中经记者 张靖超 北京报道
当前开源已经从单纯的软件开发模式跃升为驱动新质生产力发展的构建数字经济新底座的核心引擎，从基础软件再到人工智能，从工业互联网到具身智能，开源正在深刻地重塑千行百业。
然而，一个健康的开源生态，不仅需要活跃的开发者社区和优质的开源项目，更需要一套科学规范。更值得关注的是，在Agent愈发风靡的当下，虽然大幅提升了代码编写效率，但也带来了代码质量不确定、责任边界模糊、软件供应链安全风险提升的问题。
10月13日，在工业和信息化部直属单位中国电子技术标准化研究院举办的2026新产业标准化领航论坛上，《中国经营报》记者进行了采访。多位业内人士表示，开源的标准不能脱离实际，必须扎根真实的工程场景，同时，需要行业共同探索Agent参与开源协作的解决方案与标准建设。
AI时代开源标准化的必要性
在大模型领域，开源与闭源之争一度是行业关注的热点。在近两年，加入开源阵营的大模型越来越多，这也使大模型在开源方面的两大问题愈发突出。
“一是国际现有框架不适配我国本土大模型高速发展的实际情况，层级划分不清晰、未细化本土化合规要求；二是开放界限不明确，许可证争议持续存在，需通过标准提升开放程度与合规性透明度，减少争议。”电子标准院软件中心开源研究室主任杨丽蕴说。
“AI时代开源的核心价值从代码贡献转向共识构建：当前代码可被Agent快速重写，企业参与开源的核心不再是单纯贡献项目、提交代码，更重要的是通过开源社区，和产业链相关实体达成商业、技术层面的可信共识，共同定义交互规则、数据交换标准。”蚂蚁集团开源技术委员会副主席、木兰开源社区TOC（技术委员会）成员王旭认为，开源与标准化的核心共通性是二者核心都是构建多人参与的共识，标准是用文字表述的共识，开源是用代码写成的可执行共识。
杨丽蕴提出，当前AI开源发展存在三类核心需求，需通过标准规范来解决：一是规则适配需求，传统开源协议仅针对软件代码，无法适配AI开源包含的模型权重、数据集等新型资产的独有特性；二是风险管控需求，模型、数据集开放共享过程中存在版权归属争议、个人隐私泄露、内容安全等风险，可通过标准化形成指标参数实现约束防范；三是产业协作需求，依托统一标准明确产业链各方权责，降低上下游协作成本，保障AI开源生态规范有序、可持续发展。
整体而言，当下的开源与标准化两者正在相向而行，一方面是以开源社区为代表的阵营正在承担越来越多产业共识构建的作用，和标准化工作的目标、形态逐步趋同；另一方面是人的核心价值不再是审核代码，而是培育先进理念、凝聚产业共识。
Agent时代开源新挑战
据王旭介绍，在AI时代，相关开源项目迭代速度极快，基于2025年以来的新项目占AI领域高影响力开源项目的50%，项目形态、协作模式和传统开源有明显差异。
同时，近两年软件行业受AI技术影响发生显著变化：AI代码产出效率大幅提升，今年前后出现用户集中卸载传统软件、大量人员参与AI软件开发的现象，个人与企业端软件的入口、形态都出现明显转变。
华为计算开源业务总经理、木兰开源社区TOC成员李永乐表示，当前的软件生产与价值分层都发生了变化：一是AI让普通应用软件的生产门槛大幅降低，个人软件的共享价值下降，但操作系统、虚拟化、沙箱等基础软件的共享需求反而提升，行业对基础软件层的依赖更强；二是当前AI提交的代码量已接近或超过人工提交代码量，但能进入生产系统、可承担责任的软件并未明显增多，AI生成代码的可靠性、生产可用性仍存疑。
“大语言模型依赖公开数据集训练，若社区信息不规范、不准确，AI容易输出错误内容；用户面对大量AI生成的代码，难以筛选可靠、可用的内容，类似电商平台商品甄选的问题。同时，维护成本上升，代码提交量增多导致社区的验证、Bug修复成本提高，GPU等算力消耗、测试时间成本显著增加；同时AI辅助写代码降低了提交门槛，代码评审压力增大，新人提交的内容更难获得社区认可。”李永乐还表示，随着资深软件专家逐步退出，而使用AI工具的新开发者很难快速获得社区信任，可能导致社区维护出现人才断层，责任主体难以明确。
特别是近一年来，Agent参与开源协作越来越多，这也带来了新的挑战，即Agent可大幅提升代码编写效率，但也带来了代码质量不确定、责任边界模糊、软件供应链安全风险提升的问题，AI生成代码的投毒、漏洞风险更难管控，传统的代码审核机制面临冲击。
“AI时代，Agent参与开源协作的相关规则尚未完善，包括AI生成代码的审核标准、责任界定、供应链安全防护机制、社区协作流程适配等问题，仍需要行业共同探索解决方案。”王旭表示。
（编辑：吴清 审核：李正豪 校对：张国刚）
