一个把大模型塞进个人电脑的开源工具，刚拿到 6500 万美元 B 轮融资。Ollama 团队只有 14 人，却称每月有 890 万开发者在用，覆盖 85% 的《财富》500 强企业。
这组数字看着像典型的 AI 融资新闻，但 Ollama 卖的并非又一个模型接口。它把“模型跑在自己的机器上”做成了一个近乎零门槛的默认动作，再把装不下、跑不动的任务平滑接到云端。本地优先，云端兜底，是这家公司的产品结构，也是这轮钱要验证的生意。
TechCrunch 报道，这轮 B 轮由 Theory Ventures 领投。Ollama 此前拿过 1500 万美元 A 轮，累计融资达到 8800 万美元。公司没有披露营收和最新估值，融资额本身还不能说明它已经找到稳定的商业回报。
先把开源模型跑起来
2023 年开源权重模型开始密集涌现，安装推理环境、选量化版本、处理显存和依赖，仍是许多开发者绕不开的一串麻烦。Ollama 把这些配置收进命令行、桌面应用和 API：用户可以在 Mac、Windows 或 Linux 机器上直接调用模型，把数据和推理留在自己的硬件里。
CEO Jeff Morgan 回忆当时的门槛时说：
“Open models started coming out in 2023 but they were really hard to use.”
他的意思很直白：开放模型已经出现，但那时主要面向研究者，普通程序员想把它跑起来并不轻松。
GitHub 页面显示，Ollama 主仓库已有 17.6 万 Star、1.69 万 Fork。这类指标不能替代付费和留存，却能说明它先占住了开发者安装和试用的入口。按公司披露的 890 万月活开发者与 14 人团队粗算，平均每名员工对应约 64 万月活用户；这个比例不能被理解为人均服务量，但足以反映产品大量依赖自助分发、开源社区和自动化交付。
免费本地版，云端承担重任务
Ollama 的矛盾也在这里。本地模型是它最受欢迎的部分，但大参数模型、长上下文和并发 Agent 任务并不总能塞进一台笔记本。团队若只守着桌面端，很难把开发者的兴趣变成可持续收入。
公司现在把两条路放在同一个接口里：本地硬件够用时，用户可不限量运行公开模型；需要更大模型时，再把任务送入云端。官网列出的 Pro 订阅为每月 20 美元，Max 为每月 100 美元；前者可同时运行 3 个云端模型，后者为 10 个。云端使用量按 GPU 实际占用计算，不按固定 token 数量扣费。
这套定价把“本地还是云端”从二选一改成了容量切换。用户先因为免费、私有和部署方便把工作流搭起来，硬件不够时再付费扩容。对企业而言，敏感数据可以继续留在内网，研发、测试或短期高负载任务才借云端资源；对 Ollama 而言，云端也终于有了比卖许可证更贴近算力成本的收费口径。
Benchmark 合伙人 Peter Fenton 对开源与闭源模型的判断是：
“It’s not an either/or.”
放到 Ollama 身上，这句话并不是宣传口号。它并未要求客户抛弃闭源模型，而是押注企业会把大量日常任务挪向开放权重模型，把昂贵的闭源调用留给少数高难度场景。这个分工能否成立，取决于开发团队是否愿意长期把 Ollama 当成统一入口。
890 万开发者还不是终点
Ollama 的下一道关卡，不是继续把 Star 数推高。公司称已进入 85% 的《财富》500 强，这个口径仍需看实际部署深度：员工电脑上的一次试用，和进入生产系统、接入权限管理、承担稳定负载，完全不是一回事。
融资后的检验点也很具体。第一，Pro 和 Max 用户是否持续增长，云端 GPU 用量能否覆盖容量成本；第二，团队版的单点登录、权限控制和集中管理上线后，企业是否愿意把内部模型工作流迁入；第三，免费桌面版、开源社区与付费云服务之间会不会出现利益冲突。过去已有用户担心云业务分散了开源项目的注意力。
Morgan 的回应是，大模型往往大到个人机器装不下，云端只是帮用户补上算力缺口。Ollama 官网也写明，本地运行始终不限量，提示词和回复不会被记录或用于训练。它要卖的不是一台远程 GPU，而是在本地和云端之间少折腾一次的使用体验。
如果这条路跑通，开源模型的商业化不必从“免费工具”直接跳到“企业平台”。开发者先在自己的电脑上形成习惯，再在任务变重时为算力付费，可能会成为另一条更长的转化链。6500 万美元给了 Ollama 扩建云端和产品团队的空间；市场会盯着的，是这条链能否把高 Star 和高试用率变成持续的付费负载。
来源与核验：CocoLoop、TechCrunch、The Information 核验融资规模、累计融资与开发者数据；Ollama 官网核验本地运行、云端按 GPU 用量计费与订阅档位；Ollama GitHub 仓库核验开源项目活跃度。