传统上保守且厌恶风险的领域，开源模型在性能上已经可以与专有模型相媲美，使机构有信心在不牺牲质量的前提下进行采用。无论组织规模或财政资源如何，OSAI 都是拉平竞争环境的重要途径——报告发现，小企业采用 OSAI 的比率高于大企业。

OSAI 是一种经济力量。它正在降低成本、加速创新，并使更广泛的参与者能够塑造技术的未来。

OSAI 的下一步是什么？五个值得研究的领域

虽然 OSAI 的影响才刚刚开始形成，但其全部影响范围才刚刚显现。为了更好地理解和利用 OSAI 的潜力，报告概述了五个关键的研究领域，每一个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. 追踪大局：OSAI 在市场增长中的角色
   一个紧迫的问题是开源模型如何影响整体 AI 市场。除了工具本身，OSAI 可能正在驱动互补性创新，刺激建立在开源基础设施之上的服务、应用程序和平台的增长。理解这种更广泛的连锁反应对于掌握开源 AI 的真实经济足迹至关重要。
2. 为投资提供论据
   为了帮助做出明智的决策，我们鼓励研究人员分析在国家和公司层面对 OSAI 基础设施的投资回报。量化这些开源组件（从数据集、计算资源到开发工具）的长期价值，可以引导资源分配和政策决策。
3. 连接开放性与创新
   OSAI 是否直接促进了更多的初创企业、专利或高效的研发？未来的研究应探讨对模型和工具的开放获取如何与具体的创新指标相关联。这可以为开放性如何不仅加速采用，而且加速发明提供证据。
4. 分析成本数据
   跨行业、公司规模和全球地区的开源与专有 AI 解决方案的详细成本比较，将有助于阐明谁从“开源”中获益最多。对于在紧张预算中做出技术决策的组织而言，这些见解将极具价值。
5. 理解劳动力的影响
   最后，人的因素至关重要。随着 AI 工具重塑工作，衡量开源模型如何影响员工生产力、满意度和工作模式至关重要。开源工具在某些任务或行业中是否比其他领域更能赋能员工？它们是否导致了更灵活、更充实的角色？这些问题的答案将有助于确保 AI 不仅造福于企业，也能造福于大众。

通过探索这些未来的研究领域，我们可以更深入地了解开源人工智能如何重塑全球经济和劳动力。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去研究它的影响了。