结论先给：11 月 27 日，麻省理工学院与开源平台 Hugging Face 联合发布《2025 全球开源人工智能模型下载指数》。基于 GitHub、Hugging Face、ModelScope 等六大托管平台、覆盖 1.4 亿条下载日志的报告显示：截至 10 月 31 日，中国自主研发开源 AI 模型在全球下载总量中的占比升至 17.1%，首次超过美国的 15.8%，中国成为开源大模型"第一下载源"。其中 DeepSeek 与通义千问系列贡献了中方近七成下载量，通义千问家族在 GitHub 已收获超 6 亿次拉取、衍生模型 17 万余个。
对甲方来说，这份报告的价值不在排名，在于它回答了一个今年被问了无数次的问题：国产开源模型到底能不能当作长期技术底座？
一年前答案是"再等等"，现在答案是"可以，而且生态已经大了"。
第一，选型从"赌一家"变成"随便换"。 衍生模型 17 万个意味着什么？意味着同一档次上你有好几个可选项，这个不合适换那个，接口大同小异。这为甲方提供了真正的议价能力和退路。 一年前被单一厂商锁定的担忧，今年基本可以放下了。
第二，小模型够用了。 生态繁荣的直接产物是各种尺寸的蒸馏版和量化版。做企业内部问答、文档抽取、工单分类这类活，7B 到 32B 的模型在一台中等配置的服务器上就能跑，效果对多数场景已经足够。私有化部署的硬件门槛，从"要建机房"降到了"买台机器"。
第三，人好找了。 用得人多，会的人就多。今年招一个做过开源大模型部署的工程师，比去年容易得多，薪资也回落了一些。这一点比技术指标更影响项目成败——技术再好，没人维护也是废的。
报告里还有一句被忽略的提醒：国家节能中心同期发布的蓝皮书指出，若 PUE 不能控制在 1.25 以下，规模扩张会迅速抵消算法红利。
翻译过来：模型跑起来的电费和运维，是不能忽略的成本。 我们今年见的失败案例里，有一类很典型——客户自建了模型，效果不错，但没算运维账，半年后没人愿意继续投人力调优，系统慢慢就废了。
所以给甲方的建议一直是同一条：先算三年总账，再决定自建还是调 API。 三年总账包括硬件、电费、机房、运维人力、模型升级的重复投入。多数中小场景，这个账算下来是调 API 更划算；只有数据真的不能出门，才值得自建。
本月鸿蒙侧也有个关键节点：搭载 HarmonyOS 5、HarmonyOS 6 的终端设备数量突破 2700 万台，且以每天超 10 万台的速度增长；鸿蒙应用市场可搜索的应用及元服务数量突破 30 万；鸿蒙联合超 2.3 万款应用共同打造了 70 多项创新特性。
对比一下：2024 年 10 月原生鸿蒙发布时，原生应用和元服务是 1.5 万项。一年时间从 1.5 万到 30 万——生态的"有没有"这个问题解决了，接下来是"好不好用"。
对做适配的团队，这个阶段的含义是：抢位置的窗口关了，抢质量的窗口开了。 现在再做个元服务上去，没什么稀缺性；但把存量应用做到"用起来跟安卓版没差别"，是客户现在最愿意付钱的事。
第一，选型按"可替换"设计，模型层封装起来，半年换一次不心疼。第二，自建前先算三年总账，把电费和运维人力算进去。第三，鸿蒙的重点从"占坑"转到"体验对齐"，客户现在付钱买的是没差别。
声明：本文版权属于思维沃（svoo.net），未经允许禁止转载，请勿用于任何商业行为。
如需就开源模型选型与三年成本测算做进一步沟通，可联系思维沃（svoo.net）
官方微信咨询
官方微信咨询
