Mozilla：2026开源 AI 现状报告（英文版）（59页）.pdf

核心结论速览： 部署是开源AI的最大瓶颈：79%开发者使用开源模型，仅51%部署至生产。阻碍因素是运营工具和信任，而非模型能力。 开源模型的“易用难部署”悖论：开源在模型代码（3.96/5）和社区支持（4.0/5）上得分高，但在标准化（2.83/5）和企业就绪（2.79/5）上得分最低。 企业规模并不能解决开源部署难题：开源模型的部署率随企业规模增长幅度远小于闭源模型。资源不是核心瓶颈，生态系统的成熟度才是。 开源模型占用量的约1/3，仅创造4%收入：开源模型在真实使用量中占约三分之一，但收入仅占约4%。价值在产生，但没有回流到开源生态系统。 成本是开发者选择开源的首要原因：30-28%的开发者将更低成本和隐私列为选择开源的首要原因。开源-闭源价格不对称的年化未实现节省达248亿美元。 开发者离开开源的五大原因：基础设施/计算成本（27%）、安全/隐私/合规（26%）、持续维护（24%）、部署复杂性（23%）、缺乏专业支持（22%）。 代理层是开源部署的新前线：MCP（模型上下文协议）月下载量从200万暴增至9700万。但约21%的公司拥有成熟治理——采用速度已超过管控能力。H2：开源AI的部署困境——数据告诉你真相。79%采用，51%部署：Mozilla与SlashData 2026年全球开发者调查（n=1,494）显示，79%的开发者采用开放模型，但仅51%成功部署至生产环境。闭源模型部署率为63%。规模不解决问题：开源模型的部署率随企业规模增长幅度远小于闭源模型。小型组织在开源和闭源上的部署率相近；差距在中型和企业级采用者中扩大。运营层是真正的瓶颈：Mozilla开源AI堆栈地图评估显示，开源在模型代码（3.96/5）、社区（4.0/5）、易用性（3.63/5）上得分高；在标准化（2.83/5）和企业就绪（2.79/5）上得分最低。H2：开发者面临的核心挑战。五大阻碍：开发者列出的前五大挑战——基础设施与计算成本（27%）、安全/隐私/合规（26%）、持续维护与更新（24%）、部署/托管/扩展复杂性（23%）、缺乏专业支持（22%）。区域差异显著：安全/合规在South Asia（39%）和East Asia（29%）最突出；部署复杂性在South America（30%）和Eastern Europe/CIS（26%）最突出；专业支持缺乏在Greater China（31%）和South Asia（24%）最突出。离开开源的真实原因：离开开源的开发者报告这些运营问题的频率高于继续使用的开发者。“没有重大挑战”的开发者仅占12%。H2：代理层——开源部署的新前线。代理层的崛起：Mozilla指出，“最重要的层不是模型本身，而是代理层”——模型与用户之间的软件。更换代理层软件对系统行为的影响可能超过更换模型本身。MCP的爆发式增长：MCP Python与TypeScript SDK月下载量从约200万增长至9700万，16个月增长4750%。财富500强中28%在2026年3月前已在生产环境运行MCP。治理滞后于采用：MCP成为Linux Foundation基础设施后的前八周内，安全研究人员填补了30多个CVE。约21%的公司拥有成熟的智能体治理——采用速度已超过管控能力。H2：成本经济学——开源为何难以抗拒。50倍成本下降：GPT-4级模型推理成本从20美元降至0.40美元/百万Token。最大单次降幅来自Llama 3.1和DeepSeek。三个企业的故事：微软在数月内消耗了部门年度AI预算，探索Azure托管DeepSeek V4；Stripe在开源模型上将推理成本降低了73%；Uber工程师在支出上限前每月计费500-2,000美元。248亿美元的未实现节省：Linux基金会估计开源-闭源价格不对称带来的年化未实现节省达248亿美元。30-28%的开发者将更低成本列为首要原因。H2：开源开发者的行动指南。第一步：评估部署 readiness。 使用Mozilla九层堆栈地图评估组织的运营能力。 识别标准化和企业就绪方面的具体缺口。第二步：选择合适的部署模式。 自托管：适用于8,000次对话/天的规模。 API模式：适用于实验和小规模场景。 混合模式：关键工作负载自托管，实验性工作负载用API。第三步：投资运营工具链。 监控、可观测性、评估框架。 安全与合规自动化。 持续集成与持续部署（CI/CD）管道适配。第四步：参与开源生态。 贡献到开源项目以影响路线图。 利用社区支持降低维护成本。 关注代理层（MCP、A2A等）标准演进。延伸阅读：以上为报告核心趋势分析，如需获取完整报告详细数据及全部案例，请访问下载页下载完整PDF报告。FAQ区块。Q1：为什么79%的开发者用开源模型，但只有51%能部署？阻碍是运营工具、标准化和企业就绪支持的缺乏，而非模型能力问题。Q2：开源模型部署的最大挑战是什么？五大挑战：基础设施成本（27%）、安全/合规（26%）、持续维护（24%）、部署复杂性（23%）、缺乏专业支持（22%）。Q3：企业规模大了就能解决开源部署问题吗？不能。开源模型的部署率随企业规模增长幅度远小于闭源模型。资源不是核心瓶颈，生态系统成熟度才是。Q4：代理层（Agentic Harness）对开发者意味着什么？代理层是决定AI系统行为的最关键层。MCP月下载量已达9700万，但治理严重滞后。开发者需要关注代理层的标准和工具。Q5：开源模型能省多少钱？GPT-4级模型成本从20美元降至0.40美元/百万Token。Linux基金会估计年化未实现节省达248亿美元。Q6：开发者离开开源模型的主要原因是什么？基础设施和计算成本、安全与合规担忧、持续维护负担、部署复杂性、缺乏专业支持。数据来源说明。以上数据来源于Mozilla《State of Open Source AI 2026》报告（2026年7月发布），基于LMSYS Chatbot Arena、OpenRouter平台数据、Mozilla/SlashData全球开发者调查（n=1,494）及公开 filings 等多源数据。