開源 AI 執行工具 Ollama 完成 6500 萬美元 B 輪融資，月活開發者近 900 萬

2023 年創立的 Ollama，靠著讓開發者在自己電腦上用幾分鐘就跑起開源 AI 模型，三年內累積到 890 萬月活用戶、GitHub 176,000 顆星，如今完成由 Theory Ventures 領投的 6500 萬美元 B 輪融資，總募資額達 8800 萬美元。公司全員只有 14 人，Fortune 500 企業有 85% 已在使用它——這個比例本身就說明問題。

從商業邏輯來看，Ollama 的定位幾乎是照著 Docker 的劇本重演一遍。創辦人 Jeff Morgan 與共同創辦人 Michael Chiang 當年就是做 Docker Desktop 的那批人——他們把容器技術的抽象化優勢複製到 AI 推論這個場景：硬體設定的麻煩你不用管，開箱就能跑。當年 Docker 做到全球超過一千萬開發者每天使用，Ollama 的早期投資人、Benchmark 的 Peter Fenton 押這支牌，賭得就是同一個邏輯：能做到「開發者基礎設施裡的水電」級別的工具極為罕見，但一旦做到，就難以被替換。

真正讓 Ollama 從「熱門開源工具」升格為「可以講商業故事的公司」的轉折點，Morgan 指向今年一月。那時大型開源模型突然在 agentic coding 這類任務上展現實用性，以 OpenClaw 為代表的開源 AI 助手爆紅，讓外界普遍意識到：開源模型已經能做真正的生產工作，而不只是研究圈的玩具。這個節點之後，有高推論成本壓力的企業——也就是帳單上 API 費用已經很可觀的那批——開始把「切換到開源模型」視為有存亡意義的成本控制項目，而不是可做可不做的技術探索。

Fenton 的說法值得記住：「最大的辯論誤區是把開源與閉源講成非此即彼。兩邊都有生意，但每家推論費用高的公司，都有一個關鍵任務要把工作負載往開源模型搬。」這句話的商業含義是，Ollama 的雲端訂閱業務（從免費到每月 100 美元不等，計費單位是 GPU 時間而非 token 數）正好卡在企業從閉源切換開源的遷移路徑上。

當然，Ollama 也承受過開源社群的反彈。約一年前，部分開發者在部落格與社群媒體上批評它「Enshittification」——認為商業雲端業務正在侵蝕那個免費的本地端工具。Morgan 的回應是：大型開源模型往往大到本地機器跑不動，提供雲端算力是開源使命的延伸，不是背叛。Fenton 則直接說，桌面端的核心免費產品什麼都沒變。

對亞太市場的商業決策者而言，Ollama 這個案例的真正訊號不在於它的估值或融資額，而在於它揭示出的產業結構：開源 AI 推論生態正在從一批分散的 GitHub 項目，快速收斂成由 VC 支持的商業公司，包括 vLLM 背後的 Inferact、SGLang 背後的 RadixArk。這一波整合一旦成形，企業在選擇開源推論方案時將面對的不再是「自己維護 repo」的技術問題，而是「跟哪家廠商簽約」的採購決策。窗口正在關閉。