十年前的夏天，两个加拿大大学生在宿舍里捣鼓出了一个叫 Kitematic 的工具，让 Docker 容器的使用变得像点鼠标一样简单。2015 年，Docker 公司收购了他们的项目，那个工具后来变成了 Docker Desktop。如今全球超过 1000 万开发者每天都在用它。
2026 年 7 月 9 日，这两人再次站到了聚光灯下。Jeff Morgan 和 Michael Chiang 创立的 Ollama 宣布完成 6500 万美元 B 轮融资，由 Theory Ventures 领投，Benchmark、8VC、Y Combinator、Pace Capital、49 Palms 和 GTMFund 跟投，累计融资达到 8800 万美元。Benchmark 的 Peter Fenton，当年 Docker 的投资人，再次坐在了 Ollama 的董事会里。
但真正让 VC 圈子侧目的不是 6500 万美元这个数字，而是 Ollama 的运营效率。14 名员工，服务 890 万月活开发者，渗透了 85% 的财富 500 强企业。从 2026 年 1 月到 7 月，月活开发者翻了一倍，每周新增接近 100 万安装量。OpenAI 的团队规模超过 3000 人，2026 年预计亏损 140 亿美元，而 Ollama 用 14 个人跑着全球最大的开源模型开发者网络，甚至没有披露估值和收入。在融资公告中，不披露估值本身就是一种表态。
“每个计算时代都有一个平台层，所有其他东西都插在它上面。”Theory Ventures 的合伙人 Tomasz Tunguz 这样解释投资逻辑。当开源模型在大多数实际任务上已经接近甚至超越闭源前沿模型时，“在哪里运行模型”和“用什么模型”变得同等重要。
Docker 的幽灵：一个被反复验证的剧本
如果说过去十年科技基础设施领域有一个被反复验证的增长剧本，那就是 Docker 走过的路。
2013 年，Docker 把容器技术从复杂难用的 Linux 工具变成了一个开发者可以轻松使用的平台。一条 docker run 命令，无需理解 cgroups 和 namespace 等底层机制，就能启动一个容器。这种“极简抽象”的哲学在短短几年内席卷了全球开发者的电脑。
Ollama 几乎复刻了同样的路径。2023 年，当 Meta 发布 Llama 2、Mistral 等开源模型陆续出现时，Jeff Morgan 看到的是 2013 年 Docker 面临的同样问题：模型已经有了，但普通开发者根本用不了。
“开源模型在 2023 年开始出现，但它们真的很难用。”Morgan 在接受 TechCrunch 采访时说。这些模型是为研究人员设计的，不是为程序员准备的。“结果就是，让它们跑起来非常困难。”
Ollama 的解决方案和当年的 Kitematic 如出一辙：一条命令搞定。ollama run llama3，模型下载、环境配置、推理启动，全部在一条命令中完成。不需要 API Key，不需要 GPU 集群，不需要阅读几十页的技术文档。
这种“Docker 式”的体验迅速引爆了开发者社区。截至 2026 年 7 月，Ollama 在 GitHub 上获得了 17.6 万颗星标，接近 1.7 万个 Fork。它不仅是 Meta、Google DeepMind、Mistral、MiniMax 等主流开源模型厂商的“分发和早期接入合作伙伴”，还与 NVIDIA、Intel、AMD、Qualcomm 等硬件厂商建立了深度协作。当一个新模型发布时，Ollama 用户可以在第一时间通过一条命令使用它，而无需等待复杂的部署流程。
14 个人的奇迹：资本效率的极致
Ollama 的效率数据是整个科技行业最值得仔细品味的一组数字。
14 名员工。890 万月活开发者。85% 的财富 500 强渗透率。没有披露估值，也没有披露收入。
在 AI 行业普遍以“烧钱换增长”为通行法则的今天，Ollama 选择了一条完全不同的道路。不披露估值本身就是一种姿态：我们不需要用估值来证明自己。
Ollama 的商业模式也体现了这种克制。它提供完全免费的开源工具让开发者运行本地模型，同时通过 Neocloud 提供对更大模型的无服务器访问，订阅从免费到每月 100 美元不等，按 GPU 时间计费而非 Token 量。这种计费方式本质上是对开发者的信任，你用了多少 GPU 算力，就付多少钱，而不是为每一次 API 调用提心吊胆。
“Ollama 是本轮 AI 浪潮中资本效率的最佳案例。”ValueAdd VC 的分析师指出。一个 14 人的团队，撬动了 890 万开发者和 85% 的财富 500 强企业，这种杠杆率在 AI 行业前所未有。
那么，一家只有 14 个人的公司，凭什么渗透进医疗、金融、政府这些最保守的行业？答案藏在 Ollama 的合规逻辑里。对于这些行业，把专有数据发送给第三方 API 经常是不可接受的。Ollama 的本地部署方案意味着“你的数据永远不会离开你的基础设施”。这是一个合规论证，远不止是一个技术论证。
开源模型临界点：为什么是现在
Ollama 的 B 轮融资之所以重要，不仅仅因为 Ollama 本身，更因为它标志着开源模型赛道的一个历史性转折。
2026 年初，开源模型生态发生了两件大事。第一件，DeepSeek-V3.2 等国产开源模型在多项基准测试上追平甚至超越了 GPT-5.1，而推理成本仅为后者的十分之一。第二件，以 OpenClaw 为代表的 AI 编程智能体爆火，让开源模型第一次证明了自己能真正干活。
Morgan 在采访中印证了这个时间点。“Ollama 作为商业的验证点发生在今年 1 月左右，当时 OpenClaw 火了。更大的开源模型突然能够完成这些智能体任务，比如编程。我们看到了开源模型能真正完成实际工作的可能性。”
市场数据佐证了这一点。根据市场研究机构的数据，开源 AI 模型市场 2025 年达到 190.5 亿美元，2026 年预计增长至 230.8 亿美元，年复合增长率 21.1%。更关键的是，企业级大模型采用率从 2023 年的不到 5% 飙升至 2026 年的超过 80%。
Benchmark 的 Peter Fenton 对开源与闭源之争给出了一个更务实的视角。“我仍然认为这是大多数争论搞错的地方。这不是非此即彼的选择。”两种模式都有足够的商业空间。但每一家推理成本高昂的公司，都有“一个至关重要的生存项目”推动他们转向开源模型。
换句话说，当 OpenAI 的 API 调用费用成为企业 CIO 的预算噩梦时，开源模型加本地部署的组合方案就成了一个不得不认真考虑的选项。
从本地工具到平台层：Ollama 的云端野望
Ollama 的故事远不止一个“本地模型运行器”那么简单。
Ollama 的官方博客标题是“All aboard open models”。这是一份宣言，不是一篇通报。它在宣布一个更大的愿景：Ollama 要从开发者的本地工具，进化为开源模型生态的平台层。
Tunguz 的投资逻辑清晰地揭示了这一点。“每个计算时代都有一个平台层，所有东西都插在它上面。”在 PC 时代，这个平台层是 Windows 和 macOS。在云计算时代，它是 AWS 和 Docker。在 AI 时代，谁掌握“模型在哪里运行”这一层，谁就掌握了整个生态的入口。
Ollama 已经占据了有利位置。据官方披露，Ollama 云端的 Token 消耗量平均每个月翻倍以上。这种增长速度在 AI 基础设施领域极为罕见，即使是 OpenAI 在巅峰增长期也未达到这个水平。
但 Ollama 的野心也带来了挑战。2025 年底到 2026 年初，大量开发者社区的声音质疑 Ollama“走向封闭”。推出云服务被部分社区视为背离开源初心。在 Hacker News、Reddit 和技术博客上，关于“Ollama 的堕落”的讨论此起彼伏。一个反复被引用的数据是，同样一个模型通过 llama.cpp 直接运行，性能比通过 Ollama 高出 30% 到 70%。这在开发者社区中引发了相当程度的信任危机。
Ollama 面临的挑战本质上是所有开源项目商业化都会遇到的困境：如何在服务社区和构建可持续商业模式之间找到平衡。Docker 当年也走过同样的路，从开源工具到企业订阅，经历了社区分裂和争议。Ollama 正在面对 Docker 十年前面对的问题。
谁在赌，赌什么
参与 Ollama B 轮的投资方名单本身就说明了很多问题。
领投方 Theory Ventures 是一个相对新锐的基金，但 Tomasz Tunguz 对“平台层”的押注非常明确。Benchmark 的 Peter Fenton 是 Ollama A 轮的领投人，也是 Docker 早期的投资人，他对 Jeff 和 Michael 的信任跨越了十年。Solomon Hykes，Docker 创始人，作为个人天使投资人出现在了名单中。这几乎是一个“薪火相传”的象征。
还有一批硅谷顶级技术领袖参与：ClickHouse CEO Aaron Katz、Cockroach Labs 联合创始人 Spencer Kimball、Amp CEO Quinn Slack、Cisco 董事会成员 Marianna Tessel、Twitter 前工程负责人 Michael Montano。这些人不是普通的财务投资人，他们是开发者工具和基础设施领域最懂技术的人。
他们的集体判断是：开源模型正在从实验品变成基础设施，而 Ollama 有机会成为这个基础设施的控制面。
但这并不意味着 Ollama 的前路一片坦途。竞争正在加剧。Inferact（vLLM 的开发者）和 RadixArk（SGLang 的开发者）等开源推理引擎公司在生产级推理领域虎视眈眈。OpenRouter、Groq、NVIDIA NIM 等平台也在争夺开发者心智。开源模型本身也在快速迭代，从 Llama 4 到 GLM-5.2 到 Kimi K3，模型生态的碎片化可能既是 Ollama 的机会，也是它最大的管理挑战。
不过，Ollama 手握一张其他竞争者难以复制的牌：渠道。85% 的财富 500 强渗透率意味着，当企业 CIO 决定从闭源模型转向开源模型时，Ollama 已经是他们桌面上最熟悉的工具。这种先发优势在开发者工具领域往往比技术优势更持久。
十年前，两个加拿大年轻人用 Kitematic 证明了“让复杂的东西变得简单”可以改变一个行业。十年后，Jeff Morgan 和 Michael Chiang 再次押注同样的信念。不是因为他们想造一个更大的公司，而是因为他们相信，AI 应该像容器一样，属于每一个开发者，而不是只属于少数几家巨头。
“All aboard.”Ollama 的博客以此结尾。这不仅是邀请，更是一份宣言：开源模型的列车已经启动，而 Ollama 要成为那个让所有人上车的站台。谁先上车，谁就定义了 AI 时代的运行规则。
快报