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]