Current AI 發布開源 AI 落差地圖，標示訓練資料為關鍵缺口

重點摘要

• Current AI 於 2026 年 7 月初發布開源 AI 落差地圖 v0.1，詳細盤點 421 項產品，並揭露訓練與合成資料層級缺乏成熟產品。
• 該計畫由全球非營利夥伴關係 Current AI 推動，已承諾資本超過 4 億美元，長期目標為五年內籌措 25 億美元，背後有 Google、Salesforce 及多國政府支援。
• Datasette 作者 Simon Willison 認為底層 MIT 授權資料集比互動式地圖介面更具價值，強調其對生態系的可研究性與開放性。

2026 年 7 月 1 日，全球非營利組織 Current AI 正式發布「開源 AI 落差地圖」（Open Source AI Gap Map）v0.1 版本。這份地圖旨在為 AI 領域建立一個公共選項（public option），用系統化盤點找出開源社群缺了哪些關鍵環節。Current AI 成立於 2025 年 2 月的巴黎 AI 行動峰會（Paris AI Action Summit），其使命是建構一個屬於公眾利益的 AI 基礎設施。根據 Current AI 官方部落格所述，他們發布這張地圖的目標非常明確：「We mapped the open source AI stack so we can collectively build what's missing.」（我們繪製開源 AI 堆疊，以便共同建構缺失的部分。）這份地圖除了當作清單，也是一份行動藍圖，試圖引導資源流向目前還沒被充分開發的領域。

落差地圖揭示了什麼結構性缺口？

Gap Map v0.1 的內容規模相當龐大。它詳細盤點了 421 項產品，涵蓋了 266 個軟體工具與函式庫、85 個模型、50 個資料集，以及 20 個硬體專案。這些產品來自 228 個不同的組織。地圖將這些產品分為三個堆疊層級：模型元件（model components）、產品與使用者體驗（product/UX），以及基礎設施（infrastructure），並進一步細分為 14 個類別。

Gap Map 評估產品時，主要看開放性（openness）、能力（capability）與採用率（adoption）三個維度。根據評分結果，缺口被分類為五種型別：空洞缺口（void）、能力缺口（capability）、採用缺口（adoption）、成熟度缺口（maturity）與開放性缺口（openness）。這種分類方式讓開發者能清楚看到，某個領域是根本沒有產品（void），還是產品存在但能力不足或採用率低。

最引人注目的發現出現在模型元件層級。在「訓練與合成資料集」（training and synthetic datasets）這個子類別中，地圖顯示沒有任何成熟產品。這代表開源 AI 的基礎設施出現了關鍵斷層。相比之下，「基準與評估資料集」（benchmark and evaluation datasets）子類別則擁有 18 個成熟產品，是模型層級中成熟產品數量最多的子類別。這種對比突顯出開源社群雖然有豐富的評估工具，卻極度缺乏基礎訓練資料。除了這 421 項被詳細盤點的產品外，還有 24,400 個未分類的開源 AI 人工智慧產物（artifacts）構成生態系的長尾部分。這些產物目前還沒有評分，要等之後個別研究與分類才能確定。

誰在背後推動這筆 25 億美元的計畫？

Current AI 並非一個孤立的學術專案，它背後有強大的資本與政治支援。自成立以來，Current AI 已獲得超過 4 億美元的承諾資本。根據 Fortune 的報導，其長期募資目標是在未來五年內籌措 25 億美元。這種規模的資金投入，顯示出建立「公共選項」AI 基礎設施所需的巨大成本。

支援 Current AI 的陣容涵蓋了慈善機構、科技巨頭與多個國家政府。慈善方面，Omidyar Network 的 AI Collaborative、福特基金會（Ford Foundation）、麥卡瑟基金會（MacArthur Foundation）與 Patrick J. McGovern 基金會都是主要後盾。科技企業方面，Google 與 Salesforce 是核心合作夥伴，而 Hugging Face、Instacart 與 Sakana AI 則是支持者。此外，至少有 10 個國家政府在巴黎峰會上承諾支援 Current AI，包括法國、德國、芬蘭、智利、肯亞、奈及利亞與瑞士。

Current AI 的過渡委員會（Interim Committee）由 AI Collaborative 執行長 Martin Tisné 擔任主席。委員會成員還包括來自麥卡瑟基金會、福特基金會、McGovern 基金會、Salesforce、Google DeepMind 與法國政府的代表。這種多元的組成結構，試圖拉平慈善資本、企業利益與公共政策之間的衝突。Hugging Face 執行長 Clement Delangue 也聯署了一封由科技創業者發起的公開信，支援 Current AI 的啟動。

開源社群如何看待這份地圖與資料？

這份地圖發布後，社群內的關注點各有不同。Datasette 與 LLM 開源工具作者 Simon Willison 在 2026 年 7 月 3 日的部落格文章中評論了這份地圖。他提到 Current AI 在幾天前提出了 Gap Map，並詳細列出了地圖中的產品數量與分類。

Willison 對地圖的互動式介面本身並未表現出過度的熱情，但他對底層資料的開放性表示高度讚賞。他指出，底層資料集包含 1,184 個 YAML 檔案，以及筆記本、架構與其他指令碼，全部以 MIT 授權發布在 GitHub 的 currentai-org/os-ai-map 帳戶中。此外，專案還追蹤了 16,185 個 GitHub 儲存庫，這些資料可以作為 CSV 檔案載入到 Datasette Lite 中瀏覽。

Willison 在文中明確表示：「I'm more excited about the underlying data - released under an MIT license.」（我更興奮的是底層資料，它以 MIT 授權發布。）這句話反映了開源開發者的一個普遍心態：互動式的視覺化工具固然有用，但真正具有長期價值的，是那些可以被下載、分析、重新組合與二次開發的原始資料。MIT 授權的低門檻特性，使得這份資料集能夠迅速融入現有的開發流程中，成為研究者與工程師的基礎資源。

重視資料開放性的態度，正好呼應了 Current AI 建立「公共選項」的初衷。如果一份地圖僅僅是一個封閉的查詢工具，它的影響力將受限於介面設計與訪問限制。但當底層資料以開放授權發布時，它就成為了一個公共財，任何人都可以基於這些資料建立新的工具、進行新的分析，甚至挑戰原有的分類與評分標準。

公共選項 AI 能否改變權力集中趨勢？

Current AI 的出現，反映了 AI 開發領域中的一個核心爭議：權力是應該集中在少數科技巨頭手中，還是應該透過開源與公共投資來民主化？Current AI 過渡委員會主席 Martin Tisné 在接受 Fortune 採訪時指出：「The market is at a juncture where it could go either way.」（市場正處於一個可能走向任何一方的轉折點。）他認為，AI 的發展可能導致權力的進一步集中，也可能透過開源模型實現民主化。

這種觀點暗示了 Current AI 的戰略意圖。透過提供資金與基礎設施支援，Current AI 試圖在開源生態系中填補那些商業公司缺乏動機去開發的缺口。

然而，這種模式也面臨挑戰。如何確保這些公共資金不被濫用？如何確保開源專案的持續維護？如何平衡不同利益相關者之間的訴求？這些問題在資料中並未得到直接回答，但卻是 Current AI 未來五年必須面對的現實。25 億美元的資金規模雖然龐大，但在 AI 軍備競賽的背景下，這筆資金是否足夠產生實質影響，仍有待觀察。

此外，Gap Map 僅是一個起點。它標示出了缺口，但並未提供填補這些缺口的具體技術方案。開源社群需要根據這份地圖，決定優先發展哪些領域，並協調資源與人力。這需要一個高效的協調機制，以及一個能夠快速迭代的開發文化。Current AI 的過渡委員會與核心合作夥伴，將在這個過程中扮演關鍵角色。

總體而言，Current AI 發布的開源 AI 落差地圖，不僅是一份技術盤點，更是一份政治與經濟宣言。它試圖證明，透過集體行動與公共投資，可以建立一個更加開放、多元且公平的 AI 生態系。這份地圖的發布，標誌著開源 AI 運動進入了一個新的階段：從分散的個人專案，轉向有組織、有資金支援的系統性建設。未來幾年，這份地圖將成為衡量開源 AI 進展的重要基準，也將檢驗 Current AI 能否真正實現其「公共選項」的承諾。