这篇由麻省理工学院的Shayne Longpre和Hugging Face公司的Lucie-Aimée Kaffee共同领导的重磅研究，发表于2025年11月，论文编号为arXiv:2512.03073v1。研究团队汇集了来自MIT、Data Provenance Initiative、ScaDS.AI Leipzig、爱丁堡大学、南加州大学、北卡罗来纳大学教堂山分校以及Hugging Face等多个知名机构的顶尖学者。这项研究有着一个颇具雄心的目标：通过分析全球最大开放AI模型平台Hugging Face上的完整历史数据，首次系统性地揭示开放人工智能世界中权力分配和技术发展的真实面貌。

你可能很难想象，在看似开放自由的AI模型世界里，竟然隐藏着一场激烈的权力争夺战。就像现实世界的国际政治版图一样，AI模型的世界也在经历着势力范围的重新划分。美国科技巨头曾经的绝对统治地位正在动摇，中国企业异军突起，而无数个人开发者和社区组织也在这场变革中扮演着越来越重要的角色。

这项研究的独特之处在于，它并不是简单的学术理论分析，而是基于真实世界中最大规模数据的实证研究。研究团队获得了Hugging Face平台从2020年6月到2025年8月期间的完整下载记录——总共22亿次下载，涉及85万多个模型。这就好比拿到了全球AI模型"人口普查"的完整档案，能够看清楚每一个模型的"出生地"、"血统关系"以及"受欢迎程度"。

通过这些珍贵的数据，研究团队发现了一些令人惊讶的趋势。曾经由Google、meta、OpenAI等美国科技巨头主导的开放AI世界，正在经历一场深刻的重新洗牌。中国的DeepSeek和Qwen等模型正在快速崛起，个人开发者和社区组织的影响力也在大幅提升。与此同时，AI模型本身也在发生着翻天覆地的变化——它们变得更大、更聪明、能处理更多类型的信息，但同时也变得更加"神秘"，因为越来越多的模型不再公开它们的训练数据来源。

这项研究的意义远不止于学术价值。在当前全球AI竞争日趋激烈的背景下，理解开放AI生态系统的权力分布和发展趋势，对于政策制定者、企业决策者以及普通用户都具有重要意义。毕竟，今天在Hugging Face平台上的模型分布格局，很可能就是明天AI技术发展的风向标。

一、开放AI世界的"联合国"：权力版图的历史变迁

如果把全球的开放AI模型比作一个虚拟的"联合国"，那么Hugging Face平台就是这个联合国的总部大楼。自2019年成立以来，这个平台已经从最初简单的模型分享工具，发展成为全球开放AI模型的中央枢纽，托管着超过200万个模型，累计下载量达到17亿次。

在这个AI世界的"联合国"里，每个模型都有自己的"国籍"和"身份证"。研究团队就像是进行了一次史无前例的"人口普查"，详细记录了每个模型的"出生地"（开发国家）、"制作者"（开发机构）、"技能特长"（功能类型）以及"受欢迎程度"（下载次数）。通过分析这些数据，他们发现了一个令人震惊的事实：这个看似开放平等的AI世界，实际上正在经历着三次重大的权力重新分配。

第一个时代可以称为"美国霸权时代"（2020年末到2022年末）。在这个阶段，整个开放AI世界基本上是美国科技巨头的天下。Google、meta和OpenAI这三大巨头就像是AI世界的"超级大国"，控制着40%到60%的"市场份额"。当时最受欢迎的模型几乎都来自美国，比如BERT、CLIP、DistilBERT等，它们就像是AI世界的"通用货币"，被广泛应用于各种场景。这个时期的特点是高度集中化，就好比现实世界中冷战时期的两极格局，只不过在AI世界里是美国一家独大。

第二个时代是"民主化浪潮时代"（2022年末到2024年初）。这个转折点的到来要归功于一个名为Stable Diffusion的图像生成模型。这个模型的出现就像是在AI世界里引发了一场"民主革命"。突然间，不再只有大公司才能制作出优秀的AI模型。成千上万的个人开发者、艺术家和小型社区开始基于Stable Diffusion创建自己的模型变体。这就好比从原本只有大型制片厂才能制作电影，突然变成了人人都可以用手机拍摄并制作出精彩作品的时代。在这个阶段，那些来自"民间"的开发者所创建的模型，其总下载量甚至超过了传统科技巨头的产品。

第三个时代是当前正在进行的"中美双雄争霸时代"（2024年至今）。在这个最新阶段，一个令人瞩目的变化是中国AI企业的强势崛起。DeepSeek和Qwen这两个来自中国的模型系列，在2025年异军突起，单独就占据了14%的全球下载份额。更令人惊讶的是，中国整体的模型下载份额已经达到17.1%，首次超越了美国的15.8%。这就好比在AI世界的"奥运会"上，中国队首次在金牌榜上超越了美国队。

这种变化的深层原因是什么呢？研究团队发现，这与AI技术本身的发展趋势密切相关。当前最受欢迎的AI模型已经不再是早期那种只能处理单一类型信息的"专家型"模型，而是能够同时处理文本、图像、语音甚至视频的"全能型"模型。这些新一代模型就像是从单科状元变成了全科状元，而在这个技术转型的关键时期，中国企业展现出了强大的技术实力和创新能力。

值得注意的是，这种权力转移并不是简单的"零和游戏"。虽然中美两国在顶尖模型竞争中你追我赶，但同时也有一股不可忽视的"第三势力"在快速崛起——那就是来自世界各地的个人开发者和社区组织。这些"草根英雄"现在已经占据了全球AI模型下载量的近40%，他们的作用越来越不可忽视。这就好比在传统的大国竞争之外，还有一大批"城邦国家"在发挥着独特而重要的作用。

为了更准确地衡量这种权力分布的变化，研究团队使用了经济学中的专业工具——赫芬达尔-赫希曼指数（HHI）和基尼系数。这两个指标就像是测量"贫富差距"的工具，只不过这里测量的是AI模型世界中的"权力集中度"。数据显示，从2021年到2024年，整个开放AI世界的权力集中度持续下降，这意味着权力分布变得更加分散和民主化。但是到了2025年，这个趋势开始出现逆转，主要是因为中国顶尖模型的快速崛起重新带来了一定程度的集中化。

这种权力版图的变迁不仅仅是数字上的变化，更反映了AI技术发展的深层逻辑。每一次技术突破都会重新洗牌既有的竞争格局，就像历史上蒸汽机、电力、互联网等技术革命一样。当前我们正在见证的，可能是AI历史上最重要的一次权力重新分配，而这种变化的影响将远远超出技术本身，深刻地塑造着未来的全球创新版图。

二、技术革命的三重奏：从"专家"到"全才"的进化之路

在AI模型的世界里，正在发生着一场静悄悄但又翻天覆地的技术革命。这场革命可以用一个简单的比喻来理解：AI模型正在从"专业医生"转变为"全科医生"，从只能处理单一类型信息的"专家"变成能够同时掌握多种技能的"全才"。

回到五年前，大部分AI模型就像是各自专精某一领域的专科医生。有些模型只擅长理解文本，就像是"内科医生"；有些只能识别图片，就像是"影像科医生"；还有些专门处理语音，就像是"耳鼻喉科医生"。当时最受欢迎的模型，比如BERT，就是这样一个"文本专家"——它能够深刻理解文字的含义，但如果你给它一张图片，它就完全"不知所云"了。

但现在的情况完全不同了。最新一代的AI模型更像是"全科医生"，它们不仅能读懂文字，还能看懂图片，听懂语音，甚至能够观看和理解视频内容。研究数据显示，这种"多模态生成"能力的模型使用量在过去几年中增长了3.4倍。更令人惊讶的是，能够生成视频的AI模型使用量也增长了3.4倍，这意味着AI已经从静态的文字和图片处理，发展到了能够创造动态视觉内容的水平。

这种技术进化带来的最直接影响是模型体积的急剧增大。如果把AI模型比作汽车引擎，那么过去的模型就像是小排量的家用车引擎，而现在的模型则更像是大排量的跑车引擎。具体来说，2025年下载的模型平均大小达到了208亿个参数，比2020年的2.17亿参数增长了整整17倍。这就好比汽车引擎从1.0升一下子跳跃到了17升的超级跑车引擎。

但这里有一个有趣的发现：虽然平均模型大小增长了17倍，但"中位数"（也就是处于中间位置的典型模型）的增长幅度要小得多，只是从3.26亿参数增长到4.06亿参数。这说明什么呢？这说明AI世界正在出现"两极分化"——少数"超级模型"变得越来越强大和庞大，而大部分普通模型仍然保持着相对"轻量级"的体型。这就像是在体育界，顶尖运动员的成绩在不断刷新纪录，但普通运动员的水平提升相对有限。

为了应对模型体积暴增带来的挑战，AI开发者们想出了几个聪明的解决方案。第一个方案叫做"量化技术"，这就好比把一部4K高清电影压缩成720P格式，虽然画质稍有下降，但文件大小大幅减少，便于存储和传输。研究显示，使用量化技术的模型数量增长了5倍，这表明开发者们正在积极寻找在性能和效率之间的最佳平衡点。

第二个方案是"混合专家架构"（Mixture-of-Experts），这是一个特别巧妙的设计。可以把它想象成一个"智能顾问团队"：虽然团队总共有100个专家，但对于任何特定问题，只需要调动其中10个最相关的专家来解决。这样既保持了整个系统的强大能力，又避免了每次都动用全部资源的浪费。使用这种架构的模型数量增长了7.2倍，成为了当前AI技术发展的一个重要趋势。

第三个方案是"参数高效微调"技术，这就像是给一辆已经很优秀的汽车更换特定零件，而不是重新制造一辆全新的车。比如，如果你想让一个通用的AI模型变得更擅长处理医学文本，你不需要从头训练一个全新的模型，而是只需要"微调"其中一小部分参数。这种技术的使用量增长了1.4倍，显示了开发者们越来越青睐这种"精准改造"的方法。

在这场技术革命中，还有一个重要的发展就是AI模型的"感官能力"全面升级。早期的AI模型主要处理文本信息，就像是一个只会阅读的学者。但现在的AI模型不仅能读，还能看、能听，甚至能够创造各种类型的内容。数据显示，处理语音信息的模型使用量增长了1.2倍，而能够同时处理多种类型信息的"多模态嵌入"模型也显著增长。这就好比从培养单一技能的专才，转向培养具备综合能力的通才。

更有趣的是，研究团队发现AI模型的"输出能力"比"输入能力"发展得更快。也就是说，相比于理解各种类型的信息，AI模型在创造各种类型内容方面的进步更为显著。这就像是一个学生，相比于理解老师讲的内容，他在创作方面的天赋发展得更快。这可能预示着AI技术正在从"理解型"向"创造型"转变，未来的AI将更多地扮演内容创作者的角色。

这些技术变革的背后，反映的是AI应用场景的根本性变化。过去，AI主要用于分析和分类现有信息，就像是图书管理员的工作。而现在，AI越来越多地被用于生成新的内容，无论是文字、图像、语音还是视频。这种从"分析型AI"向"生成型AI"的转变，正在重新定义AI技术的价值和应用边界，也为整个AI产业开启了全新的发展空间。

三、幕后英雄的崛起：AI世界的"中介服务商"

在AI模型的生态系统中，一个全新的角色正在悄然崛起，他们就像是传统商业世界中的"中介服务商"或"系统集成商"。这些组织不直接生产原创的AI模型，但他们做的事情同样重要——他们把那些强大但"难以使用"的原始模型，改造成普通用户和开发者真正能够便利使用的产品。

想象一下这样的场景：一家汽车制造商生产了一款性能卓越的跑车引擎，但这个引擎只适合在专业赛道上使用，普通司机根本无法在日常生活中驾驭。这时候就需要一些专业的改装公司，他们能够把这个强大的引擎改造成适合不同用途的版本：有些改造成适合城市驾驶的版本，有些改造成节能环保的版本，有些改造成适合越野的版本。在AI世界里，这些"改装公司"就是我们说的中介服务商。

研究数据显示，这些中介服务商的影响力正在快速扩大。以lmstudio-community、comfy和mlx-community为例，这三个组织在2025年的最近一年中，总共占据了超过22%的模型下载量。这是一个相当惊人的数字，要知道即使是传统的科技巨头，单独一家公司能达到这个水平也是不容易的。

这些中介服务商主要从事几种类型的"改造"工作。第一种是"量化服务"，就好比把一部4K电影转换成1080P或720P版本，让普通用户也能在自己的设备上流畅播放。许多最新的AI模型动辄需要几十GB甚至上百GB的存储空间，普通用户的电脑根本无法承载。量化服务商就专门解决这个问题，他们能够把这些"庞然大物"压缩成普通电脑也能运行的版本，虽然性能会有一定损失，但对于大多数应用场景来说已经足够了。

第二种是"格式转换服务"，这就像是把同一个软件制作成Windows版、Mac版和手机版。不同的AI开发平台和工具往往支持不同的模型格式，一个模型可能在A平台上运行得很好，但在B平台上就无法使用。格式转换服务商就专门解决这种"兼容性"问题，确保同一个模型能够在各种不同的平台和设备上正常工作。

第三种是"艺术定制服务"，这主要集中在图像生成领域。许多艺术家和设计师希望AI能够生成特定风格的作品，比如油画风格、水彩风格或者特定艺术家的风格。但原始的AI模型通常只能生成"通用"风格的作品。艺术定制服务商就专门训练和调整模型，让它们能够生成各种特定风格的艺术作品。这就像是把一个通用的画笔改造成专门画油画或水彩画的专用工具。

第四种是"效率优化服务"，主要是让AI模型运行得更快、更省电。就好比汽车的燃油经济性改装，原本的跑车引擎可能很强劲但也很耗油，经过优化改装后，在保持足够性能的同时，燃油消耗大幅降低。在AI领域，这种优化可能涉及算法改进、硬件适配等多个方面。

这些中介服务商的崛起，实际上反映了AI技术发展的一个重要趋势：技术创新和实际应用之间的"最后一公里"问题变得越来越重要。那些在实验室里表现卓越的AI模型，要真正为普通用户所用，往往还需要大量的适配、优化和改造工作。这就像是从实验室里的新药到最终能在药店买到的成品药之间，还需要经过制剂工艺优化、包装设计、质量控制等许多环节。

更有趣的是，这些中介服务商往往比原始模型的创造者更了解用户的真实需求。他们直接面对终端用户，能够快速感知市场的变化和用户的痛点，因此能够提供更贴近实际需求的解决方案。这就像是零售店的老板往往比生产厂家更了解消费者真正想要什么一样。

这种现象的出现，也标志着AI产业正在从"技术驱动"向"应用驱动"转变。在早期的AI发展阶段，拥有最强技术的公司往往能够主导整个市场。但现在，仅仅拥有强大的技术还不够，更重要的是能够把技术转化为用户真正能够使用和受益的产品和服务。这种转变正在重新定义AI产业的价值链，也为更多类型的公司和组织提供了参与这个快速发展市场的机会。

从某种意义上说，这些中介服务商的成功，也证明了开放AI生态系统的健康发展。在一个成熟的技术生态系统中，往往会自然形成各种专业化的分工，每个参与者都在自己最擅长的环节发挥价值。基础模型的开发者专注于技术创新和突破，而中介服务商则专注于应用优化和用户体验。这种分工协作的模式，不仅提高了整个生态系统的效率，也为用户提供了更加丰富和便利的选择。

四、透明度的暗流：开放世界中的"商业机密"

在开放AI的世界里，正在发生着一个看似矛盾的现象：虽然模型本身变得越来越"开放"，但关于这些模型如何被训练出来的信息却变得越来越"神秘"。这就好比一家餐厅愿意免费分享他们的招牌菜，但却不愿意透露菜谱的具体配方和制作过程。

这种现象在研究数据中表现得非常明显。2022年时，大约79.3%的模型下载量来自那些公开了训练数据信息的模型，也就是说，当时的AI开发者大多愿意告诉用户"我用什么材料训练了这个模型"。但到了2025年，这个比例急剧下降到了39%。这意味着现在超过60%的热门模型都不再公开它们的"训练食谱"。

这种变化的背后有着复杂的原因。首先是商业价值的考量。随着AI模型的商业价值越来越高，许多公司开始将训练数据视为核心商业机密。这就像是可口可乐的配方一样，一旦公开就可能被竞争对手复制，从而失去竞争优势。特别是那些表现卓越的模型，往往是因为使用了特别高质量或独特的训练数据，这些数据本身就具有巨大的价值。

其次是法律风险的考虑。在当前的法律环境下，使用网络上的公开内容训练AI模型可能面临版权纠纷。许多内容创作者和出版商开始质疑AI公司是否有权使用他们的作品来训练商业模型。为了避免潜在的法律风险，一些开发者选择不公开训练数据的具体来源，就像是"少说少错，多说多错"的谨慎策略。

第三个原因是技术竞争的加剧。在AI技术快速发展的当下，数据工程（也就是如何收集、清洗、组织训练数据）已经成为了一个关键的技术竞争领域。一些公司认为，他们在数据处理方面的创新和技巧本身就是重要的技术秘密，不应该轻易分享给竞争对手。

更令人担忧的是，这种透明度下降的趋势还体现在模型访问方式的变化上。越来越多的模型开始采用"门槛式访问"（gating），也就是用户必须先同意某些条件或提供个人信息才能下载使用。研究显示，需要用户"接受条件并分享信息"的模型比例增长了1.7倍，而需要"接受条件"的模型比例增长了1.2倍。这就好比从原来的"免费开放图书馆"变成了需要"登记身份才能进入的会员图书馆"。

在许可证（license）的使用上，变化也很明显。传统的"开放使用"许可证正在减少，取而代之的是更多带有限制条件的许可证。比如，一些模型现在要求使用者必须"署名"（attribution）原作者，这种要求的比例增长了1.6倍。还有一些模型采用了"可接受使用政策"（Acceptable Usage Policy），这类许可证的使用保持稳定，但在整体许可证使用中的占比在上升。

这种趋势引发了关于"真正的开放"和"表面的开放"之间区别的重要讨论。按照开源倡议组织（Open Source Initiative）的定义，真正的"开源AI模型"不仅要提供模型的权重参数，还要提供"关于训练数据的充分详细信息"。如果没有训练数据的披露，这样的模型只能称为"开放权重"模型，而不是"开源"模型。

研究发现，2025年首次出现了一个历史性的转折点：开放权重模型的下载量超过了真正开源模型的下载量。这就好比在一个本来强调透明度的市场中，越来越多的产品开始只展示"成品"而不展示"制作过程"。这种变化可能会对AI技术的发展产生深远影响，因为缺乏训练数据信息会让研究人员更难理解和改进现有模型，也会让用户更难评估模型的可靠性和偏见问题。

然而，这种透明度下降的趋势并非不可逆转。一些学术机构和非营利组织仍然坚持完全开放的原则，继续发布包含完整训练数据信息的模型。同时，一些新的技术解决方案也在出现，比如"差分隐私"技术可以在保护敏感信息的同时仍然提供有用的数据统计信息，"联邦学习"技术则可以在不共享原始数据的情况下实现模型的协作训练。

这个问题的核心在于如何在商业利益、法律合规、技术竞争和开放透明之间找到平衡。就像现实世界中的许多其他技术领域一样，AI产业也需要在创新激励和公共利益之间寻找合适的平衡点。这不仅仅是技术问题，更是涉及法律、伦理、商业和社会政策的复杂问题，需要各方利益相关者的共同努力来解决。

五、全球AI版图中的"国别差异"

在这个看似无国界的数字世界里，AI模型的开发却呈现出鲜明的"国别特色"。就像不同国家有着不同的文化传统和制度安排一样，各国在AI模型开发的组织方式上也表现出了有趣的差异。

美国的AI开发呈现出明显的"大企业主导"特征。在美国开发的AI模型中，有高达67%来自大型科技公司，这就好比美国的AI世界主要由"大型军工集团"在主导。Google、meta、OpenAI这些科技巨头就像是美国AI领域的"航空母舰"，拥有强大的资源和技术实力，能够开发出那些需要巨额投资和大量计算资源的前沿模型。相比之下，来自大学、非营利组织和个人开发者的模型只占很小的比例。

中国的情况与美国类似，也是以企业为主导，占比达到65%。但与美国不同的是，中国的AI企业发展历史相对较短，许多公司都是在最近几年才进入AI领域的"新兵"。这些公司往往具有更强的技术敏锐度和市场适应能力，能够快速响应最新的技术趋势。DeepSeek和Qwen等模型的快速崛起，就反映了中国AI企业在技术创新方面的强大活力。

英国的模式也偏向企业主导，占比为83%，甚至比美国还要高。这可能与英国作为传统金融中心和创新高地的地位有关，许多AI初创公司和科技企业都把伦敦作为重要的发展基地。英国的AI发展具有"小而精"的特点，虽然总量不如美中两国，但在特定领域往往有着很强的技术实力。

相比之下，欧洲大陆国家则展现出了更加"多元化"的发展模式。德国是一个特别有趣的例子，企业占比只有34%，而来自大学、非营利组织和社区的贡献分别占36%、30%和42%。这种分布更像是一个"多方合作"的生态系统，而不是企业一家独大的格局。这可能与德国重视产学研合作的传统有关，也反映了欧洲在AI发展方面更加注重社会责任和公共利益的价值观。

法国的情况类似于德国，企业占比为48%，而大学、非营利组织和社区的参与度都相对较高。法国政府在AI发展方面有着明确的国家战略，既支持企业创新，也重视学术研究和公共部门的参与。这种"国家协调"的模式在一定程度上促进了各类机构的协同发展。

更有趣的是那些被归类为"国际/在线"组织开发的模型。这些组织往往没有明确的国别归属，而是由来自世界各地的开发者通过网络协作完成。在这类组织中，企业占比只有6%，而社区开发者的占比高达70%。这就像是一个"虚拟联合国"，不同国家和地区的开发者为了共同的技术目标而聚集在一起，形成了一种全新的协作模式。

亚洲其他国家和地区也表现出了相对多元化的特征。企业占比为32%，大学占比为10%，社区占比为37%。这种分布反映了亚洲地区AI发展的多样性，既有像新加坡、韩国这样的技术强国，也有许多新兴的AI发展中心。

这种"国别差异"的产生有着深刻的制度和文化根源。美国的风险投资体系和创业文化促进了大型科技公司的快速发展，这些公司拥有充足的资金来进行长期的AI研究投资。中国的政府政策支持和巨大的市场规模，为AI企业的快速成长提供了良好的环境。而欧洲的多元化发展模式则反映了该地区对于平衡商业利益和社会价值的重视。

这些差异不仅仅是统计数字，它们实际上影响着不同国家和地区AI技术的发展方向和特色。企业主导的模式往往更注重商业应用和技术突破，而学术机构主导的模式可能更重视基础研究和理论创新。社区主导的模式则通常更加开放和多样化，能够探索一些大企业可能不会关注的小众应用领域。

这种多样性对于全球AI技术的健康发展实际上是非常有益的。就像生物多样性对于生态系统健康的重要性一样，组织多样性也为AI技术的发展提供了更多的可能性和创新路径。不同类型的组织有着不同的优势和关注点，它们的竞争与合作共同推动着AI技术向更加丰富和平衡的方向发展。

六、数据背后的故事：22亿次下载的深层洞察

要理解这项研究的价值，我们需要先了解研究团队是如何从海量数据中挖掘出有意义信息的。这个过程就像是考古学家从古代遗址中还原历史真相一样，需要精心的设计、细致的分析和严谨的验证。

首先，获取如此大规模的数据本身就是一个挑战。Hugging Face平台每天都有数以万计的模型下载，要准确记录和分析这些数据，就像要实时监控一个繁忙机场的所有航班起降情况一样复杂。研究团队采用了一种叫做"滚动窗口过滤"的方法来确保数据的准确性。这种方法的核心思想是：只有在模型发布后一年内的下载才被计入统计，超过一年的下载往往是由自动化程序产生的"噪音"，并不代表真实的使用需求。

这就好比统计一首歌曲的流行度，如果简单地计算总播放次数，可能会被一些"刷榜"行为误导。但如果只统计歌曲发布后一定时间内的播放量，就能更准确地反映它的真实受欢迎程度。通过这种过滤方法，研究团队从188万个模型中筛选出了85.1万个"真正被使用"的模型，这些模型占据了97.6%的总下载量。

为了更深入地了解模型的特征，研究团队还进行了大量的手工标注工作。他们雇佣了专业的标注员，以每小时25美元的标准（远高于美国最低工资标准）对最受欢迎的模型进行详细分析。这些标注员就像是"模型档案管理员"，为每个模型建立详细的"身份档案"，包括它的架构类型、功能特点、训练方法、数据来源等信息。

在模型规模的统计上，研究团队遇到了一个有趣的挑战：许多模型并没有明确标注自己有多少参数。这就好比许多产品没有标明重量一样。为了解决这个问题，他们使用了一种叫做RANSAC回归的统计方法，通过分析模型文件的大小来推估参数数量。这种方法就像是通过包装盒的大小来推测里面产品的重量，虽然不是100%精确，但在大样本统计中具有很好的可靠性。

为了衡量AI世界中的"权力集中度"，研究团队借用了经济学中的专业工具。赫芬达尔-赫希曼指数（HHI）就像是测量市场垄断程度的"温度计"，指数越高说明市场越集中，指数越低说明竞争越激烈。基尼系数则像是测量"贫富差距"的工具，在这里被用来衡量不同开发者之间影响力的分布是否均匀。

一个特别值得关注的发现是关于"递归模型归因"的处理。当一个模型A是基于另一个模型B开发的时候，A的下载量应该算在谁的头上？这就像是一个哲学问题：如果你用面粉做出了面包，面包的价值应该归功于谁？研究团队采用了两种不同的统计方法：一种是把功劳归给直接的开发者（面包师），另一种是把功劳归给原始的基础模型开发者（面粉生产商）。通过对比这两种方法的结果，能够更全面地理解AI生态系统中的价值分配。

在地理位置的归属上，研究团队也面临着挑战。对于企业和机构，他们根据总部所在地来确定国别归属。但对于个人开发者，出于隐私保护的考虑，他们选择不进行国别统计，而是统一归类为"个人用户"。这种处理方法平衡了研究需要和隐私保护的要求。

数据的时间跨度从2020年6月延续到2025年8月，总共覆盖了265周。这就像是拍摄了一部长达五年的"延时摄影"电影，记录了整个AI生态系统的变迁过程。通过分析不同时间段的数据变化，研究团队能够识别出重要的转折点和发展趋势。

为了验证研究结果的可靠性，研究团队还与其他数据源进行了对比。虽然他们发现其他平台（如OpenRouter）的数据存在选择偏差，但Hugging Face作为目前最大最全面的开放模型平台，其数据确实能够代表整个开放AI生态系统的真实状况。

这种严谨的数据处理方法确保了研究结论的可信度。就像建造一座摩天大楼需要坚实的地基一样，得出可靠的研究结论也需要高质量的数据基础。通过这些精心设计的数据收集和处理方法，研究团队为我们提供了迄今为止最全面、最准确的开放AI生态系统"全景图"。

这项研究的另一个重要贡献是建立了一个持续监测的机制。研究团队不仅发布了历史数据的分析结果，还建立了一个实时更新的监控面板，让任何感兴趣的人都能够跟踪AI生态系统的最新变化。这就像是为AI世界安装了一个"实时监控系统"，让我们能够及时发现和理解新的发展趋势。

说到底，这项研究最大的价值在于它提供了一个前所未有的"透明窗口"，让我们能够看清楚这个快速发展的AI世界中到底在发生什么。在一个充满炒作和猜测的技术领域，这样基于大规模真实数据的严谨分析就像是黑暗中的一盏明灯，为理解AI技术的真实发展状况提供了可靠的指引。无论是政策制定者、企业决策者还是普通的技术爱好者，都能从这项研究中获得有价值的洞察，更好地理解和参与这个正在塑造我们未来的技术革命。

Q&A

Q1：Hugging Face平台上的模型下载数据能代表整个AI产业的发展状况吗？

A：研究团队选择Hugging Face是经过深思熟虑的。这个平台目前托管着超过200万个AI模型，累计下载量达到17亿次，是全球最大的开放AI模型平台。虽然它主要反映的是开放模型的情况，但考虑到开放模型在整个AI生态系统中的重要地位，以及该平台的全球覆盖范围，这些数据确实能够很好地代表开放AI领域的发展趋势，对理解整个AI产业也有重要参考价值。

Q2：中国AI模型下载量超越美国意味着什么？

A：这个变化确实很有意义。2025年中国模型的下载份额达到17.1%，首次超过美国的15.8%，主要是由DeepSeek和Qwen等模型的优异表现推动的。这表明中国在AI技术创新方面已经达到了世界一流水平，特别是在大规模语言模型和多模态模型方面。不过需要注意的是，这个变化主要反映在开放模型领域，整个AI产业的竞争格局仍然很复杂，包括硬件、软件生态、应用场景等多个维度。

Q3：AI模型变得越来越不透明对普通用户有什么影响？

A：这确实是一个值得关注的趋势。研究发现，公开训练数据信息的模型比例从2022年的79.3%下降到2025年的39%。对普通用户来说，这意味着我们越来越难以了解AI模型是如何被训练的，可能存在什么偏见或局限性。这会让用户更难评估模型的可靠性和适用性。同时，这种趋势也可能阻碍学术研究和技术创新，因为研究人员需要了解训练数据才能更好地理解和改进模型。不过，一些新的技术解决方案正在出现，试图在保护商业秘密的同时提供必要的透明度。