GitHub 开源 AI 项目长期市场价值全景评估（112 分类 × 10 年预测）

评估日期：2026-11-10 ｜ 分析师口径：顶级 AI 市场分析框架 ｜ 输出：6 篇分册 阅读顺序：00 方法论 → 01 基础设施层（C01-C25）→ 02 模型与算法层（C26-C50）→ 03 Agent与框架层（C51-C72）→ 04 行业应用层（C73-C100）→ 05 数据与生态层（C101-C112）→ 06 交叉结论与Top50

一、诚实声明（评估边界，先读这里）

1. "所有公开项目"不可穷举：GitHub 在库仓库超 4 亿，任何声称"评估了所有项目"的报告都是虚构。本评估采用"分类穷尽 + 代表项目核实"的科学抽样法：112 个分类穷尽了 AI 价值链的场景/商业模式/产业方向，每个分类内按价值排序列出代表项目。
2. 项目数据分两级标注：✅ = 本评估期内经 GitHub API 实时核实（star 为 2026-11 精确值）；○ ≈ 业界公知约数（±20%）。未经核实的项目一律标 ○，不冒充实测。
3. "每分类 50 个项目"的降级说明：100+ 分类 × 50 = 5,000+ 项目。在本轮评估中，核心分类给出 5-12 个高置信度代表项目；长尾分类给出 3-5 个。强行凑满 50 个必然产生大量编造的仓库名——宁可如实标注"长尾分类，公开高星项目稀少"。附录 B 给出用 GitHub API 数据管道补满 50 个/分类的可执行方案。
4. 项目级 10 年市值预测不提供：单个开源项目的"市场价值"不可直接观测（多数项目无收入披露），逐项目编造 10 年金额即为虚构。本评估的金额预测只在分类层面给出（分类 TAM 可由行业数据锚定），项目层面给出定性评分 + "该分类 TAM × 可得份额"的归因逻辑。
5. 金额均为估算：美元（USD）、2026 不变价、单位亿美元、口径 = 全球可寻址市场年支出（TAM，含开源软件支撑的商业收入：托管/订阅/企业版/服务）。第 1 年 = 2027，第 10 年 = 2036。不确定性带 ±40%；关键假设随每分类列出。
6. 各分类 TAM 不可加总：分类之间有层级重叠（如推理引擎与量化压缩都计入推理成本），加总会重复计算。只有跨层引用时用渗透率折算。

二、宏观锚点（预测的地基，估算）

三、六维评分标尺（每分类与每项目通用）

四、项目排序依据（每个分类内统一声明）

排序 = 长期市场价值高到低，权重：企业采用深度 30% + 商业化路径清晰度 25% + 生态/人才池 20% + 技术壁垒与数据资产 15% + 持续活跃度 10%。star 只作参考不作主因（star 高 ≠ 价值高，如已停维护的大 star 项目被降权）。

五、112 分类总目录（互不重复，边界随分册注明）

基础设施层（C01-C25）→ 分册 01

模型与算法层（C26-C50）→ 分册 02

Agent 与框架层（C51-C72）→ 分册 03

行业应用层（C73-C100）→ 分册 04

数据与生态层（C101-C112）→ 分册 05

六、附录 A：分册目录

七、附录 B：如何把"代表项目"补满到 50 个/分类（可执行管道）

1. 抓取：GitHub Search API 按 topic + 关键词捞候选（每分类 200-500 候选）；https://api.github.com/search/repositories?q=topic:rag+stars:>200
2. 清洗：剔除 fork/归档/一年无 push/非 AI 相关
3. 评分：六维打分模型（需求持续性/商业化/生态/壁垒/扩展性/风险），每维 0-5 分 → 加权总分（权重见第四节）
4. 核实：对 Top 50 逐一 GET /repos/{owner}/{repo} 取 star/license/pushed_at
5. 人工校准：抽 20% 人工复核（防止 star 刷量与同名混淆）
6. 迭代：季度重跑，star 漂移 >20% 触发复核

   该管道每分类约需 1-2 小时机器时间 + 2 小时人工；如需我对 Top 10 分类实际执行（真实 API 抓取补满 50 个），可分批进行。