܄

16个月暴涨1600万用户,魔搭凭什么拿下AI开源的半壁江山?

【数据猿导读】 【正式公告】新华社中国经济信息社总工程师、技术委员会主任 吴新丽,被授予特聘为“2025第五届数智化”榜单/奖项评审团专家。

16个月暴涨1600万用户,魔搭凭什么拿下AI开源的半壁江山?

在北京香格里拉的一个普通夏日早晨,一场原本只面向技术圈的开发者大会,意外成为了整个AI产业关注的焦点。

它没有耀眼的商业发布,也没有铺天盖地的明星产品。但会场内人头攒动,从谷歌、英伟达到腾讯、字节、蚂蚁,从中科院、上海人工智能实验室到新兴创业团队、独立开发者,大量AI专家、开发者齐聚一堂。主角不是哪一家公司的旗舰大模型,而是一个看似“低调”的技术社区:魔搭(ModelScope)。

在模型“卷爆”的当下,魔搭选择不再谈性能对比,而是大张旗鼓地发布了它的“开发者激励计划”、工具链更新、MCP广场、AIGC专区——这些听上去不够性感,但却是AI从实验室走向产业真正需要的基础设施。

它所引发的关注,不仅来自于平台本身的体量(两年服务超1600万开发者、7万个开源模型、超2000家贡献机构),更因为它背后揭示出一个新的判断:中国AI开源生态正在悄然完成角色转换,从“模型分发者”走向“开发者平台”,从“巨头附庸”演变为“技术信用共同体”。

这不是一家公司的胜利,而是一个行业结构变化的缩影。

1600万_魔搭_AI开源-1

本文将以魔搭社区及其首届开发者大会为切口,结合当前中国AI生态发展趋势,深入剖析以下五个正在发生的转向:从模型本位到工具链竞争;从巨头主导到社区共建;从“调包式”开发者到生态合伙人;从大模型神话到多模态现实;以及,中国是否正在打造属于自己的“全球技术共识平台”。

AI的未来,可能不再属于单个最强模型,而属于那个能够持续协作、不断演进的社区。

开源不等于开箱即用,

中国AI社区迈入“基础设施”竞争

当“开源”成为大模型行业的集体共识,越来越多企业和研究机构将模型权重与代码发布到社区平台上。但事实证明,开源只是起点,远非终点。

从2023年起,中国的开源AI平台进入高速增长期:模型数量不断激增,技术团队蜂拥而至,模型发布节奏日趋频繁。以魔搭社区为例,两年时间内模型数增长超200倍、贡献机构超500家、开发者用户量从百万级跃升至1600万级。量的爆炸已经完成,质的分化开始显现。

但一个关键问题开始浮出水面:这些开源模型能被谁用、怎么用、用得上吗?

开源不代表开箱即用。对绝大多数开发者而言,仅靠模型权重远不足以支撑一个实际应用——还需要训练与调优能力、推理部署支持、MLOps工具链、评测体系,甚至简单易用的Notebook界面。这些“看不见的配套设施”,决定了一个社区的门槛究竟是在降低还是在制造新的技术壁垒。

正是在这种背景下,像魔搭这样的平台不再满足于“模型展示橱窗”的角色,而是开始系统性构建“AI模型的基础设施平台”:

服务化能力上,2025年发布的MCP广场已托管超过4000种模型调用服务,支持超1亿次调用,真正将模型能力变成可嵌入、可复用的“组件”;

工具链建设上,社区支持包括VUM、Ollama等推理优化工具,并提供本地部署、Notebook调试、端侧模型接口等全生命周期工具集;

开发者体验上,魔搭推出GPU算力激励、训练资源券、模型生图券等,降低AI开发门槛,让非专业团队也有机会进行模型实验与应用开发。

这意味着,魔搭不再只是“展示最强大模型”的场所,而变成了一个帮助开发者“把模型变成产品”的平台。社区的价值也不再依赖于模型自身的性能参数,而在于能否为开发者提供完整的落地工具链、应用支撑和反馈机制。

从更广义的角度看,这标志着中国AI社区的范式转移:从开源代码仓库转向模型服务平台;从单点性能竞争转向系统性生态建设。

而这正是国内外AI基础设施竞争的下一个战场。

巨头退后一步,社区走上前台:中国开源终于有了自己的“去公司化叙事”

在中国AI发展进程中,社区往往不是真正的主角。过去十年,无论是深度学习框架还是大模型训练平台,大多由互联网巨头主导构建,平台色彩浓厚,技术主张强势。然而,在2025年首届魔搭开发者大会上,一种新的行业叙事悄然成型:社区不再只是巨头的附属品,而是一个自驱、自生的技术生态场。

这种转变,最直观的体现,就是大会现场对“阿里云”字眼的有意淡化。

魔搭社区发起人周靖人在演讲与媒体交流中并未刻意突出阿里的平台资源,而是展示了字节跳动Seed、腾讯混元、百度飞桨、DeepSeek等多个模型团队在魔搭社区的自主发布与活跃互动。

周靖人在回应记者提问时明确表示:“所有模型均由贡献者自主上传,发布权掌握在模型创建者手中。”社区并不干预上传流程,也不参与模型的官方背书,这一点与传统以“平台代运营”为主导的技术社区有本质不同。

这种“去公司化”的姿态,不只是形象包装,更是为了应对AI时代的一个深层挑战:开源社区如何建立真正的技术信用,而非品牌信用。

在这一点上,中国的AI社区曾面临两个普遍问题:

强平台导向,开发者参与度低:许多开源平台本质上仍由企业主导,模型上传、调试和维护工作集中在少数团队手中,开发者更多是被动使用者;

项目生命周期短,缺乏社区自治能力:一旦缺乏持续资源投入或平台主导意愿减弱,项目易陷入停滞,甚至归于沉寂。

魔搭试图走出这两个陷阱。一方面,它通过制度性设计保障模型发布的“归属权”属于开发者;另一方面,它构建了包括激励机制、算力支持、MCP开放接口等在内的完整社区运行逻辑,让参与者在“非雇佣、非公司化”的机制下保持贡献动力。

更关键的是,它在潜移默化地构建一种新范式:开源社区不等于公司产品部的延伸,而是一种“公地式创新系统”。

当然,这条路并不容易。魔搭依然需要依赖大厂的技术背书与早期资源投入,依然面临如何治理社区、如何设定准入机制、如何引导技术共识等复杂问题。但不可否认的是,它至少正在尝试从“企业主导式开源”走向“社区主权式共建”。

而这,可能是中国AI真正接近全球开源文化核心精神的一次重要跃迁。

开发者正在觉醒,

从“调参侠”到“生态合伙人”

过去很长一段时间里,开发者在大模型生态中的角色是模糊且被低估的。开源模型虽层出不穷,但大多数开发者能做的,仅仅是“下载、跑demo、调一调参数”,极少参与到模型构建、工具链改进,或应用场景设计的全过程中。“调参侠”式的技术消费,曾一度是中国AI开源社区的真实写照。

但在魔搭社区的快速演进中,我们观察到一个显著的变化:开发者不再只是用户,而正在成为“模型生态的合伙人”。

这种变化并非偶然。它背后是多重机制、文化和生态策略叠加之后的系统性演化。

☆第一层变化:从“用工具”到“共建工具链”

魔搭并不仅仅提供模型本身,而是搭建了完整的工具生态,让开发者可以参与推理优化、本地部署、端侧适配、评测工具开发等链条中的任意一环。比如,社区中大量推理工具(如VUM、Ollama等)都由第三方开发者接入并维护,社区提供资源调度和接口兼容支持,这种“社区分工”的模式打破了传统一体化平台的“自我闭环”。

更重要的是,工具链不再是平台私有资产,而是开发者的“共建成果”。

☆第二层变化:从“平台使用者”到“价值创造者”

魔搭大会上发布的“开发者勋章激励计划”,表面上看是一个荣誉体系,但实质上构建了一种技术贡献与资源回报之间的清晰机制。在社区中活跃、分享模型、构建服务、上传工具的开发者可以获得包括GPU免费算力、高阶模型训练券等真实、可用的开发资源。

这不仅降低了中小开发者的参与门槛,也形成了“投入时间→收获资源→再投资开发”的闭环激励结构。

更有意思的是,开发者之间还开始出现“搭子文化”式的协作。模型训练搭子、评测数据搭子、调优伙伴……这些去组织化的小型协作网络,使得AI开发从“单兵作战”走向“轻量协同”,并在社区中自然生长出一种更松散、但更具活力的技术合作氛围。

1600万_魔搭_AI开源-2

☆第三层变化:从“使用者思维”到“生态视角”

开发者的思维方式也在悄然变化。在魔搭社区,不少团队和个人已不仅关注模型本身的参数和性能,而是会思考模型适配什么场景、如何通过MCP服务转化为实际API接口、如何参与社区内的评测和应用部署。换句话说,他们在思考的不只是“我怎么用它”,而是“我们怎么让它被更多人用”。

这正是“生态参与者”而非“平台消费者”的典型特征。

在这种演进趋势下,魔搭不再是一个冷冰冰的模型仓库,而变成了一个开发者之间连接与价值生成的技术社区。

如果说早期的AI社区更像是工具的集市,如今的魔搭,更像是一个“半组织化的研发协同网络”,它让AI开发不再是巨头专属的竞技场,而是开发者之间可参与、可协作、可共享的系统工程。

而这种“开发者觉醒”的背后,折射的正是中国AI开源文化的成熟。

多模态、端侧、AI for Science:大模型走下神坛,社区成现实落地场

大模型狂飙的两年里,性能参数一度成为行业竞逐的核心——更大的Token窗口、更高的MMLU得分、更快的推理速度。但当性能曲线开始逐步趋同,新的行业焦点正在从“模型的极限”转向“模型的现实感”。

换句话说:AI模型是否真正可用、可部署、可服务、可适配,才是2025年的关键考题。

在首届魔搭开发者大会上,这一转向表现得尤为清晰。以社区近期活跃的三大技术方向为例——多模态、端侧部署、AI for Science,它们共同的特点就是:离生产更近,离场景更近。

☆多模态与Agent化:模型正成为“能力集合体”,而不是孤立算力

魔搭社区近年来首发的模型中,图像生成(Step-Video-T2V)、语音交互(Step-Audio)等多模态模型频繁登场,不再局限于语言能力的升级。这种从“文本→图像/音频/视频”的迁移,也预示着模型正向通用智能体(Agent)的方向演化。

更值得关注的是,这类模型往往由中小型开源团队率先发布,依托社区协作完成训练与调优,并通过MCP服务接口快速“产品化”。这意味着:模型从“科研成果”变成“工程组件”的路径,已经越来越清晰。

在这种模式下,社区的角色也发生转变——它不再是单一模型的展示平台,而成为模型、服务、工具之间的能力编排器。

☆端侧模型崛起:从“上云即未来”到“边缘即实用”

另一个明显趋势是对“端云协同”的集体重估。

AI早期被认为天然属于云端——算力集中、数据统一、部署高效。但如今,出于隐私保护、延迟控制、能效优化等现实因素,越来越多的企业开始尝试本地推理与端侧模型部署。尤其在车载系统、工业控制、移动终端等领域,端侧能力甚至成为应用落地的前提。

在大会现场,周靖人就此明确表示:“今天的端是无处不在……如何做好端云之间的协同,是我们必须面对的系统性课题。”

魔搭社区也正是从这个视角出发,推动模型在不同设备上的轻量化适配,同时鼓励开发者上传小参数模型、进行推理优化,为端侧部署提供选项。这一趋势,也让社区成为模型落地工程化的中间站,而非仅仅停留在实验室的技术展览厅。

☆AI for Science:从科研助理向研究合作者的进化

AI在科研领域的作用,从“生成论文摘要”这种浅层应用,正在逐步扩展到数据建模、知识图谱、公式推导甚至实验辅助等深度参与式任务。

周靖人在交流中提到,AI未来不仅是科学家的助手,还将成为科研体系中一个“具身化”的认知节点,真正参与到研究问题的形成与解法的演绎过程中。

魔搭社区围绕AI for Science设立专题论坛,也首次试图将科研群体纳入到模型生态的共建中。不少高校、实验室、研究人员开始尝试将魔搭模型用于自己领域的研究工作,如生物信息处理、材料发现、环境数据建模等。

这既是AI能力边界的一次拓展,也是社区向“跨学科共建平台”的延伸。

当我们把目光从性能榜单转向现实场景,会发现AI的核心命题早已悄然转向:

模型能否在万元甚至千元显卡上跑通?

是否能部署在汽车终端中运行?

能否为科研人员非编程任务提供启发式解法?

是否可以在社区中找到针对某一行业定制的“轻量Agent”?

这些问题,是AI真正走入大众、走入产业的关键。而这些问题的答案,正在像魔搭这样的社区中被一一验证。

从中国魔搭,到全球格局:中国AI能否成为“开源共识”的新中心?

中国AI社区过去几年经历了从“跟跑模仿”到“并行创新”的快速跃迁,尤其在大模型开源生态的构建上,已形成一套相对独立的路径。魔搭社区的成长,既是这一路径的缩影,也提供了一个值得思考的命题:中国AI是否有机会在全球开源体系中,占据新的“共识锚点”?

这个问题的答案,并不简单。

☆一种新的“开源文化逻辑”正在中国形成

与欧美主导的开源社区相比,中国AI社区具有非常不同的“底层驱动”。

Hugging Face的成功建立在长期深耕模型标准化和语言生态构建上,其核心优势是模型共享机制和开发者文化;

EleutherAI、StabilityAI等团队则更多由研究人员与民间黑客驱动,强调“去中心化科研协作”;

而以魔搭为代表的中国社区,则更强调应用导向、服务可用性和工程体系化。

这种差异一方面来自中国庞大的开发者基础和高度产业化的技术落地需求,另一方面也源于一个现实判断:开源的真正价值,不是“开放”,而是“可用”;不是自由,而是信任。

因此,魔搭强调服务化(MCP)、构建激励体系(勋章计划)、推动工具链整合、兼容多模型生态,这些设计不是简单的“技术发布”,而是一种工程理性主导的开源文化构建。

这种文化或许少了点浪漫,但它更贴近中国技术发展的真实轨迹。

☆机会之窗:成为“全球技术共识”的东方接口?

从另一个角度看,全球AI领域正面临共识碎片化的挑战:不同国家的监管体系、模型版权归属、数据使用边界等问题尚无统一解法,欧美开源社区也因商用压力不断调整开放策略。Meta、OpenAI、Google等大厂的“类开源”模式逐渐模糊边界,真正中立、可信、持续运营的开源平台反而变得稀缺。

这正是中国AI社区可以切入的窗口。

魔搭所展现出的社区中立性、非盈利性(至少在运营原则上)、模型多源性和开发者驱动机制,构建出一个具备“技术中立性+运营稳定性+开发者自治性”的混合模式——这正是全球AI社区正在寻找、却又难以达成的特质组合。

如果魔搭能持续保持这一姿态,同时吸引更多国际团队入驻、推动模型标准与工具协议的开放兼容,它不仅能成为中国的“模型公地”,甚至可能演变为全球通用AI模型服务接口的关键节点。

☆最大的不确定性:制度支持、共识演化与治理机制

当然,中国AI社区要成为全球共识平台,仍面临几项关键挑战:

制度包容性:如何处理模型开源后的合规性问题?数据来源、责任认定、知识产权如何厘清?

治理透明度:社区如何在非盈利结构下建立高效而公开的管理机制?能否避免技术路线和资源向“头部团队”过度集中?

跨境互信机制:在技术地缘政治愈发敏感的当下,中国AI平台如何让海外团队信任其中立性与可持续性?

这些问题的答案,不只是魔搭社区一家能解决的,也需要整个行业共同演化。但一个现实是,中国第一次拥有了足够厚重的技术能力和开发者基础,有条件去构建属于自己的“AI共识空间”。

它不一定是Hugging Face的复制品,更可能是一种“东方路径”的补充方案。

正如周靖人在大会所说:“我们希望魔搭不仅是找模型的地方,也是找到搭子的地方。”这句看似轻松的话语,实则蕴含着深意——AI的未来,不只属于某个最强模型,而属于那些愿意协作、互相连接、共建共赢的人群。而这种连接,不只是一种开发行为,也是一种文化共识。

中国AI,如果想要真正走向全球,不只是模型要领先,更要有能力搭建一个让所有人都愿意参与的“信任型社区”。


来源:数据猿

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

我要评论

数据猿微信公众号
第22届国际物联网展
返回顶部