开源 AI 正在改变经济——数据揭示了真相

博客转载于 Linux Foundation 博客。

随着我们步入 2025 年年中，人工智能改造企业、经济和行业的潜力不仅被广泛预期且近乎普遍，而且也得到了充分的记录。Meta 委托进行的一项项目，LF Research 旨在收集关于此主题的现有证据，并专门旨在了解开源在这种转型中扮演的角色。

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的细微差别。通过检查来自行业、学术界和开源研究的现有证据，作者们在 OSAI 的采用率、成本效益、促进创新的潜力等方面发现了重要见解。以下是主要收获。

首先，开源人工智能的采用已经非常广泛。几乎所有软件开发人员都尝试过开源模型，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地方都融入了开源人工智能。它不再是边缘的方法——它正成为标准。

为什么？成本是一个重要因素。与专有工具相比，开源工具的价格通常要低得多。我与 Manuel Hoffmann 和 Yanuo Zhou 的先前研究表明，如果没有开源，公司在软件上的花费将比现在高 3.5 倍。新的 LF 报告显示，三分之二的组织表示部署 OSAI 更便宜，近一半的组织将节省成本视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的成本降低 50% 以上，同时仍保持用户友好和高性能，因此很明显，OSAI 在提高利润率和扩展创新方面具有战略优势。

创新和创业是开源的其他主要优势。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，新成立的公司也会增加；在公司层面，对开源的贡献与初创企业的增长之间存在正相关关系。开源鼓励协作，吸引了来自全球开发人员和研究人员的贡献。这种外部投入有助于加速高质量模型的开发。正如 Daniel Yue 和我发现的那样，当 Meta 将机器学习库 PyTorch 捐赠给 Linux Foundation 时，企业贡献，特别是来自芯片制造商的贡献，显著增加。

人工智能的成本削减能力不仅与解放的资源带来的生产力提高有关，还与工作方式的重新定位有关——这与蒸汽机产生的全部影响导致工业革命类似，但只有在工厂围绕其重新调整了整个工作流程之后。Manuel Hoffmann、Sam Boysel、Kevin Xu、Sida Peng 和我发现，对于软件开发人员来说，情况确实如此。当 GitHub 推出其 GenAI 编码工具 Copilot 时，开发人员改变了他们工作的方式，将更多时间用于编写代码，而用于项目管理的时间则大大减少。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：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减少员工人数。此外，有效使用人工智能工具甚至可以将工资提高 20% 以上。

展望未来，开源人工智能很可能在边缘计算等领域变得基础，在这些领域，更小、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，在制造业中，开源模型提供了将人工智能集成到复杂运营工作流程所需的灵活性。在医疗保健领域——一个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，这让机构有信心采用，而不会牺牲质量。OSAI 是一个重要的途径，可以使竞争更加公平，无论您的组织规模或财务资源如何——正如报告所发现的那样，小型企业的 OSAI 采用率高于大型企业。

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未来。

OSAI 的下一步是什么？五个适合研究的领域

虽然 OSAI 的影响才刚刚开始显现，但其影响的全部范围才刚刚展开。为了更好地理解和利用 OSAI 的潜力，该报告概述了五个关键的未来研究领域，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. 追踪全局：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体人工智能市场。除了工具本身，OSAI 可能正在推动互补创新，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。理解这种更广泛的涟漪效应对于掌握开源人工智能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，鼓励研究人员分析国家和公司层面的 OSAI 基础设施投资回报率。量化这些开源组件（从数据集和计算到开发人员工具）的长期价值，可以指导快速发展的领域的资源分配和政策决策。
3. 将开放性与创新联系起来
   OSAI 是否直接促进了更多初创企业、专利或高效的研发？未来的研究应该探讨模型和工具的开放访问如何与具体的创新指标相关联。这可以为开放性不仅加速采用，而且加速发明提供证据。
4. 进行成本核算
   对不同行业、公司规模和全球地区之间开源和专有人工智能解决方案的成本进行详细比较，将有助于阐明谁从转向开源中受益最大。这些见解对于预算紧张并正在评估技术策略的组织来说将是宝贵的。
5. 理解劳动力影响
   最后，人的方面很重要。随着人工智能工具重塑工作，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。开源工具有助于在某些任务或行业中比其他行业赋予工人更大的权力吗？它们是否会导致更灵活、更令人满意的工作角色？这些问题的答案将有助于确保人工智能不仅造福企业，也造福人民。

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改变全球经济和劳动力。开源人工智能时代已经到来——现在是时候以深度和严谨的态度研究其影响了。