录并概括了报告的主要内容，希望能为开源和 AI 相关从业人员、研究人员和学习者提供有价值的参考。

一、采用 OSAI 正在成为主流

该报告显示，94% 的受访企业已经在使用 AI，其中 89% 的 AI 用户采用了某种形式的开源 AI 解决方案。

小型企业对开源的依赖尤为明显。 根据调研，中小企业比大型企业更倾向于选择开源模型，以实现成本控制与快速部署。
 

二、经济效益：省钱又高效

报告总结出 OSAI 的三大经济效益：

1. 成本优势：66% 的企业认为开源 AI 的部署成本低于商业化模型；

   

2. 生产力提升：开发者使用 GitHub Copilot 后编码效率提升 55%；

   

3. 创新加速：开源促进全球协作，加快高质量模型的开发。

 

如果没有开源，企业在软件上的支出将是现在的 3.5 倍。这对于初创企业尤其关键，它们可以借助开源模型获取高性能 AI 能力，避免高昂的授权费用。

三、OSAI 在五大关键行业的落地

医疗

AI 预计为全球医疗行业带来 1500 亿到 2600 亿美元的增值；

开源模型（如 LLaMA、DeepSeek R1）在性能上已与商业模型持平，利于构建本地化、隐私友好的医疗应用。

农业

AI 可助力作物监测、环境感知与农机自动化等方面：

1. AI 在农业中应用于营销、软件工程和供应链等领域，有望新增400亿至700亿美元行业价值（ 来源：McKinsey 2023）。
2. AI 关键应用（如机器人、精准环境监测、土地管理、作物监测）有潜力提升全球GDP 0.2%~0.3%（来源：PwC 2020）。
3. AI 可通过提供建议、控制机械、数据处理、消除语言障碍和农业冲击监测，帮助解决全球粮食生产问题。（DeClerq 等人（2024）研究）
4. AI 是“再生农业”的关键组成部分，该模式利润增长可达120%，并可为中低收入国家带来4500亿美元以上农业GDP增量（来源：WEF 2024）。
5. OSAI 工具助力数字农业普及，如 Semios（使用 TensorFlow）和 Farmer.Chat（基于 Llama 模型）等开源工具降低成本、提升农民智能化作业能力（来源：Semios、Farmer.Chat 介绍）。

建筑

AI 在建筑行业已广泛用于预测工程延期、优化项目排期等领域：

1. 将 AI 应用于营销、研发、供应链等领域，可为建筑行业带来900亿~1500亿美元的增益，占行业营收的0.7%-1.2%。（来源：McKinsey 2023）

2. AI 可用于分析过往项目数据，以预测延误、识别风险、制定施工计划、预估瓶颈并辅助管理决策。（来源：Adroit Market Research 2021）

3. 建筑行业中已有 37% 的企业正在使用 AI，另有 33% 计划采用。（来源：Deloitte & Autodesk 2025）

4. 建筑行业虽然目前AI应用率低，但其数据驱动决策的特性使其具备强大AI落地基础。

5. 亚太地区为增长最快市场，北美为当前最大市场。

6. 在规划、设计和建筑信息建模（BIM）阶段应用 AI 显示，开发开放通用的基础大模型有助于实现行业标准化建设。

制造

对于制造行业，OSAI 也将带来巨大的影响：

1. 开源 AI 在产品研发、营销销售和软件工程方面的应用将为先进制造业带来 1700亿~2900亿美元 增长。（来源：McKinsey 2023）

2. OSAI 影响力大：根据 Lawson，AI 是仅次于操作系统的第二大受益于开源的技术领域。（来源：Linux Foundation 2024 报告）

3. 数据密集型行业：制造业年均产生 11,812 PB 的数据量，AI 可借助这些数据提升决策效率。（来源：Deloitte 2020）

4. 智能制造应用场景：AI 可应用于工厂任务自动化、订单管理、排产、设备维护、质量控制和生产计划等。（来源：Heimburger 等，2024）

5. 市场规模与行业认可：自 2023 年起，制造业 AI 市场规模已超过 700 亿美元，大多数企业视其为核心增长与创新引擎。（来源：Deloitte 2020）

6. 部署进展缓慢：尽管潜力巨大，但目前仅有 15% 的企业已实际部署 AI，多数仍处于提案或试点阶段。（来源：Deloitte 调查）

能源

能源行业也在积极拥抱能源行业，但同样也存在一些问题：

1. 高采用率：2023 年，全球 74% 的能源与公用事业公司已实施或正在探索 AI。

2. AI 推高能源消耗：数据中心 AI 模型训练对电力消耗巨大，亟需通过节能优化手段降低 AI 带来的能源压力。

3. 运营收益显著：AI 可为能源行业带来 1%-1.6% 的营收增长（1500亿~2400 亿美元）。（来源：McKinsey 2023[^37]）

4. 经济增益潜力大：通过 AI 提升供需预测与资产效率，有望在 2030 年前使全球 GDP 增长 1.6%-2.2%。（来源：PwC 2020[^69]）

5. AI 在美国能源的应用：涵盖核电、碳管理等领域，AI 可将清洁能源电站设计与审批时间缩短 20%，2050 年前节省数千亿美元成本。（来源：Argonne Lab 2024[^88]）

6. AI 采用仍处早期：隐私、合规和缺乏行业协同是主要障碍。LF Energy 建议通过开源工具建立通用协作层，促进 AI 落地与创新。（来源：LF Energy 白皮书 2024[^89]）

7. 开源与智能电网协同潜力大：OSAI 有助于提升智能电网扩展能力和对能源需求的响应速度。（来源：IEA[^90]）

四、对劳动力的影响：AI 是“增能”而非“取代”

关于人工智能将通过自动化导致大规模岗位流失的猜测甚嚣尘上。然而，研究表明，实际情况并非必然如此。或者说，实际情况更加复杂。