Software 2.1

如果你问 OpenAI 或 Anthropic 的投资人，开源模型会给他们的公司带来什么风险，他们只会告诉你：进步的速度会让开源模型在产生任何影响之前就变得过时，而且这些实验室永远会提供最值得使用的模型。

但随着时光流逝，AI 实验室每发表一次"开源很危险，应该加以监管"的演讲，他们的信念就动摇一分，恐惧也随之增长。

而我今天的话题不会让他们好受多少，因为我们刚刚让开源模型变得更加诱人。

自然，我强烈不同意他们的看法。

我一直主张，企业 AI 的未来是企业用自己的数据训练开源模型，同时对 OpenAI 和 Anthropic 挥手告别——至少对绝大多数企业用...

大型语言模型（LLM）有一个大麻烦：它们通常过于庞大，在大多数情况下，它们是依赖昂贵硬件的软件，超出我们大多数人的能力范围，无法随心所欲地运行，也无法保护自己的隐私。

相反，我们只能被迫信任那些拥有一切动机去窃取我们数据的公司（好像它们还没有窃取过一样）。

*但事情必须如此吗？*让其中一些公司失望的是，答案看起来越来越像是"不"。

原因如下。

DeepGrove 团队——一家我直到现在才听说的新创公司——发布了一个新模型，

我是以一种"缺失感"注意到这件事的。本该在推进的项目停滞了，而没有人告诉我。

我运行着这样一个系统：一个首席工程师智能体同时坐镇多个项目。它的职责是让事情持续推进、保持质量，并善用我的注意力——问重要的问题，其余的自己处理。有一段时间它做得确实如此。我已经把它"教练"到了让我不再去想它的地步。

然后，它悄悄地停摆了。项目开始被卡住，而我对此一无所知。当我深挖时，发现那些卡点恰恰是这个智能体过去能自己解决的事情。Bug 悄悄爬进了生态系统，就那样悬而未决地搁置着。智能体们不再彻底修复问题，反而开始请我出面推一把。这个本为保护我的注意力而建的系统，开始消耗我的注意力。

没有发生任何戏剧性的事件。没有事故，没有我能指出的失败。我精心培养起来的行为就这么被侵蚀掉了，而我直到主动去查看时才发觉。

AI 运行时是把 AI、ML 和智能体工作流从笔记本电脑带到生产环境的执行层。它掌控执行状态，能从 OOM 等基础设施故障中恢复，让长任务保持持久性，并在同一个系统上运行训练和推理。来自 Union.ai 的 Flyte 2 是第一个开源 AI 运行时，于 2026 年 8 月 4 日 GA（正式发布）。

在笔记本里能跑，进了流水线就死。凌晨三点的一个内存溢出（OOM）错误，毁掉了一次几乎完成的训练，而重试又从零开始。调试花的时间比构建还长。

我在 100 多万读者中看到的"标准修复方案"永远是同样的胶带： (1) 一个为静态流水线构建的编排器，(2) 没人完全信任的重试逻辑，以及 (3) 面对基础设施引发的故障时，零自动恢复能力。

修复这个问题的持久化层终于有了名字。它叫 AI 运行时，它的第一个开源实现于 ...

最近，我们把我们的 Meta Quest 游戏《Puzzling Places》带到了 Steam。在发布过程中，我问了自己一连串的问题。游戏该卖多少钱？我们在和多少人竞争？我们是不是过度投入了？对一个不到 10 人的小团队来说，独立开发还能持续下去吗？为了回答这些问题以及许多其他问题——比如 Steam 新增的 AI 披露标签如今进展如何——我决定对 Steam 市场做一次深度剖析。

这次分析是从一家小团队、做小游戏的工作室负责人的视角出发的。市场分析师们每年都会发布报告，他们比我称职得多，能接触到的数据也比我多得多，但他们通常关注的是数十亿美元级别的问题，而这些问题离我们的现实相当遥远。相反，我希望那些与我相关的问题，可能也与你相关！

这次分析的代码全部在我的 GitHub 上（见参考资料）。包括抓取 Steam 上 ...