开源AI版图全景：Gap Map如何为生态系统绘制透明地图

一张全新的开源AI「版图」

开源AI生态正在以惊人的速度扩张，但长期以来缺少一份系统性的全景视图——哪些模型、工具、数据集和硬件项目真正构成了这个生态的骨架？非营利组织 Current AI 近日发布的 Open Source AI Gap Map 试图回答这个问题。

Current AI 自称是「一个构建AI公共选项的全球合作组织」（a global partnership building a public option for AI）。所谓「AI公共选项」（Public Option for AI），这一概念借鉴自公共政策领域——「公共选项」最早在美国医疗改革辩论中被广泛讨论，指政府提供与私营保险竞争的公共医疗保险计划，以防止市场垄断和价格失控。将这一逻辑移植到AI领域，背后折射出一个正在形成的政策共识：当少数科技巨头掌控最前沿的AI基础设施时，国家、学术机构和中小型组织将面临严重的技术依赖风险。具体到AI领域，「公共选项」特指由非营利或政府主导、不以商业利益为首要驱动的AI基础设施——其逻辑类似于公共广播、公共图书馆或开源操作系统：在私营巨头主导市场的情况下，提供一个任何人都能访问、审查和使用的公共替代方案。

Current AI 于2025年2月的巴黎AI行动峰会（AI Action Summit）上正式以非营利机构身份成立。该峰会是继2023年英国布莱切利庄园峰会之后全球最重要的AI治理多边会议之一，法国政府将其定位为推动「可信AI」国际合作的重要平台——欧洲各国希望通过此类多边合作，避免在AI时代重蹈互联网时代「平台殖民」的覆辙。背后已承诺投入高达4亿美元的资金——这一规模表明项目背后有政府、基金会和科研机构等多方背书，而非单纯的草根社区项目。有了这样的资本与背景，其目标显然不只是做一个索引，而是想为开源AI建立一套可信赖的公共基础设施。

Gap Map v0.1 的核心数据

根据官方公布的信息，Gap Map v0.1 对 421个产品进行了深度收录，具体分布如下：

• 266个 软件工具与代码库
• 85个 模型
• 50个 数据集
• 20个 硬件项目

这些产品由 228家组织 生产，被组织成横跨技术栈三个层次（模型组件、产品/用户体验、基础设施）的 14个类别。

说个细节，这421个只是被深度研究过的「冰山一角」。项目实际追踪的条目数量高达约 2.48万个，其余24,400个构成了开源AI生态尚未分类的「长尾」，在被研究和引用之前不会被赋予评分。这个数字本身，已足以说明开源AI生态的庞大与碎片化程度。

为什么叫「Gap Map」（缺口地图）

「Gap Map」这个命名颇具深意，其方法论实际上源自社会科学与政策研究领域的「证据差距图谱」（Evidence Gap Map，EGM）实践，由国际发展评估机构（如英国DFID、坎贝尔协作组织）系统化推广。EGM的核心价值在于其「系统性空白识别」能力：通过预先设定干预类型与结果指标的二维框架，将已有研究证据填入对应格子，空白的格子便直观呈现了知识盲区。这种方法最初用于评估发展援助项目的有效性，后被广泛应用于教育政策、公共卫生等领域。其核心逻辑是：在某一干预领域内，通过系统性综述识别已有充分证据的区域与证据空白区域，从而指导资源配置和研究优先级。

Current AI 将这一方法论移植到AI生态分析，是一次跨学科的方法论移植。这意味着它不仅仅是一张展示「已有什么」的目录，更内置了对「缺什么」的关注——通过对整个技术栈的分层梳理，让人们能够一眼看出哪些环节已有成熟的开源方案，哪些环节仍是空白或薄弱地带。Gap Map 预设了「完整技术栈」的理想形态，然后标注现实中哪些环节尚无成熟开源方案，从而为资助方、研究者和政策制定者提供可操作的优先级判断依据。

对于政策制定者、研究者乃至企业决策者而言，这种视角尤为重要。当人们讨论「AI是否应该有公共选项」「开源能否与闭源大厂抗衡」时，往往缺乏可量化、可追溯的证据基础。Gap Map 正是试图填补这一空白，把模糊的行业感知转化为结构化数据。

三层技术栈的分类逻辑

将产品划分为「模型组件」「产品/用户体验」「基础设施」三个层次，是一个相当务实的框架：

• 模型组件：包括基础模型、数据集等构成AI核心能力的要素；
• 产品/UX：面向终端用户的应用层工具；
• 基础设施：支撑训练、部署、推理的底层设施乃至硬件。

这种分层有助于理解开源AI的完整价值链条——一个健康的开源生态，不能只有热门模型，还需要完整的数据、工具链和基础设施配套支撑。

真正的价值：开放的底层数据

地图本身固然值得探索，但正如资深开发者 Simon Willison 所指出的，真正令人兴奋的是其底层数据。

Current AI 将全部数据以 MIT 许可证 开源，发布在 currentai-org/os-ai-map GitHub 仓库中，内容包括：

• 1,184个 YAML 文件（结构化的产品条目）
• 用于采集数据的 notebooks
• 数据 schema（模式定义）
• 其他辅助脚本

值得关注的是，项目选择 YAML（YAML Ain't Markup Language，一个递归缩写，诞生于2001年）作为数据存储格式，这一选择折射出开源社区的工程文化偏好。YAML 以人类可读性著称——与JSON相比，YAML省略了大量括号和引号，支持注释，层次结构通过缩进表达，更接近自然语言的阅读习惯。相较于 JSON 更适合手工编辑和 Git 版本管理——在Git版本管理场景下，YAML文件的变更能产生语义清晰的diff输出，审查者一眼就能判断修改了哪个字段的哪个值，而JSON或二进制格式的diff往往难以直接阅读。更关键的是，1,184个独立 YAML 文件的设计（每个产品一个文件）而非单一数据库，还有另一层工程智慧：它避免了多人同时编辑同一文件时产生的Git合并冲突，使得大规模社区协作成为可能。这意味着任何贡献者都可以通过标准的 Pull Request 流程提交新条目或修正已有条目，这种「文件即数据库」的协作范式被 Homebrew（其Formula目录正是采用相同设计）、Kubernetes的Helm Chart仓库、awesome-* 系列仓库等成熟开源项目广泛采用，是开源社区经过长期实践沉淀下来的协作惯例。

这意味着任何人都可以复用、审查、扩展甚至挑战这份数据。对于一个致力于「透明」与「公共」的项目而言，开放数据本身就是最有力的立场声明。相较于那些只提供漂亮前端却锁死数据的榜单，MIT 许可下的完整数据集真正赋予了社区参与权。

用 Datasette Lite 即时探索

由于文件托管在 GitHub 上，任何人都可以直接用 Datasette Lite 在浏览器中探索，无需任何本地安装。Datasette Lite 是 Simon Willison（Django 联合创始人）基于 WebAssembly 技术构建的浏览器端 SQLite 数据探索工具。WebAssembly（Wasm）是2019年由W3C正式标准化的二进制指令格式，允许C、C++、Rust等语言编写的代码以接近原生速度在浏览器沙箱中运行——Datasette Lite正是利用这一技术，将CPython解释器（通过Pyodide项目）和SQLite引擎完整编译为Wasm，使得浏览器标签页本身就成为一个功能完整的数据分析环境。其核心技术栈利用了 Pyodide（Python 的 WebAssembly 移植版）和 sqlite-wasm，使得完整的 SQLite 数据库引擎可以直接在浏览器沙箱内运行，无需任何服务器端计算。值得一提的是，这意味着数据处理完全在用户本地进行，无需向服务器发送任何数据——在隐私敏感场景下尤具价值。这一技术路线使数据探索从「需要部署服务」变成了「分享一个 URL」，与传统的「下载数据集→安装依赖→本地运行」工作流相比，体验差距堪称代际跨越，极大降低了数据分析的传播成本。

Simon Willison 演示了一个典型场景：项目追踪的 16,185个 GitHub 仓库 被加载为 CSV 文件，可直接按 star 数排序、筛选和查询。这种「零门槛探索」的工作流，恰恰体现了开源数据的魅力——数据一旦开放，工具生态便能立即为其赋能，让每位感兴趣的人都能自行分析，而无需依赖官方给出的唯一结论。

意义与展望

Gap Map 目前仍是 v0.1 版本，绝大多数条目尚未被评分和深度研究，长尾部分依然是一片待开垦的荒地。但它已开了一个好头：

1. 提供了公共、可审计的评估框架，让开源AI的讨论有据可依；
2. 以开放数据践行开放理念，避免了「只谈开源却不开放」的自相矛盾；
3. 降低了生态探索门槛，让普通开发者也能借助 Datasette Lite 等工具参与分析。

对于关注开源AI走向的人来说，这份地图值得持续跟踪。随着更多条目被研究、评分和引用，它有望成为衡量开源AI生态健康度的重要参考——犹如一份不断更新的「生态体检报告」。在闭源大模型日益主导话语权的当下，这样一份坚守公共性与透明度的努力，显得尤为可贵。

核心要点

核心要点