机器之心原创 编辑：吴昕 卷王指南又更新了，这次还有番外篇。 开源 2.0 ：变脸堪比整容 等了一百多天，悬念终于揭晓。 9 月 13 日上午，蚂蚁集团开源团队（「开源技术增长」）携《 2025 大模型开源开发生态全景图 》 2.0 版 ，亮相上海外滩大会。 三个月前，「一场直播中的 『 现实世界的黑客松 』 (A Real-world Hackathon ) 」的断言，今天依然成立—— 彼时「撕拉片」记录下生态初现的模样 ，而今，已经大变样。 访问地址： https://antoss-landscape.my.canva.site/ 这一次，全景图收录了 114 个 项目（比上一版减少 21 个），覆盖 22 个 领域。其中， 39 个是新晋项目，同时也有 60 个项目消失在舞台，其中不乏一 度高光的 Star 王者—— 如 NextChat 、 OpenManus 、 FastGPT 、 GPT4All ，因迭代迟缓、社区乏力而被后来者超越。 最 drama 的，当属 TensorFlow 的谢幕，这位昔日巨星最终没能抵挡 PyTorch 的攻势，后者自此一统江湖。 整体趋势是显而易见：生态正在经历一轮剧 ...

TensorFlow衰落与PyTorch崛起 - TensorFlow社区活跃度在过去十年间从巅峰不可逆转地跌至最低谷，甚至不及初期水平 [3] - PyTorch呈现高歌猛进的增长态势，形成鲜明对比 [3] - 蚂蚁开源在《大模型开源开发生态全景图2.0》中正式将TensorFlow除名 [8] 开源生态快速迭代特征 - 开源项目兴衰周期从"年"缩短至"天"级变化 [10] - 蚂蚁开源全景图1.0至2.0版本仅间隔100天，更新39个项目，替换率达35%，60个项目被移出 [11] - OpenRank算法通过分析项目与开发者协作网络评估影响力，设定OpenRank>50的准入门槛 [11] 项目淘汰机制 - 短期热点型项目如OpenManus和OWL因热点消退后社区活跃度不足被淘汰 [12] - 迭代速度落后项目如NextChat因版本更新慢于Cherry Studio等竞争对手导致用户流失 [13] - 同生态位竞争中落后者如MLC-LLM和GPT4All被Ollama凭借更完善生态和用户体验取代 [14] 开源许可证模式演变 - Top 10活跃项目中Dify在Apache 2.0基础上增加多租户使用限制和品牌保护条款 [17] - Cherry Studio采用按用户组织规模定制的双许可模式，对大型团队要求商业授权 [18] - n8n采用自研"Sustainable Use License"限制商业分发 [19] 开源运营模式变革 - GitHub从代码托管平台演进为集产品发布、用户反馈和社区营销的综合平台 [21] - 社区活跃度（星标、Issue、PR）成为衡量产品活力和市场接受度的关键指标 [21] - 开源项目通过定制化许可证在社区生态红利与商业利益间寻求平衡 [22] 技术领域趋势转移 - Agent Framework领域整体活跃度下降，LangChain、LlamaIndex等项目活跃度回落 [27] - Model Serving和AI Coding领域呈现显著增长态势 [27] - 市场关注点从"能否实现"转向"能否高效、经济、稳定运行"的工程化需求 [28][29] 推理性能竞争焦点 - 模型推理成本成为AI应用大规模落地的核心制约因素 [30] - vLLM和SGLang通过PagedAttention等技术提升GPU利用率和推理吞吐量 [31] - NVIDIA TensorRT-LLM利用软硬件协同优势提供极致性能优化方案 [31] 中美双中心格局 - 美国开发者贡献度37.41%，中国18.72%，两国合计超过55% [33][34] - AI Infra领域美国贡献度43.39%显著领先，中国为22.03% [35] - AI Agent领域美国贡献度24.62%与中国21.5%差距大幅缩小 [35] 中国应用创新优势 - 中国开发者在贴近应用层领域展现强大活力和增长潜力 [35] - 庞大复杂的数字经济应用场景催生大量AI原生应用和Agent解决方案 [36] - Dify和Cherry Studio等项目凭借对AI能力产品化和场景化落地的理解获得全球关注 [36] 新项目快速崛起案例 - OpenCode和Google Gemini CLI在发布数月内获得极高社区关注度 [38] - Browser-use项目由2名研究生在9个月内获得60,000星标成就 [38]

TensorFlow衰落与PyTorch崛起 - TensorFlow社区活跃度已跌至历史最低点，甚至不及初发布时期[3] - PyTorch呈现高歌猛进增长态势，形成鲜明对比[3] - 蚂蚁开源正式将TensorFlow从《大模型开源开发生态全景图2.0》中除名[8] 开源生态快速迭代特征 - 开源项目兴衰计量单位已从"年"缩短为"天"[10] - 全景图1.0到2.0仅隔100天，更新39个项目，替换率达35%[11][12][17] - 60个原有项目被移出，反映AI领域极快迭代周期[17][18] 项目淘汰机制与标准 - 短期热点型项目如OpenManus和OWL因热点消退被移出[19] - 迭代速度落后项目如NextChat被新兴项目取代[20] - 同生态位竞争落后者如MLC-LLM和GPT4All被Ollama取代[21] - 项目准入门槛设定为OpenRank > 50[17] 开源定义与商业模式演变 - Top 10活跃项目中部分未采用OSI标准开源许可证[26] - Dify在Apache 2.0基础上增加多租户使用限制[26][32] - Cherry Studio采用按用户规模双许可模式[27] - n8n采用自定义"Sustainable Use License"[28] - GitHub功能扩展为集产品发布、用户反馈、社区营销一体化平台[31] - 开源运营属性增强，成为重要GTM（Go-to-Market）战略[31] 技术领域竞争焦点转移 - Agent Framework领域整体活跃度呈下降趋势[38] - Model Serving和AI Coding领域呈现显著增长态势[39] - 竞争从功能覆盖转向性能深度优化[45] - vLLM和SGLang通过技术创新提升GPU利用率[44] - NVIDIA TensorRT-LLM提供极致性能优化方案[44] 全球开发贡献格局 - 美国开发者占比24%，贡献度37.4%[46][47] - 中国开发者占比18%，贡献度18.7%[46][47] - 中美两国合计贡献度超过55%[46] - 美国在AI Infra领域贡献度43.39%，显著领先[51] - 中国在AI Agent领域贡献度21.5%，与美国24.62%差距缩小[51] 新兴项目崛起案例 - OpenCode和Gemini CLI在数月内获得极高社区关注度[54] - Browser-use项目由2名研究生9个月开发获得60K星标[55]

Meta内讧大戏再升级！首席AI官Alexandr Wang审核图灵奖大佬论文，LeCun亲自发帖疑似暗讽28岁新上司。没有PhD、没开源代码、没发表论文，都称 不上AI研究员。 Meta内部的AI大戏，剧情又加码了！ 最近，首席科学家LeCun亲自下场，发了一篇帖子，字里行间疑似在「内涵」新BOOS——Alexandr Wang。 这是一段写给AI领域的记者和评论家们的话——在AI领域工作的人，并非都是「研究员」。 他特意列出了，「研究员」的学术标准—— 发表研究成果、开源代码：查阅个人Google Scholar或GitHub。 发表论文和开源代码，对学术圈有实打实影响：查看Google Scholar论文引用量和h指数。 拥有AI相关领域PhD学位。当然，没有博士学位的也有优秀的研究员，但也凤毛麟角。 从读研期间就发表过论文，工作后也持续输出，不然就转型成了工程师或管理者。 LeCun话锋一转，直言「研究与工程/产品开发」是两码事，因其动机、激励机制和运作模式都各不相同。 有些人两者兼能，有些人则只能做其中一种。 简单来说，衡量一个研究员要看其学术影响力，而衡量一个工程师要看其产品影响力。 对于推动科学 ...

henry 发自 凹非寺 量子位 | 公众号 QbitAI AI自动生成的苹果芯片Metal内核，比官方的还要好？ Gimlet Labs的最新研究显示，在苹果设备上，AI不仅能 自动生成Metal内核 ，还较基线内核实现了 87% 的PyTorch推理速度提升。 更惊人的是，AI生成的Metal内核还在测试的215个PyTorch模块上实现了平均 1.87倍 的加速，其中一些工作负载甚至比基准快了 数百倍 。 真就AI Make苹果AI Great Again？ 用AI为苹果设备生成内核 先说结论：通过AI自动实现内核优化，可以在无需修改用户代码、无需新框架或移植的情况下，显著提升模型性能。 至于为什么是苹果？别问——问就全球最大硬件供应商（doge） 接下来，让我们看看研究人员是怎么做的： 为了证明这一点，研究人员选取了来自Anthropic、DeepSeek和OpenAI的8个顶尖模型，让它们为苹果设备生成优化的GPU内核，以加速 PyTorch推理速度。 实验设置 首先，在模型选择方面，参与测试的模型包括：claude-sonnet-4、claude-opus-4；gpt-4o、gpt-4.1、gpt ...

文章核心观点 - Meta公司近期遭遇AI团队关键人才流失 新成立的超级智能实验室(MSL)成立不足两个月即出现离职潮 包括核心老将和高薪新秀 其中两名研究员入职不满一个月即重返OpenAI 反映公司面临人才留存挑战[1][5][12] 人才招聘情况 - Meta为AI团队招募超过50人 其中来自Google 13人 Apple 3人 xAI 3人 Anthropic 2人[4] - 公司提供高达九位数薪酬待遇(超1亿美元合同) 首席执行官亲自通过邮件和WhatsApp与顶尖研究人员沟通[3][5] 人才流失概况 老将离职 - Bert Maher：工作12年 参与开发PyTorch和Triton 本周加入Anthropic[6] - Tony Liu：工作8年多 管理PyTorch GPU系统团队 上周离职[7] - Chaya Nayak：工作近9年 生成式AI产品管理总监 近期加入OpenAI负责特殊项目[9] - Afroz Mohiuddin：资深工程师 去年加入Meta 本月离职加入OpenAI技术团队[9] 新秀离职 - Avi Verma：斯坦福本科毕业 加入Meta不到一个月重返OpenAI[10] - Ethan Knight：曾在OpenAI实习 被Meta挖走后很快返回OpenAI[10] - Rishabh Agarwal：4月加入Meta从事生成式AI研究 本周一宣布离职[10] 内部管理问题 - 高薪招聘引发内部摩擦 老员工对新人的高薪与快速晋升心生不满[5] - 频繁团队重组和经理更换导致员工感到工作不稳定[8][12] - 公司发言人称在激烈招聘过程中有人选择留任原公司属正常现象[11] 行业竞争态势 - OpenAI首席执行官公开抱怨Meta挖角行为"令人反感"[5] - Anthropic、Google等公司在AI领域持续创新 给Meta带来巨大竞争压力[12] - 即便有巨额资金加持 公司仍面临顶尖人才被竞争对手吸引的挑战[12] 薪酬待遇争议 - 网友估算两名工作不满一个月的研究员可能获得800万美元薪酬(基于1亿美元年薪假设)[13] - 公司内部研究员质疑离职人员是否真的获得1亿美元签约金[14]

Key Takeaways D-Wave launched an open-source Quantum AI toolkit integrated with PyTorch.IBM advanced quantum-AI with Qiskit upgrades and its 133-qubit Heron processor.Google's Willow chip hit an error correction milestone, outperforming classical systems.D-Wave Quantum (QBTS) is advancing the intersection of quantum computing and artificial intelligence. In August, the company introduced an open-source Quantum AI toolkit, which is part of D-Wave’s existing Ocean software suite and integrates directly with P ...

战略共识 - 全球79%受访者认为发展减少外部依赖的AI能力具有极高战略价值 其中北美86% 欧洲83% 亚太79% [3] - 主权AI关注点集中于国家层面66% 涉及基础设施与监管框架 以及组织层面47% 涉及运营自主权与竞争力 [4][5] - 美国将主权AI列为战略优先级的比例达79% 欧洲为83% 亚太为78% [6] 核心驱动力 - 数据主权与控制以72%占比成为首要驱动力 强调数据作为战略资产需保留价值于自身生态系统 [8] - 国家安全以69%占比为核心驱动 AI控制权直接关联关键基础设施风险 [9] - 经济竞争力48% 主权AI被视为构建本土创新生态与提升全球竞争力的关键 [10] - 法规合规44%与文化契合31% 推动本地化AI能力以满足数据隐私及文化价值观需求 [11] 实现路径 - 94%受访者认为全球协作对实现主权AI至关重要 开源成为核心解决方案 [14][16] - 开源三大核心价值包括透明度与可审计性69% 灵活性与定制化69% 安全与信任60% [17] - 90%组织认为开源对主权AI发展至关重要 开源软件81% 开放标准65% 开放数据65%为优先形式 [18] - PyTorch采用率71% Kubernetes58% 显示开源技术已成为AI基础设施基石 [21] 挑战与区域差异 - 主要挑战为数据质量与可用性44% 技术专长短缺35% 安全漏洞34% [23] - 美国最关注数据质量51% 欧洲担忧合规与监管37% 亚太优先考虑安全漏洞47%与技术短缺41% [23][26] - 未来治理模式中 国家政府66%与开源基金会60%被视为核心引领角色 [27]

核心人才流失情况 - Meta超级智能实验室（MSL）成立仅两个月至少八名核心员工离职 包括PyTorch和Triton等关键AI基础设施的缔造者[1][2][3] - 两名前OpenAI员工Avi Verma和Ethan Knight入职Meta不足一月即重返OpenAI[6][13][15] - 资深研究员Rishabh Agarwal以百万美元年薪加入五个月后闪离 其拥有谷歌DeepMind背景且获NeurIPS 2021最佳论文奖[17][18][19] 关键技术元老动向 - PyTorch核心开发者Bert Maher在Meta工作12年后转投Anthropic 曾参与开发开源框架PyTorch及编程语言Triton[27] - Tony Liu管理PyTorch GPU系统团队八年后离职 该系统是训练Meta大模型的核心组成部分[30] - 多模态专家Aram Markosyan从基础AI研究团队（FAIR）离职 拥有计算等离子体物理博士学位[35] 竞争对手人才流动 - 公共政策研究经理Chaya Nayak作为九年元老转投OpenAI 曾监督Llama系列大语言模型开发[37][39] - 高级主任工程师Afroz Mohiuddin从谷歌跳槽至Meta仅一年后加入OpenAI技术团队[42] - 部分离职员工直言内部重组频繁导致战略方向不明 与构建LLM研究目标不符[32][47][48] 公司资源投入与财务表现 - 为争夺AI人才准备1亿美元薪酬方案 从DeepMind、OpenAI等竞争对手挖角[20] - 现金储备从2024年底438.89亿美元骤降至2025年6月的120.05亿美元 六个月减少318.84亿美元[55][57] - 预计投入超660亿美元建设超算中心 支持前沿研究的算力基础设施[57] 组织架构调整影响 - AI部门年内多次重组 最近解散一个团队并新建四个团队（TBD Lab、FAIR、产品应用团队、基础设施团队）[44][45] - 所有团队隶属MSL并由28岁Alexandr Wang掌管 内部对其领导方式存在不满[45][53] - 与Midjourney等初创公司合作可能预示战略重心转移 引发研究人员对发展方向质疑[47]

核心观点 - Meta近期遭遇AI团队关键员工离职潮 包括资深老将和高薪新聘人员 反映公司在人才留存和团队稳定性方面面临挑战 [1][11][12] 人才流动情况 - Meta Superintelligence Labs(MSL)成立不足两月即出现核心人员流失 两名研究员入职未满一月即重返OpenAI [1] - 近期离职人员包含12年资历的PyTorch和Triton开发者Bert Maher 已转投Anthropic [4] - 8年资历的PyTorch GPU系统团队管理者Tony Liu于上周离职 [7] - 近9年资历的生成式AI产品总监Chaya Nayak转投OpenAI负责特殊项目 [8] - 来自Google(13人)、Apple(3人)、xAI(3人)和Anthropic(2人)的新聘人员也存在流失 [5] 薪酬与招聘策略 - 公司为AI人才提供高达九位数(超1亿美元)的薪酬合约 [3] - 首席执行官亲自通过邮件和WhatsApp与顶尖研究人员沟通 多次约见最初拒绝的候选人 [3] - 在暂停招聘前 AI团队招募超过50人 [3] 内部管理问题 - 高频率团队重组和经理更换使员工感到工作不稳定 [8] - 老员工对新人的高薪与快速晋升产生不满 引发内部摩擦 [3] - 即便提供天价薪酬 仍难以留住已在业界建立影响力的顶尖人才 [12] 行业竞争态势 - OpenAI首席执行官公开抱怨Meta的挖角行为"令人反感" [3] - OpenAI、Anthropic和Google在AI领域持续创新 使Meta面临巨大人才争夺压力 [11] - 外部竞争加剧使公司在技术积累和人才保留方面承受重大压力 [11]