10 月 20 日，两则消息在同一天砸向 AI 圈。下午，DeepSeek 在公众号宣布将内部推理框架 DeepInfer 全面开源；同一天，国家数据集团有限公司正式挂牌成立，简勤任董事长、陈荣辉任总经理。再把时间往前拨八天——10 月 12 日工博会上工信部总工程师王卫明表态"大力发展开源基座模型和垂类模型"，10 月 20 日国新办发布会上他又明确"正在研究起草新一代智能制造政策"。
"开源"这个关键词，正在从技术圈的私下语境，升级为国家产业战略与基础设施话语。对企业 CIO 和数字化负责人来说，信号很清楚：开源 AI 的边界，已经从"开放模型权重"推进到"开放推理框架 + 开放数据基础设施 + 国家战略"。底座的可控性、成本与主权，第一次被同时放进同一张议程。
一、DeepInfer 开源：被忽视的"中间层"终于摊在阳光下
DeepSeek 这次开源的，不是又一個模型，而是它自己描述中"长期未被公众了解的中间层"——推理框架。原话值得逐字读："大模型的能力边界由模型本身划定，但如何以合理成本提供超大规模的模型服务，还取决于一个长期未被公众了解的中间层：推理框架。推理框架负责统筹调度庞大的算力集群，其效率直接决定了 AI 服务的算力成本与电力消耗。"（DeepSeek 公众号，2026-10-20）
在此之前，DeepSeek 已经开源了一系列大模型、TileLang 编译工具与推理算子库；现在把内部推理框架 DeepInfer 全面开源。官方披露，基于 DeepInfer 已实现 DeepSeek V4.1 Flash 的高吞吐、低延迟大规模推理服务，未来新模型的推理代码及后续优化也将持续在此更新。
开源的逻辑变了：过去是"给鱼"——把模型权重开放出来；现在是"给渔"——把模型怎么高效、低成本、低能耗跑起来的部署经验与框架也开放出来。对企业而言，这意味着可以据此优化吞吐与延迟，构建私有化或公有云部署，真正把算力成本与电力消耗握在自己手里。
为什么这件事比又发一个模型更关键？因为对企业 AI 的总拥有成本（TCO）而言，决定生死的不是"模型多聪明"，而是"模型每服务一个请求要烧多少算力"。推理框架正是这道成本闸门。当一个头部厂商把这道闸门的设计图公开，所有想自建 AI 底座的企业，都少了一道被商业推理服务锁定的门槛。
二、国家数据集团 + 工信部"开源基座模型"：数据与主模型成为国家基建
把视野拉到同一天的另一件事。国家数据集团于 10 月 20 日正式挂牌，党组书记、董事长由简勤（原中国联通总经理）担任，党组副书记、总经理由陈荣辉（原国家数据局党组成员、副局长）担任。作为新组建的中央企业，其定位是国家级数据基础设施与数据要素运营主体。
工信部的表述则把"开源"直接写进了产业政策的靶心。10 月 20 日国新办发布会上，总工程师王卫明表示正在研究起草新一代智能制造政策，支持企业围绕研发设计、生产制造等核心环节建设高质量工业数据集，开发先进适用的垂域大模型和各类工业专用模型，探索工业智能操作系统研发，并围绕智能排产、参数调优、缺陷检测、设备运维等场景实施"模数共振行动"、稳妥开展工业智能体研发与应用验证（成熟一个、推广一个）。更早的 10 月 12 日工博会开幕式，他已经定调"纵深推进人工智能+制造，大力发展开源基座模型和垂类模型"。
| 政策/供给层 | 时间 | 核心表述 | 对企业的意义 |
|---|---|---|---|
| 开源基座模型 | 2026-10-12 工博会 | "大力发展开源基座模型和垂类模型" | 通用可控底座可本地化部署、二次开发 |
| 垂类 / 工业专用模型 | 2026-10-20 国新办 | 开发垂域大模型与工业专用模型、工业智能操作系统 | 行业知识沉淀为可复用智能能力 |
| 国家数据基础设施 | 2026-10-20 挂牌 | 国家数据集团成立，数据要素运营主体 | 数据确权、流通、驻留有了国家级承载 |
把这三层叠在一起看，正是企业可控 AI 底座的国家级供给：开源基座模型提供"通用大脑"，垂类模型提供"行业知识"，国家数据基础设施提供"数据地基"。当底座三件套同时被国家层面点名，企业自建可控 AI 的成本与合规确定性，一下子抬高了。
三、为什么这对企业是"可控底座"红利，而不只是PPT
把视角落回企业自身。过去两个月我们反复论证一个判断：开源 ERP（Odoo / ERPNext / Tryton）凭透明 API、数据自控、无锁定，正成为 AI 智能体的"执行基盘"；10 月 20 日的 OPC Foundation 开源数据层，又把 MES / DCS / ERP 的数据流用开放标准打通。现在，开源推理框架 + 国家开源基座模型，补上了"可控大脑"与"算力调度"两块拼图。
一个完整的开源可控智能化栈正在成形：
① 数据层——OPC 开源云参考方案（MIT 许可）打通 ERP/MES/云，Zero lock-in；
② 执行层——Odoo 20 原生 MCP 服务器 + 会"行动"的智能体，权限继承自有体系；
③ 推理层——DeepInfer 开源推理框架 + 国产开放权重模型，可在私有化或主权云运行，数据不离开边界；
④ 治理层——10 月中国《智能体应用安全基本要求》强制国标要求可控、留痕、身份登记。
四层皆开源 / 开放标准 / 国家战略，企业第一次有机会把"从数据到决策"的整条链路握在自己手里。
这套栈不是空中楼阁。民间开源生态已经跑出规模：10 月 14 日中国工业合作协会调研的深圳十方融海，其开源项目在 GitHub 收获超 3 万星标、汇聚开发者与创客突破 15 万，自研大模型已接入超 200 万台硬件设备，日均消耗 Tokens 2000 亿、日均对话超 900 万条、累计活跃用户 1.5 亿，覆盖全球 30 多个国家。这说明中国开源 AI 的"群众基础"已经具备。
十方融海开源生态日均消耗 Tokens（GitHub 3万+ stars、15万开发者、1.5亿活跃用户，2026-10-14 调研）
闭源 API 租用
· 数据出域、留存于厂商· 计费随调用量波动、难预算· 模型行为与更新不受控· 跨境合规风险高
开源可控底座
· 数据与模型均驻留自有环境· 算力+运维成本可预测· 可审计、可微调、可回滚· 满足数据主权与监管要求
提醒一点：自托管与私有化不是"免费午餐"。它把 Token 成本换成了 GPU、运维、模型更新与安全加固的工程成本。对预算有限、没有专职 ML 团队的中小企业，更务实的路径是"开源 ERP 云托管 + 明确数据不出域的开放权重 API"，先把可控性拿到手，再逐步下沉到完全自托管。别被"上大模型"的叙事带着跑。
四、CIO 实操建议：把"开源可控底座"写进 AI 规划
落到可执行，建议企业分四步走：
- 第一步，建模型 SBOM（软件物料清单）与开源组件台账。像管开源软件依赖一样，登记每一个接入 ERP 的模型与框架：厂商、国别、许可、是否自托管、数据流向。DeepInfer（Apache 类许可）、DeepSeek 权重、TileLang 等都要纳入，许可风险等级一目了然。
- 第二步，划一条"数据敏感度—部署形态"的匹配线。高频、低敏的场景（内部知识问答、文档摘要）可先用厂商托管 API 跑通；涉及客户数据、财务、生产的场景，强制走自托管或明确数据不出域的开放权重 API。
- 第三步，用"开源基座模型 + 垂类模型"组合替代"一个大模型包打天下"。工信部已明确支持垂类模型，制造业应优先把工艺、质量、设备知识沉淀为垂类模型，而非寄望通用大模型直连产线——这是把行业 know-how 变成可控资产的关键一步。
- 第四步，把底座纳入统一治理与回滚。接入 ERP 前完成权限、审计、召回预案三件套，与智能体安全强制国标对齐；推理后端要可替换，避免被单一模型版本锁死。
写到最后：10 月 20 日这两件事放在一起看，是中国 AI 底座从"用别人的"走向"在自己的地基上养智能"的关键一步。当闭源仅领先开源 3.3%（Stanford 2026 AI Index），而数据主权成了硬约束，开源可控底座不再是极客选项，而是大型企业、受监管行业的默认底座。对 CIO 而言，2026 年第四季度最该启动的一页规划，或许就是把"可控底座"写进 ERP 的下一行。
本文基于公开信息整理分析：DeepSeek 公众号公告《DeepInfer 全面开源》（2026-10-20）、国家数据集团挂牌公开信息（2026-10-20）、工业和信息化部总工程师王卫明工博会致辞（2026-10-12）与国新办发布会答问（2026-10-20）、中国工业合作协会赴十方融海调研报道（2026-10-14）、Stanford 2026 AI Index。数据截至 2026-10-22。
众谛信息 · 专注 Odoo 与企业管理数字化解决方案
