人工智能獨角獸企業的戰略選擇：開源還是閉源

近年來，以大模型、自動駕駛為代表的人工智能獨角獸企業加速涌現，成為獨角獸企業群體中最重要的生力軍。《中國獨角獸企業發展報告（2025）》顯示，409家獨角獸企業分布于12個領域。從估值來看，人工智能獨角獸企業估值位列第一，為4612億美元，超過總估值排在第二的新消費與零售、第三位的集成電路領域的估值總和。DeepSeek-R1的發布，更是引發了全社會對開源戰略模式的關注，人工智能獨角獸企業開源還是閉源的戰略選擇成為熱議的話題。一方面，人工智能獨角獸企業的戰略選擇離不開對環境動態變化和自身實力的判斷；另一方面，人工智能背景下的開源現象和內涵特征也不同于我們之前對開源軟件的理解。因此，本文將從價值選擇、目標聚焦和發展路徑三個維度，對人工智能獨角獸企業開源或閉源的戰略選擇進行立體化分析。

價值選擇：商業價值與社區價值

自由與開源的演化

一談起自由和開源，大家就會想到Linux操作系統、Apache網絡服務器、Mozilla瀏覽器、GNU C編譯器、Perl腳本語言和MySQL數據庫管理系統等影響人類生產和生活的產品，以及各種許可證，比如GPL、LGPL、Apache、MPL、MIT、BSD等。這些產品和許可證反映了自由與開源概念的演化。開放、協作的種子在20世紀50年代計算機發展的早期就已經播撒下了，1983年理查德·斯托爾曼（Richard Stallman）發起的“GNU計劃”成為“自由軟件運動”興起的標志性事件。但是“Free”一詞的含義是模糊的，既表示“自由”，也有“免費”的意思，如果僅僅理解為“免費”，既背離了“自由軟件運動”的理念，也會與軟件的安全性和商業化產生越來越激烈的碰撞。

1998年，開源概念提出并得到確認。這一概念在自由軟件的理念和商業化之間架起了橋梁，因此得以在學術界和產業界迅速傳播并被采納。2006年，菲茨杰拉德（BrianFitzgerald）教授將這一發展稱為開源軟件的轉型，即從自由和開源軟件（FOSS 1.0）走向開源軟件2.0（OSS 2.0），其核心是從“自由”向“價值”的內涵演化。現實世界總是多姿多彩的，原本的開源軟件公司越來越具有專有軟件公司的色彩，專有軟件公司越來越像開源公司。通常這些專有軟件公司采用了雙許可證、社區發展、開源品牌等一系列開源商業策略。在開源軟件2.0階段，“價值”變得模糊起來，出現了商業價值和社區價值之間的碰撞、交匯和平衡。

開源AI3.0時代

近年來，伴隨著生成式AI的快速發展，人工智能獨角獸企業開源還是閉源的戰略選擇變得更加錯綜復雜，遠不是開源軟件2.0概念所能描述的。比如，今天熱議的人工智能大語言模型，既涉及開源機器學習框架，又涉及開源模型，還涉及開源指令集架構、開源數據的內容，同時包括基礎設施、垂直領域和應用等多個維度，這些都超出開源軟件2.0背景下對開源概念的理解。當既有概念無法描述今天的現象時，開源軟件2.0正在轉型為開源AI3.0。2025年，DeepSeek-R1的開源實踐，就在開源程度、結果、研發過程和技術細節等方面為理解開源的內涵提供了豐富的現實素材，進一步推動了開源AI3.0的進程。

高維戰略組合

開源和閉源作為組織戰略方式，有各自的優勢和特點，將長期共存，這意味著企業需要動態化和系統化地運用兩種戰略。基于對商業價值和社區價值的綜合考量，在更高維度上組合應用開源和閉源兩種戰略成為人工智能獨角獸企業戰略選擇的重要特點。

例如，OpenAI的發展就經過了“開源—閉源—開源”的戰略導向動態轉換。2015年，OpenAI以非營利機構形式成立，旨在推動人工智能技術的開放與共享，這一理念吸引了一批頂級人才為夢想而加入。2019年，開源GPT-2模型發布，OpenAI期待構建全球開發者協作技術生態。隨著GPT-3獲得突破性進展，以及訓練成本的增加和戰略投資者的引入，出于安全性和商業化的考慮，OpenAI于2019年逐步從開源走向閉源，在GPT-4系列模型上采取了閉源策略。進入2025年，面對開源模型在性能上的加速進步，OpenAI計劃采取“分層開源”的組合策略。一方面對輕量級模型進行開源，建立更透明的社區協作機制，從而收獲社區價值；另一方面對核心模型采取閉源策略，維持底層技術優勢，盡可能收獲商業價值：形成“核心閉源+外圍開源”的商業生態格局。

從目前的發展看，尤其是處在人工智能“大爆炸”的時刻，面對技術的加速發展和不確定的競爭環境具有“動態組合”特征的戰略模式——在時間維度上具有動態性，在空間維度具有分層組合系統性——將成為人工智能獨角獸企業在更高維度上有效融合商業價值和社區價值的重要選擇。提出價值主張、構建價值體系和生態治理能力已成為人工智能獨角獸企業價值選擇的重要活動內容。雖然“價值”具有模糊性，但獨角獸企業必須用活動清晰地表達出“自身的價值”。

目標聚焦：贏利優先還是市場優先

兩類敘事

關于開源，通常有兩類敘事。一類是一群神秘的具有天賦的軟件黑客自愿開發出高質量的軟件并分享給廣大使用者，他們認為軟件本身就是人類共享的智慧。這一類敘事多多少少具有預設性及幸存者偏差。人工智能領域技術創新最大的特點是不確定性，沒有人能夠預見未來，沒有人能夠保證一定會取得成功，可總有一群人在無畏地探索。還有一類敘事是這群人對于物質沒有過高的追求，他們希望通過協作實現夢想，希望通過自己的努力獲得合理的生活保障以持續追逐夢想。前一類敘事更具理想主義色彩，后一類敘事則具有更多的現實主義色彩。

對于人工智能獨角獸企業而言，社區價值、社區品牌影響力的作用不可忽視，這是商業信任關系乃至商業模式建立的基石，是長期技術探索的動力。同時，商業的可持續性又無時無刻不在考驗著創業者。因此，獨角獸企業要在理想和現實的沖突中做出選擇。

活下去

人工智能領域技術創新具有不確定性程度高、技術迭代速度快等特點。一方面，企業需要進行大量的技術探索性活動，因為主導技術軌道、基礎設施層和垂直領域層的分工都未形成，一切都在變化當中。另一方面，技術迭代速度是以月來計算的，獨角獸企業必須對戰略目標進行快速調整和聚焦，否則，一不小心就會“錯過這趟列車”，錯過之后將面臨更加嚴峻的估值、資金、人才挑戰。

獨角獸企業要直面活下去的挑戰。是優先快速變現贏利，還是優先發展用戶、擴大市場影響力，這是人工智能獨角獸企業要面對的重要決策問題。最近，零一萬物、百川智能、商湯科技都在戰略上做出調整，更加聚焦在垂直領域上發力，專注于行業專用模型，將商業驗證設置為更加優先的任務。

超越二分法

如果簡單用二分法的視角看，開源有利于擴大市場影響力。“以技術換規模”，即降低技術門檻快速占領市場份額，先獲得用戶基礎、擴大市場影響力，形成用戶依賴，然后再贏利。這類似互聯網平臺企業的做法，先燒錢再贏利，最后贏家通吃。閉源則是贏利優先，企業基于技術獨占性構建壁壘，直接通過軟件許可、訂閱服務或定制化解決方案獲利，通過快速贏利獲得利益相關方的認可。然而，商業實踐往往會超越二分法，將贏利和市場有機融合，在二者之間形成正反饋效應。

近期，智譜華章提出IPO申請，引發熱議。2024年一年，智譜就完成了4輪融資，估值超過200億元。智譜在戰略選擇上非常重視開源與閉源、贏利與市場的有機融合。一方面通過開源實現大規模協作，擴大社區影響力，積極開展探索性技術創新；另一方面通過閉源保護核心技術，提高技術創新效率和商業贏利能力：市場擴大提升影響力，贏利支撐市場持續擴大，市場和贏利之間實現正反饋。

2025年4月，智譜將最新GLM模型系列開源，包括32B和9B尺寸，涵蓋基座、推理、沉思三類模型，全部遵循MIT開源許可協議，面向商業用途免費開放。加上此前已經開源的模型，智譜已累計開源55款模型，累計下載量近4000萬次，涵蓋文本、推理、語音、圖像、視頻、代碼等多領域。在C端入口上，開源模型GLM-4嵌入三星手機，有利于擴大用戶基數。此外，智譜還大力進行開源社區建設和開源工具鏈支持工作，助力技術普惠。

同時，智譜也提供企業級閉源服務，加快旗艦模型閉源迭代。他們面向金融、醫療等行業提供定制化大模型私有部署服務，進行增值功能收費，支持企業數據隔離與合規需求。旗艦模型GLM-4-Plus在語言理解與長文本處理上保持閉源優勢，僅在公開評測中展示性能，避免技術細節外泄，并不斷通過保留底層技術自主權，構建多模態技術壁壘。

發展路徑：技術占位與生態協作

競爭的再認識

在人工智能技術快速迭代與全球化競爭的背景下，人工智能獨角獸企業面對的競爭環境不僅顛覆了傳統的競爭邏輯，更推動了對競爭觀念的再理解。一是生態競爭。人工智能創業企業的競爭已從單一技術或產品的比拼，轉向全產業鏈生態的構建。企業不僅需要通過開源模型吸引開發者，占據一定的生態位，還需要聚焦商業化場景，形成“技術占位+場景變現”的共生模式。二是場景競爭。競爭正在從通用模型構建走向垂直場景深耕，更加注重對垂直場景的深度整合，包括對行業大模型的專業化應用開發，進而通過垂直領域的數據積累與工程化經驗，克服“長尾陷阱”，實現B端高效落地，真正為用戶創造價值。三是倫理和安全的競爭。競爭在考慮技術至上的同時也在逐步轉向合規優先。隨著人工智能應用的普及，倫理與安全成為競爭的新維度，如隱私與數據安全等，企業需在開源與私有化部署間尋求平衡。整體上，對于人工智能創業企業而言，開源協作與產業鏈協同將成為新常態，競爭的核心將逐步從單點競爭轉向生態整合能力的競爭。

隨著技術的快速迭代，技術本身不再是唯一的護城河，人工智能創業企業需要特別關注如何將人工智能嵌入真實場景并創造用戶價值。同時，倫理合規與社會責任成為這些企業不可忽視的可持續發展競爭力來源。

多層生態系統

人工智能獨角獸企業的多層生態系統可分為基礎設施層、基礎模型層和應用層。基礎設施層為人工智能技術提供底層硬件、算力支持和數據服務，是整個生態的基石，寒武紀等企業提供AI芯片，Scale AI專注于數據標注服務即屬于這一層。基礎模型層聚焦核心人工智能技術研發，構建基礎通用大模型，比如DeepSeek的大模型，智譜、商湯的多模態大模型，覆蓋文本、圖像和語音等多領域。應用層包括消費級應用和企業級解決方案，如螞蟻集團在生活服務、醫療健康、金融服務、智能終端領域的應用，地平線科技的自動駕駛，智元的機器人等（見表1）。

表1 人工智能獨角獸企業的多層生態系統

整體上看，人工智能獨角獸企業的生態系統呈現“分層協同”特征。基礎設施層提供底層支撐，基礎模型層驅動技術突破，應用層實現價值落地。未來，隨著算力成本下降和算法迭代加速，生態競爭將更聚焦于跨層協同能力，比如芯片與模型的適配優化，以及對垂直場景的深度滲透。

跨層協同

人工智能獨角獸企業在多層生態系統中的跨層協同，體現為基礎設施層、基礎大模型層和應用層之間的深度耦合與動態平衡，其核心邏輯在于通過技術創新驅動場景落地，以生態開放實現資源整合，最終推動全產業鏈的智能化升級。

比如，螞蟻集團依托百靈多模態大模型和貞儀金融場景大模型，構建跨模態理解與決策能力，支持合同秒級解析與智能投研決策，顯著提升金融機構效率，并通過應用層需求反向驅動技術迭代，實現垂直生態滲透。在金融服務領域，AI金融管家“螞小財”連接200家機構，將專業理財服務下沉至三線以下城市，45%用戶來自下沉市場，體現普惠金融與技術普惠的雙向協同。可信AI技術將支付寶資損率控制在億分之一以下，形成基礎大模型層與應用層的閉環反饋。為了進一步推進基礎大模型層和應用層之間的緊密協同，推動生態伙伴共創價值，螞蟻推出AgentUniverse智能體開發平臺，開放API接口，支持零代碼創建智能體并一鍵發布至支付寶生態，打通支付、搜索等20余項工具，降低開發者接入門檻，實現對醫療、政務等行業或領域的資源整合和場景智能化升級（見表2）。

表2 螞蟻集團的跨層協同分析