AI堆棧差距圖譜

Current AI 今日正式發佈了開源 AI 堆棧差距圖譜（Gap Map）v0.1，這是一個動態、可操作的可視化工具，旨在全面展示開源 AI 生態系統的現狀與缺口。該圖譜基於對超過 24,626 個項目的系統調查，並對其中 421 個產品進行了深度評估——包括 266 個軟件工具和庫、85 個模型、50 個數據集以及 20 個硬件項目，這些產品來自 228 個組織，分佈在 14 個類別和三個主要層次：模型組件、產品/用户體驗和基礎設施。其餘 24,400 多個項目構成了生態系統長尾，將在未來研究後逐步納入評分。

圖譜的創建源於識別開源 AI 堆棧中最高槓杆點的需求：哪些地方需要新建項目，哪些地方需要投資能力提升，哪些工具需要進一步開放。通過實時更新且易於理解的生態可視化，Current AI 希望凝聚社區力量，形成集體路線圖。項目的分步驟方法始於從哥倫比亞大學 AI 開放性會議、MOF 及 Hugging Face 等機構的頂尖專家處發現關鍵項目，隨後進行嚴格的評分與豐富化，從開放性、能力和採用率三個維度對每個產品進行評估。所使用的分類法直接源自 2024 年哥倫比亞大學 AI 開放性會議。

初步發現揭示了幾個關鍵洞察：首先，開源並不總是追逐技術前沿——實際上，在編排智能體等能力類別上，開源生態系統領先於封閉實驗室，開源 AI 經濟體正在超越封閉創新。其次，貢獻模式顯示社區並非搭便車，而是積極建設共享工具基礎設施，這標誌着被低估的生態健康度。然而，健康不等於韌性。以推理代碼為例，vLLM、llama.cpp 和 SGLang 雖然成熟、被廣泛採用且完全開放，但數量稀少。整個推理層依賴於少數項目的持續良好運行，工程師稱之為“巴士因子”——這是貫穿整個堆棧的結構性脆弱點，公共投資可有效彌補。

Current AI 計劃持續更新該圖譜，並邀請社區協作。用户可通過 map.currentai.org 交互探索，或訪問 GitHub 獲取完整數據集。圖譜在設計上力求平衡易用性與嚴謹性，兼顧資助者、政策制定者、設計師、商業人士以及開發者與開源 AI 構建者的需求。未來幾周，團隊將基於圖譜持續發佈更多分析信號，包括哪些成熟項目僅需營銷推動，以及哪些最緊迫的缺口值得社區共同關注。該圖譜是 Current AI 邁向開放公共利益 AI 堆棧的第一步，旨在幫助各方集中精力和資金，填補關鍵缺口，打造真正開放的人工智能替代方案。