还记得编写代码曾是自由开放的吗？如今，人工智能正将软件开发推向按使用付费的专有平台。但历史或许会重演——开放的基础往往最终胜出。

　　一种新的供应商锁定形式已然出现。它不是专有语言或僵化的企业软件套件，而是更为根本的东西——编写代码的工具本身。

　　JetBrains 研究发现，全球 74% 的开发人员正在使用 AI 工具。根据 Jellyfish 发布的《2026 年工程管理状况报告》，Claude Code 自 2025 年 5 月上线以来，已成为最受欢迎的 AI 编码工具，紧随其后的是 Gemini Code Assist 和 GitHub Copilot。同一研究还显示，91% 的开发人员表示过去一年生产力有所提升。随着编码产出预期被每日重写，工程界正日益依赖付费的外部 AI 服务。

　　Gartner 预测，到 2028 年，AI 编码代币的支出可能超过开发人员的工资。然而，这种“代币最大化”模式，与自由编程语言和开放模型的开放根基相去甚远——当今许多 AI 平台已将后者抽象化。

　　开源数据库解决方案提供商 Percona 的首席执行官 Peter Farkas 表示：“开放基础设施将成为 AI 时代的支柱。现在，太多公司出于便利的诱惑，将整个人工智能战略建立在专有平台之上。”他补充道：“只需‘点击三次’，就能在超大规模云平台上建立数据库或 AI 服务，这种便利让人们忽视了正在注册的锁定。随着 AI 工作负载的成熟，组织将意识到，依靠单一供应商提供数据、模型、运行时和定价，并非明智之策。”

　　AI 辅助编码正使非工程师的软件工程民主化，并加速了顶尖开发者的产出。但如果团队始终在某一个平台所定义的世界观内工作，就会形成大规模锁定的工具集。随着 AI 平台成本攀升，一个根本问题浮现：软件开发人员是在按自己的条件使用 AI，还是按别人的条件？

　　有力的案例表明，技术领域的长期赢家将建立在开源标准和开放基础之上，正如云原生计算和互联网本身的历史所昭示。

　　托管 WordPress 平台 WordPress VIP 的首席技术官 Brian Alvey 说：“开放总是会赢。不是因为它是一种花哨的意识形态，而是因为它赋予你完全的自由去适应、演进和保持控制。”

　　开放基础设施避免了开发者永远“租房”的未来。Agentic AI 基金会（AAIF）的首席技术官兼联合创始人 Manik Surtani 表示：“要让 AI 对全人类有用，它不能成为你余生都要付房租的东西。而且它不能集中在某一家或少数几家公司手中，因为我们知道那种模式会走向何方。”

　　昂贵的、封闭的、专有 AI 之路

　　当今的 AI 发展呈现两条并行道路。

　　一条路上，开源 AI 蓬勃发展，推动了模型和工具在数量和种类上的巨大增长——例如 HuggingFace 上的数千个开放权重模型、OpenClaw AI 代理社区，以及众多发布新突破的学术机构。

　　可观测性平台 Honeycomb 的 AI 战略总监 Austin Parker 指出：“开源模型和工具紧追最前沿，世界各地的实验室和研究人员正在分享有趣且突破边界的工作。”他列举了 Mistral、DeepSeek 和 Ai2 的 OLMo 等前沿开源模型。

　　Linux 基金会 AI 和基础设施总经理 Mark Collier 也同意：“模型和工具层的开放程度空前，开源模型、框架和编排工具正以惊人速度发展。”

　　另一条路上，则是严重依赖由 Anthropic、Cursor、谷歌、微软、OpenAI 等控制的专有 AI 系统。正如 Collier 所言：“许多平台将这些开放组件包裹在封闭的、带有主观意见的界面中，用短期速度换取长期约束。”

　　开源与 AI 工具市场并不总是完美融合。例如，LangChain 的开放代理平台曾在 2025 年开源，但到 2026 年已被弃用，其仓库转而推荐完全托管方案。

　　对于开源可组合 AI 堆栈提供商 Ainekko 的联合创始人兼 CTO Roman Shaposhnik 来说，当前的 AI 平台格局让人想起低代码和无代码平台——它们曾许诺软件开发民主化，却往往沦为平台锁定和不灵活的代名词。Shaposhnik 说：“说真的，这感觉很熟悉。我们现在拥有非常强大的 AI 工具，但大多被捆绑在严格控制的平台中。”他认为这对 AI 是风险，因为基础设施、模型和硬件紧密耦合。“如果这些层被封闭，你会很快失去灵活性。”

　　一些位于模型之上的抽象层（如路由和代理框架）往往针对特定模型紧密耦合和优化。其他平台则从字面上构建“围墙花园”。例如，Anthropic 因以模糊政策为由阻止对其 Claude 模型的访问而多次成为头条新闻，该公司最近还关闭了竞争对手 xAI 的访问并封锁 OpenCode，引发社区强烈反对。

　　对于已建立在脆弱经济学之上的 AI 经济而言，走向日益封闭的系统并非吉兆。正如代理应用开发平台 WaveMaker 的产品体验主管 Vikram Srivats 补充：“鉴于 AI 工具的单位经济性和变化的加速步伐，显然有些系统会发展为更封闭的系统，以便实现货币化和获得投资回报。”

　　为何开放对 AI 时代至关重要

　　依赖专有 AI 平台会产生长期运营依赖。Linux 基金会的 Collier 警告，随着系统互操作性下降，组织可能被迫在数据管道、模型和决策逻辑上采用单一堆栈。“随着基础设施整合，当平台改变方向、提价或技术落后时，企业面临更大风险。如果你无法在不重新架构 AI 系统的情况下更换平台，你就已经放弃了太多控制权。”

　　WordPress VIP 的 Alvey 补充：“当你在别人的平台上构建时，就必须遵守他们的规则，而这些规则总是会变。我们以前都见过，企业浪费时间和金钱去为 Google、Facebook、YouTube 和 App Store 的规则服务，而不是为客户服务。”

　　平台锁定也直接造成业务风险。Ainekko 的 Shaposhnik 说：“当需要改变方向时，锁定通常表现为更高的成本、脆弱的系统和不断上升的风险。”在 Ainekko，一个名为“AI Plumbers”的内部团队专注于推理、调度、内存和硬件集成等后端基础设施。Shaposhnik 说：“他们的观点很朴素：如果这些底层被封闭，其上的所有东西都会变得脆弱。”

　　开放标准、接口和基础设施为封闭系统提供了必要的对冲。Percona 的 Farkas 强调：“在 AI 时代，开放基础设施为企业提供了在最需要时的控制力、可移植性和选择权。”据 Cloudaware 估计，迁移企业软件的成本可高达 10 万美元，这使得可移植性成为企业的核心关切。从这个角度看，采购封闭系统可能变成代价高昂的架构依赖。

　　其他人则认为，开放性是抵御整体供应商集中风险的关键对冲，尤其当 AI 大规模取代人力劳动时。AAIF 的 Surtani 说：“如果所有这些经济价值都集中在一两家公司手中，那将比我们在任何以往计算浪潮中见到的问题都更严重。”

　　相反，开放基础允许企业适应变化，能按需交换模型、代理、数据、硬件和编排。Collier 说：“开放标准允许这些组件独立变化，而不会破坏整个系统。”开放性还能帮助企业抵御经济震荡。WaveMaker 的 Srivats 表示：“开放一切将为企业创造缓冲，使其在当前炒作周期之后的调整中生存和发展。”

　　走向开放 AI 基础设施的势头

　　在行业层面，开放 AI 基础设施的势头正在积聚。Agentic AI 基金会的成立、Anthropic 捐赠的 Model Context Protocol（MCP）、Block 捐赠的 Goose 代理，都是整个生态系统走向开放的重要举措。其他进展包括将 LLM 推理的 Kubernetes 框架 llm-d 捐赠给云原生计算基金会（CNCF）。

　　Parker 认为，此类捐赠有助于确保长期支持和维护。“开放标准不仅是互联网的基础，也将是 AI 空间的基础。我预测这些做法会继续，尤其是随着企业采用率的提高。”

　　尽管如此，有人质疑这种程度的管理是否足以适应快速变化的生态系统。Shaposhnik 说：“互联网很早就受益于帮助供应商保持一致的团体，但在 AI 基础设施领域，我们还没有真正实现这一点。我们所有开源老手都充满希望，但也需要适应 AI 基础设施的新现实。”

　　除了行业管理机构，企业自身也在带头推进开放 AI 计划。Warp（一个代理开发环境）近期在封闭源代码竞争对手中宣布开源；同时，Arcade.dev 也在为代理内存推出开源代理库。

　　AI 堆栈中开放性最重要的层级

　　虽然 AI 基础设施可以在多个层面开放，但有几层尤为突出。

　　首先是模型本身的开放性。WaveMaker 的 Srivats 说：“开源模型必须是未来信任和价值的基础。”全球数字解决方案提供商 R Systems 的数据和 AI 副总裁 Neeraj Abhyankar 补充：“那些能减少集成摩擦并加速采用的开放基础设施形式最为突出。”对他而言，开放的模型表示格式、开放的编排和执行层、开放的代理协议以及开放的治理和元数据标准，对企业灵活性至关重要。

　　其他人则更看重 AI 组件之间的“结缔组织”。Collier 说：“开放基础设施最重要的形式是将系统连接在一起的部分，包括开放的 API、元数据标准、身份和政策框架，以及模型和代理通信的协议。”

　　可以说，MCP 正成为 AI 代理和更广泛 API 生态系统之间的连接组织。Shaposhnik 说：“如果我们正确实现 MCP，就能在网络上实体和驱动它们的模型之间解锁类似 Web 2.0 时代和 API 热潮时的互操作性。如果不这样做，我们就会冒大规模专有锁定的风险。”

　　Parker 同意，开放协议将成为未来 AI 进步的基础。“我们将看到 AI 代理持续发展和进步，它们将依靠 MCP 和 ACP（代理客户端协议）等协议与各种客户端和彼此互操作。”不过，围绕模型的 API 约定仍存在缺口。“如果模型提供商能承诺在此采用标准，那就太好了。”

　　AAIF 的 Surtani 认为，开放协议层最为关键。“这对互操作性和选择权至关重要。这意味着你可以自带代理、自带框架、自带工具链，并自由选择你想要的模型。”

　　开放标准在推理架构中同样重要。Shaposhnik 说：“随着 AI 扩展到边缘，开发人员需要了解模型如何运行、内存如何使用以及性能如何扩展。”开放系统能让优化、调试和适应更加容易，同时帮助企业避免可观测性碎片化。

　　最后，云原生架构标准也是开放 AI 基础设施的关键要素。Percona 的 Farkas 表示：“我们看到 Kubernetes 正成为那些想要超大规模云便利性但不想被锁定的企业的缺失环节。”在他看来，Kubernetes 已成为数据、工作负载和 AI 组件的混合企业部署实际标准。

　　历史重演

　　《2026 年开源状况报告》指出，避免供应商锁定是开源采用的主要驱动力。但除了作为单一企业的战略决策，开放基础设施还为整个行业提供了保障层。

　　互联网本身就是好的例证，IETF 和 IEEE 等团体在定义基础协议方面发挥了关键作用。Shaposhnik 说：“如果没有开放协议，我们就会陷入电信垄断的困境，也不会有 Google 或 Facebook 这样的现象。”

　　再看 Linux 的历史。Collier 说：“Linux 成为默认操作系统，因为它提供了一个共同的、供应商中立的基础，所有人都可以在此之上构建。在 AI 时代，开放基础设施将定义那些支撑组织长期存续的层级。”

　　在基础设施层面，开放标准一再支撑了从 Docker 到 Kubernetes 的重大平台转变。现在的问题是，AI 是否会发展出同样持久的标准层。

　　Parker 认为现在下结论为时尚早，但 AI 当前的增长轨迹与早期云时代相似。“请记住，我们花了很多年才看到开源云原生生态系统的发展和普及。因此，从现在的发展轨迹直接推断出封闭、专有的未来，将是一个错误。”

　　其他人也坚信未来必须植根于开放。R Systems 的 Abhyankar 说：“我看到开放基础设施将成为企业 AI 的基石。随着系统变得更加分布式和代理驱动，封闭的生态系统根本无法扩展。”

　　目前，开放代理协议、开放框架和行业支持正在奠定基础，旨在减少专有标准造成的碎片化。

　　Parker 总结道：“具有讽刺意味的是，AI 运动似乎大多从过去的错误中吸取了教训，并以更开放的方式起步。随着时间的推移，我相信我们将看到创新和开放性共同繁荣。”