AI 自己写代码做科研还跑赢了前沿算法？清华团队开源 Alchemy 框架
“国产大模型引领全球开源生态！”政府工作报告在总结2025年工作时掷地有声地指出。 2025年初，DeepSeek横空出世，凭借高性价比和开源特性，向全世界展示了开源对AI创新激发出的蓬勃力量及中国AI产业的无限可能。2026年初，面向AI应用开发者的全球大模型聚合路由平台OpenRouter显示，中国大模型调用量已连续两周超越美国模型。 这一年，国产模型实现突围，AI从专业工具成为全民助手；智能体（Agent）颠覆市场，AI从实验室走向千行百业。在种种改变的背后，开源发挥着技术扩散的关键作用。开源不仅带动了基础设施、芯片、能源等AI相关产业链的整体繁荣，更加速了AI应用进程，使其成为全社会共享的基础设施。Linux基金会执行董事兼首席执行官吉姆·泽姆林（Jim Zemlin）表示：“在当前AI创新蓬勃发展的背后，开源绝非单纯的推动因素，而是核心源动力。” 开源推动中国大模型“上桌” 时至今日，开源无疑已是一道必答题。北京智源人工智能研究院理事长黄铁军认为：“彻底的开源是推动人工智能发展的必由之路。” 今年春节前后，阿里、阶跃星辰等企业密集发布多款开源模型，引发国际关注。特斯拉创始人埃隆·马斯克在社交媒体点赞最新开源的千问模型，称其“令人印象深刻”；英伟达CEO黄仁勋也在CES 2026上公开称赞中国模型在开源生态中的重要地位，点名了Kimi K2、DeepSeek V3.2和Qwen模型。 中国开源人工智能模型登顶全球Token使用量榜单（图源：OpenRoute） 国产开源大模型在诸多基准测试中表现出色，在部分场景下，甚至具备超越主流闭源模型的优异性能。去年，阿里Qwen系列开源模型全球下载量反超Meta的Llama模型，登上全球第一的宝座。国产开源大模型一度“屠榜”，2月，在全球最大AI开源社区Hugging Face公布的开源大模型榜单上，排名前十的均是中国模型或中国模型衍生模型。 大量国外企业将中国开源大模型视为AI落地的重要底座。研究报告显示，美国开发者采用的开源大模型中80%来自中国。例如，亚马逊宣布，最新组建的具身智能模型，将以Qwen3.0为基础，并结合DeepSeek蒸馏技术；Airbnb CEO公开表示，该公司客服系统已在很大程度上依赖中国模型运行，并称赞其“比OpenAI更好、更便宜”。 “这一现象印证了我国在人工智能技术层的创新活力与迭代速度，核心技术自主可控程度稳步提升。”中国电子学会政策研究与国际合作处处长王桓在接受《中国电子报》记者采访时表示。 开源为中国在国际赛场上赢得了弯道超车的机遇。在国家层面，已被视为需要系统推进的战略工程。继五年前被写入“十四五”规划后，“开源”再次被写入第十五个五年规划纲要。今年全国两会期间，政府工作报告明确提出，“支持人工智能开源社区建设，促进开源生态繁荣”。 智能体成开源发展新变量 当开源成为行业共识，竞争的焦点也在悄然发生改变。 一个显著变化是，企业开始从单纯发布模型转向经营生态，开源项目、开源社区、开源协议、开源贡献与开源应用相互依存、协同演进。谁能吸引更多开发者参与、沉淀更多应用场景，谁就更有可能在下一阶段占据主动。 在这一过程中，智能体成为放大开源价值的重要载体。今年，政府工作报告首次提出，要“打造智能经济新形态”，并将智能体纳入重点推广方向。相比传统AI，智能体的特点在于具备自主性、规划力与执行力，能够完成内容生产、客户服务，到数据分析、运营管理等一系列复杂工作，也因此被视为推动生产力革新与生活方式变化的重要抓手。 阿里近期发布企业级Agent平台“悟空” “在人工智能大模型领域，选择开放就意味着进一步降低应用场景接入门槛，因此也有可能更快地迭代应用场景，带来耳目一新的行业创新。”人工智能行业专家张珂表示。开源显著降低了智能体的使用门槛。个人开发者和中小企业无需从零构建复杂系统，只需在此基础上进行部署与改造，便可快速搭建适配个性化需求且具备实际生产能力的智能体应用，“一人团队”将从概念变为现实。 整个AI行业已敏锐地察觉到了这一趋势。放眼海外，英伟达推出Nemotron 3 Super开源模型，将代理式AI吞吐量提升了5倍，专为大规模运行智能体设计。多款国产开源模型也主动适应智能体发展需要，针对性地进行能力开发。例如，阿里开源Qwen3-Coder-Next，专为编程智能体和本地开发打造；月之暗面发布新一代万亿参数开源多模态大模型Kimi K2.5，首创Agent集群调度能力；智谱开源大模型GLM-4.5，宣称首次在单个模型中实现了推理、编码和智能体能力的原生融合，以满足未来智能体应用蓬勃发展的复杂需求。 不难发现，AI的角色正转向可以协同工作的“数字员工”，围绕这一新兴形态展开的能力建设，也将成为开源竞争的下一个变量。 开源走向深水区 开源使得AI像水和电一样触手可及，为实现“时时、处处、人人可用的普遍智能”带来了可能。然而，开源路径的普及也将一系列潜在挑战带到了台前。 “同质化”是开源模型普遍面临的问题。当前，市面上的主流模型基本沿用了Transformer的核心设计，随着模型迭代的日益频繁，在通用能力上的差距正在缩小，各厂商模型性能轮流“登顶”成为常态。业内专家对记者表示：“未来能真正拉开差距的，是行业理解和落地能力，而不只是模型本身。” “如何变现”是摆在企业面前的另一个问题。开源带来了更广泛的生态影响力，但天然具备多投入、少收益，甚至无收益的痛点，短期内很难直接带来利润。目前，多数厂商主要依赖定制化部署、增值服务等实现营收，整体盈利路径尚未完全跑通。 安全问题同样不容忽视，业界长期存在开源模型被滥用的隐忧，开源产品的快速爆发，对于使用者的安全意识也提出了新的要求。近期，开源智能体应用OpenClaw（俗称“龙虾”）走红，工信部网络安全威胁和漏洞信息共享平台（NVDB）和国家互联网应急中心接连发布风险提醒，提示其存在系列高危安全漏洞和衍生风险。 OpenClaw官网 对此，王桓表示：“开源在带来创新活力的同时，也必然伴生技术安全、产权界定、商业落地、生态可持续等问题，需要提前布局、系统施策、源头规避。”他建议，建立全流程开源技术安全审查机制，对核心开源项目开展常态化安全检测和漏洞排查，明确安全责任主体，防范网络安全风险和技术泄露风险，保障国家数字安全；同时，探索多元化的开源商业模式，推动开源项目与市场需求深度结合，通过技术服务、定制化开发、生态合作等方式，让开发者和企业在开源生态中实现价值回报。 中国信息通信研究院人工智能研究所所长魏凯则对《中国电子报》指出，要深化开源治理与标准化布局。“围绕数据集合规、模型评测等方向，牵头制定行业标准，主动融入国际开源治理体系；依托国内超大市场与丰富场景，将中国实践转化为国际规则，持续提升全球开源生态中的话语权。”他表示。
