AI堆栈差距图谱

Current AI 今日正式发布了开源 AI 堆栈差距图谱（Gap Map）v0.1，这是一个动态、可操作的可视化工具，旨在全面展示开源 AI 生态系统的现状与缺口。该图谱基于对超过 24,626 个项目的系统调查，并对其中 421 个产品进行了深度评估——包括 266 个软件工具和库、85 个模型、50 个数据集以及 20 个硬件项目，这些产品来自 228 个组织，分布在 14 个类别和三个主要层次：模型组件、产品/用户体验和基础设施。其余 24,400 多个项目构成了生态系统长尾，将在未来研究后逐步纳入评分。

图谱的创建源于识别开源 AI 堆栈中最高杠杆点的需求：哪些地方需要新建项目，哪些地方需要投资能力提升，哪些工具需要进一步开放。通过实时更新且易于理解的生态可视化，Current AI 希望凝聚社区力量，形成集体路线图。项目的分步骤方法始于从哥伦比亚大学 AI 开放性会议、MOF 及 Hugging Face 等机构的顶尖专家处发现关键项目，随后进行严格的评分与丰富化，从开放性、能力和采用率三个维度对每个产品进行评估。所使用的分类法直接源自 2024 年哥伦比亚大学 AI 开放性会议。

初步发现揭示了几个关键洞察：首先，开源并不总是追逐技术前沿——实际上，在编排智能体等能力类别上，开源生态系统领先于封闭实验室，开源 AI 经济体正在超越封闭创新。其次，贡献模式显示社区并非搭便车，而是积极建设共享工具基础设施，这标志着被低估的生态健康度。然而，健康不等于韧性。以推理代码为例，vLLM、llama.cpp 和 SGLang 虽然成熟、被广泛采用且完全开放，但数量稀少。整个推理层依赖于少数项目的持续良好运行，工程师称之为“巴士因子”——这是贯穿整个堆栈的结构性脆弱点，公共投资可有效弥补。

Current AI 计划持续更新该图谱，并邀请社区协作。用户可通过 map.currentai.org 交互探索，或访问 GitHub 获取完整数据集。图谱在设计上力求平衡易用性与严谨性，兼顾资助者、政策制定者、设计师、商业人士以及开发者与开源 AI 构建者的需求。未来几周，团队将基于图谱持续发布更多分析信号，包括哪些成熟项目仅需营销推动，以及哪些最紧迫的缺口值得社区共同关注。该图谱是 Current AI 迈向开放公共利益 AI 堆栈的第一步，旨在帮助各方集中精力和资金，填补关键缺口，打造真正开放的人工智能替代方案。