Gartner 预测开源模型企业采用率超60%，依据是什么？采用率和工作负载口径说明

六成以上不能直接解释为六成企业已把开放模型用于核心业务。若没有目标时间、调查对象和采用标准，这一比例不能作为采购依据。企业数量、工作负载与平台 token 的分母不同，判断之前要先分清统计对象。

先把三种比例分开

企业采用率，通常问一家企业是否在至少某个场景使用；工作负载比例，问多少任务交给这类模型；token 份额，问模型处理了多少文本单元。一家公司只在内部工具使用一次，与大部分业务依赖开放模型，都可能被宽泛的“采用”统计计入。

一个容易混淆的 60% 来自 IDC

IDC 对 2028 年的预测讨论的是企业将 60% 的 AI 工作负载从专有大模型转向开放模型，以路由方式控制成本和依赖。这个比例数的是工作负载，不是企业采用率，也不是 Gartner 的同一项预测。把机构、年份和分母一起省略，意思就变了。

即便预测方向成立，也不意味着所有任务都迁移。企业可能把批量分类交给开放模型，复杂推理继续使用闭源服务。这样既能增加开放模型的处理量，也可能让闭源模型的绝对使用量继续增长。

真实调查也必须看样本

Futurum 的 2026 年 9 月调查，在 200 家受访企业中观察到 42% 已将开放权重模型用于生产。样本偏向北美，不能直接推广为全球企业比例。它与十月另一项调查中的“某种形式使用”又不是相同标准，因此不能拼成一条没有断点的增长曲线。

这类结果可说明开放模型已经进入生产，但不足以证明某个笼统的“六成以上”数字适用于所有地区与行业。试验、生产、跨部门规模化，最好分别列出，而不是归为一个采用状态。

企业采用增长有什么现实基础？

任务能力提升、部署选择增多、重复调用成本和数据边界要求，都会推动企业尝试开放模型。推理框架、量化工具和托管服务降低了接入难度。但人才、运维、许可审核和系统整合仍会拖慢从试用到生产的速度。

因此，增长趋势可有合理解释，某个精确百分比却仍需对应的统计定义。预测是对未来的判断，调查是对样本的观察，两者都不等于已完成的全市场普查。

怎么用于自己的规划？

与其用“别人都在上”立项，不如选一个有明确业务量和验收标准的场景，记录合格率、处理成本与人工接手比例。若开放模型达标，再扩大范围；若仍需大量返工，就保留原方案。采用率可帮助观察行业，不能代替本企业的可行性验证。