开源人工智能差距图

一句话看懂：非营利组织 Current AI 发布了首个“开源 AI 差距图”（Gap Map），系统梳理了全球 421 个核心开源 AI 项目，试图填补业界对开源 AI 生态“家底”缺乏统一认知的空白。这不仅是一张地图，更是一份可公开复用的数据库。

事件核心：发生了什么

7 月 3 日，Simon Willison 在博客中介绍了 Current AI 于几天前发布的“开源 AI 差距图 v0.1”。该图谱由 2025 年 2 月在巴黎 AI 行动峰会上成立的非营利组织 Current AI 主导，已获 4 亿美元资金承诺。目前版本收录了 228 个组织贡献的 421 款产品，包括 266 个软件工具与库、85 个模型、50 个数据集和 20 个硬件项目，按模型组件、产品/UX、基础设施三层归类为 14 个类别。此外还有 24,400 个未被深入分类的“长尾”工件。所有基础数据以 MIT 许可证开源，存储在 GitHub 的 currentai-org/os-ai-map 仓库中，包含 1,184 个 YAML 文件以及相关脚本、笔记本。项目还追踪了 16,185 个 GitHub 仓库，用户可通过 Datasette Lite 直接浏览。

为什么重要

目前公开信息显示，这是业界首次以系统化、可量化方式呈现开源 AI 的全景。过去行业讨论聚焦于模型性能或闭源 API 的能力，却常常忽略了开源软件工具、数据、硬件等支撑层的完整图景。这张差距图直接暴露了“我们知道什么”和“我们不知道什么”之间的鸿沟：核心 421 个产品被深入标注，而 24,400 个长尾工件暂时无评分。这种透明度本身就是一个信号——开源 AI 生态已经庞大到需要专门机构来测绘，而闭源与开源之间、完善类别与缺失领域之间的差距，将直接影响未来资源投入方向和政策制定。

对用户/开发者/创作者的影响

对于开发者，这张图提供了一个可直接查询、可复用的开源资源目录，尤其是数据集的授权情况和硬件项目的信息，能帮助团队在选型时节省大量调研时间。对于 AI 创作者和中小团队，它降低了“寻找高质量开源组件”的认知门槛，避免重复造轮子。对于企业采购决策者，这张图可作为评估开源成熟度、判断哪个层级（模型、工具、基础设施）存在商业机会或合作缺口的参考。普通用户虽然不会直接使用 YAML 文件，但开源生态的透明化最终会反映在更便宜的推理服务和更丰富的自由模型选择上。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

第一，Current AI 是否会定期更新差距图、以及如何补充那 24,400 个长尾工件的评分，是判断该项目持续价值的关键。第二，这项开源数据是否会被大公司（如 Meta、Hugging Face）或政策制定者（如欧盟 AI 办公室）采纳作为开源 AI 治理的基准。第三，图谱中暴露的“缺口”领域——例如硬件项目仅 20 个——是否意味着资本和开发者会加速涌入这些相对空白的区域。第四，这一数据库能否催生第三方工具，比如自动推荐组合开源组件的服务。

来源：Simon Willison