Mozilla：2026开源 AI 现状报告（英文版）（59页）.pdf

核心数据速览： 采用vs部署：79%开发者使用开源模型，仅51%部署至生产。 部署差距：开源51% vs 闭源63%，差距12个百分点。 五大挑战：成本27%、安全/合规26%、维护24%、部署复杂性23%、缺乏支持22%。 成本下降：GPT-4级模型$20→$0.40/百万Token，降50倍。 MCP增长：月下载量200万→9700万，16个月增4750%。 治理滞后：仅21%公司拥有成熟智能体治理。 年化节省：开源-闭源价格不对称带来$248亿/年未实现节省。 收入悖论：开源占约1/3使用量，仅创造约4%收入。H2：报告核心数据解读。H3：部署漏斗——从采用到生产的断层。79%采用→51%部署。规模不解决问题——开源部署率随企业规模增长远小于闭源。小型组织在开源和闭源上部署率相近；差距在中型和企业级采用者中扩大。H3：开发者挑战全景——五大数据驱动的障碍。基础设施与计算成本（27%）、安全/隐私/合规（26%）、持续维护与更新（24%）、部署/托管/扩展复杂性（23%）、缺乏专业支持（22%）。区域差异显著——安全/合规在South Asia达39%。H3：代理层爆发——MCP的9700万下载与治理缺口。MCP月下载量从约200万增长至9700万，16个月增长4750%。财富500强中28%已在生产环境运行MCP。但仅21%的公司拥有成熟智能体治理。MCP成为Linux Foundation基础设施后前八周内发现30+ CVE。H2：报告独有数据价值——开发者视角的深度数据。 采用与部署的逐层漏斗数据：从实验到生产的每个阶段的转化率。 按组织规模划分的部署率对比：开源vs闭源在不同规模企业中的部署差异。 按区域划分的开发者挑战矩阵：西欧/北美/大中华/南亚/东亚/南美/东欧等区域的挑战分布。 离开开源模型的原因排序：开发者停止使用开源模型的具体原因及频率。 开源AI堆栈九层评估：48个子组件在9项标准上的逐项评分。 代理层生态数据：MCP下载增长曲线、A2A采用数据、治理成熟度分布。 开源模型使用场景分布：开源vs闭源在不同用例（编码、对话、RAG、代理等）中的使用强度。 企业“按量计费”碰撞案例：微软、Uber、Stripe在计量计费模式下的真实成本故事。H2：谁需要这份报告？ AI工程师与MLOps从业者：了解开源模型部署的真实障碍与解决方案路径。 技术团队负责人与工程经理：评估开源AI在团队中的采用策略与资源规划。 开源项目维护者与贡献者：了解用户痛点，优先改进方向。 企业IT基础设施负责人：评估自托管开源模型的基础设施需求与总拥有成本。 AI安全与合规负责人：了解开源AI的安全风险与治理最佳实践。 关注AI开发者生态的研究者：获取开发者行为、偏好与挑战的一手数据。FAQ区块。Q1：开源模型部署率低的主要原因是什么？运营工具、标准化和企业就绪支持的缺乏，而非模型能力。五大具体挑战包括成本、安全、维护、部署复杂性和缺乏支持。Q2：代理层（Agentic Harness）对开发者有什么影响？代理层是决定AI系统行为的最关键层。MCP生态爆发式增长（9700万月下载）但治理严重滞后。开发者需要关注代理层标准和工具。Q3：开源模型能帮助企业节省多少成本？GPT-4级模型成本从20美元降至0.40美元/百万Token。Linux基金会估计年化未实现节省达248亿美元。Stripe在开源模型上降低了73%的推理成本。Q4：不同地区的开发者面临不同的挑战吗？是的。安全/合规在南亚（39%）和东亚（29%）最突出；部署复杂性在南美（30%）最突出；缺乏专业支持在大中华（31%）最突出。Q5：报告对开源AI开发者有什么具体建议？评估组织的运营能力缺口、选择合适的部署模式（自托管8k对话/天）、投资运营工具链、积极参与开源生态影响路线图。完整PDF报告包含内容。以下为完整PDF报告中对开发者最具价值的数据模块——。 开源AI采用与部署的完整漏斗数据（各阶段转化率）。 按组织规模、区域、行业划分的部署率详细对比。 开发者选择开源vs闭源模型的核心驱动因素排名。 开发者离开开源模型的五大原因及详细数据。 九层开源AI堆栈地图：48个子组件×9项标准的完整评分矩阵。 MCP月下载量增长曲线（2024-2026完整序列）。 代理层生态全景：MCP、A2A、LangChain等工具的市场份额与采用数据。 企业“按量计费”碰撞案例：微软、Uber、Stripe的详细成本故事。 开源AI融资断层分析：各堆栈层的资本覆盖强度。 开源AI领域主要并购交易时间线与估值。 区域开发者挑战分布矩阵（7大区域×9项挑战）。 开源模型使用场景分布（编码、对话、RAG、代理等）。延伸阅读：如需了解行业趋势与战略洞察，可返回查看本报告深度分析页面。数据来源说明。以上数据来源于Mozilla《State of Open Source AI 2026》报告（2026年7月发布）。