在人工智能领域，一场静悄悄的革命正在发生。Hugging Face CEO Clem Delangue在接受TechCrunch采访时直言：“企业正在放弃租用AI，转而拥有它。”这一观察背后，是开源AI生态的蓬勃兴起，以及对传统“AI-as-a-Service”模式的深刻反思。
从租用到拥有：开源AI的崛起
Hugging Face——这家被誉为“AI界的GitHub”的公司——在过去几年里经历了爆炸式增长。其平台上汇聚了数百万个开源模型和数据集，涵盖自然语言处理、计算机视觉、语音识别等几乎所有AI子领域。据Delangue透露，目前约有一半的财富500强企业正在使用该平台，这一数字还在持续攀升。
“我们反复看到同样的剧本，”Delangue说，“企业最初会尝试使用OpenAI、Anthropic或Google的API来快速搭建AI功能，但很快会发现几个痛点：成本失控、数据隐私风险、以及对底层模型的不可控。于是，他们转向开源模型，在Hugging Face上下载LLaMA、Mistral或Falcon等模型，在自己的基础设施上进行微调、部署和托管。”
这一转变标志着企业AI策略的重大拐点。过去几年，租用大模型API被视为最便捷的AI落地方式，但Delangue认为，这种模式正在进入瓶颈期。他以一家金融科技公司为例：该公司最初使用GPT-4 API处理客户查询，月度账单飙升至数十万美元，且由于数据必须发送给第三方，合规团队始终无法安心。最终，该团队下载了开源模型LLaMA 2，通过Hugging Face的推理端点（Inference Endpoints）在自家AWS环境中私有部署，成本降低了70%，同时完全掌控了数据流。
“当企业意识到他们可以在自己的云中运行一个同样强大甚至更定制化的模型，且无需将数据暴露给外部时，租用模式就失去了吸引力。”——Clem Delangue，Hugging Face CEO
为什么是现在？三大驱动力
这一趋势并非偶然，而是由多重因素共同催化。首先，开源模型质量已大幅跃升。Meta的LLaMA系列、Mistral AI的Mistral 7B、以及阿里巴巴的Qwen等模型，在多项基准测试中已接近甚至超越闭源模型，且它们可以免费使用、自由修改。其次，基础设施工具趋于成熟。Hugging Face提供的推理端点、AutoTrain等工具，让企业能够以极低成本完成模型部署和微调，无需自建庞大的工程团队。
第三——也是最关键的——数据主权和监管压力。欧盟的《人工智能法案》、中国的《生成式人工智能服务管理暂行办法》等法规，对企业使用第三方AI服务时的数据处理提出了严格要求。许多行业（如医疗、金融、法律）更是不允许敏感数据离开内部网络。自托管开源模型成为满足合规的唯一选择。
“租用AI本质上是一种黑箱操作，”一位不愿具名的企业CIO表示，“你既不知道模型训练数据中是否有你的机密，也无法在出现幻觉时进行溯源。开源则不同，你可以审查代码、调整参数、甚至参与模型改进。”
编者按：开源不是万能药，但方向正确
值得注意的是，开源AI并非没有任何挑战。模型的维护、版本更新、安全漏洞修复需要持续投入；某些场景下（如实时多模态交互），闭源API的延迟和性能仍占优势。此外，开源社区的热门模型往往迭代极快，企业可能面临“模型过时”的压力。但Delangue认为，这些困难恰恰是Hugging Face作为平台存在的价值——提供统一的模型管理、监控和安全扫描能力。
从更宏观的视角看，企业“不再租用AI”的宣言，实质上是对AI供应链自主权的争夺。当AI成为核心生产力时，没有任何理性的企业愿意将命运系于少数几家提供商的API定价和策略变更。开源生态的繁荣，让企业获得了与云时代类似的“多云/混合”自由度——只不过这次是针对模型而非计算资源。
Hugging Face的估值已超过45亿美元，其开源平台每天处理数十亿次推理请求。Delangue充满信心地表示：“未来五年，开源将占据企业AI部署的80%以上。租用AI会成为过去式，就像租用服务器让位于云计算一样自然。”
这一趋势是否会彻底改写AI行业的权力版图？答案或许就在这些下载模型、启动实例的决策中。每一家选择“拥有”而非“租用”的企业，都在为去中心化的AI未来投下一票。
本文编译自TechCrunch
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接