7 月 9 日，Ollama 宣布完成 6500 万美元 B 轮融资，由 Theory Ventures 领投，Benchmark、8VC、Y Combinator 等跟投。加上此前的 A 轮，累计融资 8800 万美元。这家仅 14 人的公司同时披露：月活开发者已达 890 万，每周新增近百万安装，进入了 85% 的 Fortune 500。
这不仅仅是一个 AI 工具融到钱的故事。Ollama 的创始人 Jeff Morgan 和 Michael Chiang 此前做了同一件事——只不过上一次是为容器，这一次是为 AI 模型。
同一批人，同一个剧本
Morgan 和 Chiang 在大学相识，第一个创业项目叫 Kitematic，让 Docker 变得「傻瓜式」易用。2015 年 Kitematic 被 Docker 收购，两人的工作演变成了 Docker Desktop，2016 年上线，如今被超过一千万开发者日常使用。
十年后，他们带着 Ollama 回来了。产品逻辑几乎一样：把一个混乱、高门槛的技术领域，压缩成一行命令。
「开放模型从 2023 年开始涌现，但它们真的很难用，」Morgan 对 TechCrunch 说。当时的开放模型面向研究者，不是程序员。Ollama 做的事很简单：下载、安装、ollama run，模型就在本地跑起来了。不需要 API key、不需要申请权限、不需要昂贵的服务器。你的模型，你的机器，你的数据。
这个简单到极致的体验带来了惊人的增长。Ollama 在 GitHub 上有 17.6 万颗星和近 1.7 万次 fork。今年 1 月月活还是当时的一半。Morgan 对 TechCrunch 表示，转折点大约在今年 1 月——开放模型突然能做 agentic 任务了，比如编程。「我们看到了 OpenClaw 这样的 AI 编程助手的爆发，以及开放模型真的能完成实际工作的认知转变。」
云服务与「开源烂化」的指控
Ollama 桌面端完全免费。商业模式来自云服务：当本地硬件跑不动大模型时，用户可以用 Ollama Cloud 在云端运行，按 GPU 时间计费，不按 token。云端托管了 GLM、Nemotron、DeepSeek、Kimi、MiniMax 等主流开放模型，token 量每月翻倍。
但这个商业转向引发了社区的强烈反弹。大约一年前，Hacker News、Reddit 和一些技术博客开始指责 Ollama 正在「enshittification」（烂化）——商业云服务正在吸走免费开源项目的注意力和资源。批评者认为，Ollama 正在从「开放模型的 Docker」变成「又一个卖云服务的公司」。
Morgan 的回应很直接：免费桌面端什么都没变。Benchmark 合伙人 Peter Fenton——Ollama A 轮领投方和董事会成员——对 TechCrunch 补充道：「核心产品的前提没有改变，这里仍然是你可以发现和运行本地模型的地方。」
这个张力不是 Ollama 独有的。当 vLLM 背后的 Inferact 和 SGLang 背后的 RadixArk 都在走 VC 化的路时，开源推理引擎的商业化正在成为一个行业级议题。Ollama 只是其中最显眼的目标。
开放模型的供给侧变了
Ollama 的融资不是一个孤立事件，它踩在了一个更大的结构性转变上。
Benchmark 的 Fenton 对 TechCrunch 给出了一个大胆的判断：「开放权重模型将在未来 18 到 24 个月内生成绝大多数 token。」他小心地补充说，这不是「开放 vs 闭源」的战争——两种模式都有市场——但对任何推理成本高企的企业来说，向开放权重模型迁移是一个「关乎存亡的项目」。
数据支持他的判断。到 2026 年初，开放模型与闭源前沿模型在 MMLU 等知识基准上的差距已基本消失，在 HumanEval 等编码任务上的差距缩至 3 到 5 个百分点。企业自托管开放模型可比 API 调用节省 40% 到 60% 的成本。
Theory Ventures 的 Tomasz Tunguz 从另一个角度下注：Ollama 正在成为开放模型生态的「平台层」——模型实验室负责训练，Ollama 负责运行和分发。这是一个极为值钱的位置。Ollama 已经是 Nvidia、AMD、Intel、Qualcomm 等芯片厂商的分发伙伴，也是多家模型实验室的首发渠道。
接下来赌什么
Ollama 官方博客宣布了三个方向：无缝混合推理（本地与云端自动切换）、新模型首发支持、云服务向所有团队开放。Morgan 写道：「Ollama 站在开放模型生态的最前沿，我们打算尽全力推它向前。」
但 Ollama 面临的不只是技术挑战。14 人的团队要同时维护一个全球最大的开源 AI 工具和一个快速增长的企业云服务，运维压力巨大。社区中已有开发者指出，Ollama 在某些场景下的推理速度比直接使用 llama.cpp 慢 30% 到 70%——当企业客户对性能要求越来越高时，这种差距会成为问题。
更根本的张力在于信任。Ollama 卖的是「你的模型，你的数据，你的机器」的自由，但云服务天然需要用户把数据和模型交给 Ollama。Fenton 和 Morgan 的「什么都没变」回应在技术上正确，但在情感上忽略了社区最在意的东西：开源项目一旦有了商业利益，优先级是否会不可避免地向付费客户倾斜？
这是 Docker 当年也经历过的问题。Docker Desktop 在 2021 年对大企业用户引入付费订阅时引发过类似风波，但最终市场接受了。差别在于：Docker 花了近十年才走到那一步，而 Ollama 仅三年就面对同样的十字路口。
Ollama 的融资指明了一个不可逆的方向：开放模型不再是研究人员的玩具，890 万开发者正在用它们做真实的工作。但谁能成为运行层的赢家，取决于谁能在商业化和社区信任之间找到那个极窄的平衡点。