开云体育 
开云体育Linux基金会领导者：我们并未处在AI泡沫中
2026-01-09
浏览次数：
次
返回列表
在周一举行的日本开源峰会上，Linux基金会执行董事Jim Zemlin在主题演讲中表示：人工智能可能并未处于全面泡沫中，但大语言模型可能确实如此。
为什么这样说？Zemlin首先指出了占据头条的惊人投资数字。他提到，摩根士丹利估计，从现在到2028年，将有3万亿美元投资于AI数据中心，其中亚马逊、谷歌、Meta和微软等超大规模厂商约占总额的一半。
这比许多小国的GDP还要多，Zemlin告诉观众，强调大多数企业，甚至大多数国家，都无法在如此资本密集的基础设施建设中有效竞争。
更关键的是，他说，与AI加速推理工作负载相关的能源需求。他引用了谷歌推理量同比激增50倍的数据，具体是谷歌各项AI使用量，从2024年4月的9.7万亿个Token攀升至2025年4月的超过480万亿个Token。
此外，他呼应了AWS总裁Andy Jassy的观点，认为如今AI增长的最大制约因素是电力。Zemlin认为，AI繁荣本质上是关于物理基础设施、GPU、能源和数据中心的故事，而不仅仅是算法、模型和软件。
尽管如此，在这个硬件密集的环境下，Zemlin表示开源的真正优势在别处：模型和软件基础设施层。
具体来说，仅在去年，来自中国的开放权重模型，如DeepSeek，就缩小了与商业前沿模型的性能差距。Zemlin补充道：我们也看到这些开放权重模型被用于提炼更小的行业专用模型。例如，他指出了Llama 3的TinyLlama和BERT的DistilBert。
开放权重模型和提炼技术的结合改变了AI行业的经济格局。据Zemlin称：开源基本上已经追上了美国的前沿模型，即专有模型。开放权重模型通常落后三到六个月。
这对于经济型AI工作来说已经足够好了。Zemlin引用了Linux基金会首席经济学家Frank Nagle的量化分析。据Zemlin说，Nagel的分析显示，尽管开放模型价格大幅降低且能力接近，但封闭模型仍占据95%的收入，导致每年约248亿美元的专有系统过度支出。
因此，我认为我们并未处在AI泡沫中，Zemlin说。但我们可能处在大语言模型泡沫中。
随着企业开始优先考虑高效、经济的部署，他预测2026年将标志着由开放生态系统主导的性能和效率时代。
Zemlin还强调了他所称的PARK技术栈的出现：PyTorch、AI、Ray和Kubernetes。（Ray是一个开源分布式计算框架，用于简化AI和机器学习工作负载的扩展。）他认为这个AI技术栈将定义未来的技术堆栈，正如LAMP技术栈定义了早期网络时代。他声称，PARK已经快速成为大规模AI部署的默认平台。
他将这一时刻比作Linux内核的演进，全球开发者社区的集体压力反复推动了跨越不同硬件的效率提升。在AI领域，像vLLM和DeepSpeed这样的开源工具现在正在从GPU中榨取更多性能，降低电力使用并减少每Token成本。
这正是开源线;Zemlin说。提升每Token价格和每千瓦价格的性价比。这也是开源软件帮助削减AI硬件基础设施不断增长的电力成本的地方。
然后，Zemlin转向AI的新兴智能体层，即能够自主规划、推理和行动的系统。Zemlin描述了一个仍处于青少年阶段但正在围绕开放协议快速规范化的技术栈，包括模型上下文协议（MCP）和智能体间通信（A2A）服务器的早期部署。
虽然目前只有少数组织在生产中使用MCP，Zemlin建议2026年将迎来真正的企业自动化浪潮：多智能体工作流、学习编排、验证框架以及确定性和非确定性系统的新混合。
智能体AI不需要由模型大小决定，他强调。关键在于如何架构解决方案。
Zemlin在主题演讲结尾时强调，尽管炒作很多，AI实际上还没有改变太多。他认为，真正改变它的将是开放协作。
他说，开源防止供应商锁定，提高信任和透明度，并为即将到来的可互操作AI系统时代提供通用连接器。从训练到推理再到编排，他说，Linux基金会打算与全球研究实验室和行业合作伙伴一起，成为这项工作的中心枢纽。
我们真的非常兴奋能成为这个世界的一小部分，他说，并承诺将有重大公告即将发布。
A：Linux基金会执行董事Jim Zemlin指出，摩根士丹利估计从现在到2028年将有3万亿美元投资于AI数据中心，这比许多小国GDP还多。同时，开放权重模型已经追上前沿专有模型性能，且成本大幅降低，但封闭模型仍占据95%收入，存在每年约248亿美元的过度支出。
A：PARK技术栈是指PyTorch、AI、Ray和Kubernetes的组合，其中Ray是开源分布式计算框架，用于简化AI和机器学习工作负载扩展。Zemlin认为PARK将定义未来AI技术栈，正如LAMP技术栈定义早期网络时代，目前已快速成为大规模AI部署的默认平台。
A：开源在AI发展中主要优势体现在模型和软件基础设施层。开源工具如vLLM和DeepSpeed能从GPU中榨取更多性能，降低电力使用和每Token成本。开源还能防止供应商锁定，提高信任透明度，为可互操作AI系统提供通用连接器。
