昔日王者TensorFlow，已死

但这一现象背后，其实藏着两个很值得关注的范式转变。

首先，开源的运营属性越来越强，GitHub正在变成新的GTM（Go-to-Market）主战场。

GitHub的功能早就不是单纯的代码托管和协作工具了，它慢慢演变成了一个集产品发布、用户反馈、社区营销于一身的综合性平台。很多商业产品——哪怕是闭源的，比如Cursor、Claude-Code——也在GitHub上维持着活跃的社区，把它当作和用户互动、收集反馈、做市场推广的核心渠道。

在这个背景下，开源本身成了一种重要的GTM战略。一个项目是不是100%代码开放，反而没那么关键了；社区活跃度——比如星标数、Issue数、PR数——倒成了衡量产品活力和市场接受度的硬指标。

其次，是“社区开放”和“商业利益”之间在寻找新的平衡点。

新一代的AI开源项目，从项目初期就把商业化诉求放在了明面上。它们通过定制化的许可证条款，试图在享受开源带来的社区生态红利和保护核心商业利益之间，找到一个巧妙的平衡。比如Dify对多租户的限制，是为了规范云服务商基于它的项目做SaaS化服务；n8n的许可证则直接把用户引向它的商业化路径。这种“源码可用，但商用受限”的模式，正在被越来越多项目采用。

当然，这挑战了传统开源关于非歧视性的原则，但在商业化落地需求这么迫切的当下，这种务实的做法很可能代表了一条新路。

总而言之，开源的定义在演变，商业价值的实现路径也更直接了。

新战场：从框架之争到性能为王

如果说生态发展的1.0阶段是围绕功能实现做广泛探索，那么2.0阶段的竞争焦点就明显不一样了。

下面这张技术领域发展趋势图，非常直观地反映了这个变化：

Agent Framework（智能体框架）领域：整体活跃度在下降。像LangChain、LlamaIndex、AutoGen这些早期代表性项目，社区活跃度都有回落。

Model Serving（模型服务）和AI Coding（AI编程）领域：增长势头非常猛。

这一升一降的背后，是AI产业从探索期向工程落地期过渡的体现。

首先是生态正在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，而是市场在早期广泛探索后进入了理性筛选阶段。早期的通用框架证明了构建Agent的可行性，但在实际部署中，开发者遇到了性能、稳定性和成本等工程化挑战。所以，市场的关注点正从“能否实现”转向“能否高效、经济、稳定地运行”。

这一转变说明大模型生态正在进入工程落地期。在这个阶段，大而全的通用框架吸引力下降，而那些更垂直、性能更优、能解决具体工程问题的专用工具更受青睐。

其次，推理成本成了工具链演进的核心驱动力。AI应用大规模落地的主要制约因素之一就是推理成本：每一次模型调用都直接消耗计算资源。怎么优化模型服务的效率、降低单位成本，是所有AI应用开发者都要面对的问题。

正因如此，Model Serving成了新的竞争焦点。以vLLM和SGLang为代表的高性能推理引擎，通过PagedAttention这类技术创新，大幅提升了GPU利用率和推理吞吐量。NVIDIA的TensorRT-LLM则利用软硬件协同的优势，提供了极致的性能优化方案。这些项目目前在AI Infra（基础设施）层占据了核心生态位，它们的性能直接决定了上层应用的商业可行性。可以说，谁能在模型推理的性能优化上取得突破，谁就在很大程度上掌握了生态的话语权。

竞争的主题，已经从功能覆盖转向了性能的深度优化。

新格局：中美正在引领开源世界

从全球开发者贡献来看，一个新格局已经成形：中国和美国成了驱动全球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计算的贡献度来看，美国以37.4%领先，中国以18.7%位居第二，两国合计贡献度超过55%。

△大模型开发生态整体贡献度Top 10国家分布

△

在整体格局之下，细分领域的贡献分布呈现出不同特点。

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。这跟它在底层芯片、基础模型和云服务等方面的长期积累有关。AI Agent领域：中美之间的差距则大幅缩小，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的活力和增长潜力。这种差异化的分布，勾勒出一个“双中心”格局：美国在基础设施层具备更强的主导权，而中国则在应用创新层展现出强劲的追赶势头。

其次，是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，和国内庞大且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”，催生了大量面向具体问题的AI原生应用和Agent解决方案，形成了一种自下而上的创新模式：由真实的应用需求来驱动和选择最适合的技术工具。这也在一定程度上解释了为什么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。它们的优势可能不在于底层技术的绝对领先，而在于对AI能力的产品化和场景化落地有更深刻的理解。

最后，总结来看这份《大模型开源开发生态全景图2.0》，可以归纳出三个清晰的大趋势：

范式演变：开源的运作模式正从纯粹的技术社区，向商业化和市场运营驱动的模式转变。

战场转移：生态的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出各自的优势。

总而言之，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”式的竞争中，没有一成不变的领先者，只有持续的创新者。

One More Thing：

与TensorFlow的趋势形成对比的是，新一代开源项目正以极快的速度崛起。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，都在发布后短短数月内获得了极高的社区关注度和活跃度。

而最值得一提的一个开源项目，就是Browser-use——2个研究生仅用9个月便拿下60K星！

那么问题来了，你觉得再过100天，下一个类似“Browser-use”的时刻，会花落谁家呢？