Ollama：先用免费本地工具拿下开发者，再用云端算力赚钱
Ollama 用免费本地工具降低开源模型的使用门槛，再用云端订阅承接更大模型和高并发需求；这篇文章拆解它的客户、收费方式、增长路径，以及收入和付费转化仍未公开的关键缺口。
先看结论
Ollama 的生意不是训练一个更大的模型，而是把开源模型变成开发者几分钟就能运行的工具，再把本地机器接到云端更大、更快的模型。2026 年 7 月 9 日，公司宣布完成 6500 万美元 B 轮融资，由 Theory Ventures 领投；此前完成由 Benchmark 的 Peter Fenton 领投的 1500 万美元 A 轮，TechCrunch 报道称累计融资达到 8800 万美元。1
Ollama 创始人 Jeff Morgan 对 TechCrunch 称，产品每月有超过 890 万名开发者使用，覆盖 85%的《财富》500 强公司，团队只有 14 人。这个数字足以说明开发者入口的规模，但还不能说明收入规模，因为公司的收入和估值没有公开。1
这家公司的可学之处，是先把模型部署的麻烦压到最低，再把高算力需求留给付费云服务。免费产品负责分发，云端服务负责收钱，二者之间的转换率才是接下来真正要看的指标。
公司是谁：先卖运行方式，再卖算力
Ollama 于 2023 年上线，核心产品让开发者在个人电脑上运行开放权重模型。官方仓库提供 macOS、Windows、Linux 和 Docker 安装方式，也提供 REST API、Python 和 JavaScript 库，开发者可以把它接入自己的应用。2 3
它解决的是一个很具体的问题：模型已经开源了，但下载、启动、调用和更换模型仍然需要处理硬件配置、运行环境和 API 适配。Ollama 把这些步骤收进一个命令行工具和一套统一接口里。创始团队此前参与创建 Docker Desktop，TechCrunch 将两者的产品思路做了类比，都是先把底层配置藏起来，让开发者直接开始工作。1
卖给谁，怎么赚钱
客户是谁
Ollama 的第一层用户是开发者，他们需要在本地快速试用模型、写代码、做原型或搭建 AI 应用。官方首页现在直接把 Ollama 接入 Claude Code、Codex、OpenClaw 等应用和智能体，说明产品入口已经从「运行一个模型」延伸到「给现有工具换一个模型后端」。2
第二层是需要更大模型或更高并发的个人、团队和 AI 应用公司。TechCrunch 提到，企业和快速增长的 AI 应用层初创公司会因为推理成本，考虑把一部分工作切换到开放权重模型，但报道没有披露 Ollama 的具体客户名单、合同数量或付费客户数。1
收入从哪里来
| 层次 | 客户买到的东西 | 已公开的收费信息 |
|---|---|---|
| 本地产品 | 在自己的电脑或服务器上运行开放权重模型，配合 API 和开发工具 | 官方入口免费，核心产品承担开发者分发 |
| 云端产品 | 使用数据中心硬件运行更大模型，并发处理更多请求 | 官网显示免费账户可使用云端；Pro 为每月 20 美元，Max 为每月 100 美元 |
| 计算资源 | 让模型调用不再受本地显卡限制 | TechCrunch 报道称云端按 GPU 时间而非 token 计量，具体套餐额度和企业价格未披露 |
这是一种很清楚的免费到付费路径：本地运行解决上手问题，云端运行解决显存、速度和并发问题。官网还强调云端数据不用于训练，并提供美国、欧洲和新加坡的数据中心选项，这些是企业考虑云服务时会关心的产品条件。2
但目前只能确认收费设计，不能把它写成已经验证的收入模型。Ollama 没有公开收入、毛利、付费转化率或云端 GPU 成本；890 万月活开发者也不等于 890 万付费用户。
增长怎么起来的
Ollama 已经出现一条可以复述的增长路径：
- 先消除部署摩擦。 开发者不必先理解一整套推理服务和硬件配置，就能在自己的电脑上跑模型。使用门槛降低后，产品更容易进入教程、代码仓库和团队内部工具。
- 把本地工具接进应用生态。 官方仓库列出了 Claude Code、Codex、Copilot CLI、OpenCode 等集成，也提供 Python、JavaScript 和 REST API。每多一个能直接调用 Ollama 的开发工具，就多一个分发入口。3
- 让开源社区承担一部分传播。 抓取时，官方 GitHub 仓库显示约 17.7 万 star 和 1.71 万 fork；这不是收入数据，却能说明项目的公开关注度和二次使用基础。3
- 把重负载需求推向云端。 当开发者要跑更大的模型、同时处理更多请求时，本地产品自然会遇到显存和速度边界。Ollama 用云端订阅承接这部分需求，收入增长取决于免费用户中有多少人愿意为更高的计算额度付费。
这条路径的关键不是「开源」三个字本身，而是本地免费版与云端付费版共用同一套模型发现、调用和集成习惯。用户不需要换一套产品，需求变重时才切换到云端。
关键指标：活跃规模很大，转化率仍是空白
| 指标 | 已公开数值 | 怎么看 |
|---|---|---|
| 月度开发者使用量 | 超过 890 万 | 公司创始人向 TechCrunch 提供的口径，未披露统计方法和留存 |
| 财富 500 强覆盖 | 85% | 公司创始人表述，未说明是安装、使用还是付费采购 |
| GitHub 社区规模 | 约 17.7 万 star、1.71 万 fork | 官方仓库页面的公开计数，反映关注和复用，不等于活跃用户 |
| 团队人数 | 14 人 | 创始人向 TechCrunch 透露，说明产品和基础设施的人效很高，但不代表交付压力小 |
| 收入、付费客户、估值 | 未披露 | 目前无法判断云业务的收入质量和规模 |
对 Ollama 来说，接下来比继续增加下载量更有解释力的数字有四个：免费用户到云端的转化率、每个付费用户的 GPU 使用成本、云端毛利，以及企业用户的月度留存。没有这组数据，外部只能看到产品很受欢迎，还看不到它是否已经成为一门稳定的云业务。免费用户到云端的转化率、每个付费用户的 GPU 使用成本、云端毛利，以及企业用户的月度留存。没有这组数据，外部只能看到产品很受欢迎，还看不到它是否已经成为一门稳定的云业务。
风险与可抄作业点
第一个风险是开源社区对商业化边界的反弹。TechCrunch 提到，部分 Ollama 用户曾批评公司把注意力转向云业务，担心免费项目被商业目标牵着走。Ollama 方面则把云服务解释为本地产品的延伸，理由是更大的开放模型往往无法在个人电脑上运行。这个分歧不会自动消失，核心产品是否持续免费、开源项目是否保持体验，都会影响社区信任。1
第二个风险是云端经济性。官网把订阅价格写得很低，产品又允许更大模型和并发请求，GPU 时间、容量利用率和模型供应成本会直接决定毛利。公开材料没有给出这些数字，所以不能判断 Ollama 的云业务目前是高毛利软件，还是仍在用融资补贴计算资源。
第三个风险是覆盖率与付费之间的落差。85%的财富 500 强覆盖听起来很大，但「在公司里被使用」和「拿到正式采购合同」是两回事。未来如果披露企业客户数、合同金额和续费率，才更容易判断它是否从开发者工具进入企业基础设施。
如果把 Ollama 的做法抄到自己的 AI 产品上，能抄的是这四步：
- 先解决部署、集成或使用中的一个具体摩擦，不急着从零训练自己的模型。
- 用免费或低价入口积累真实使用，再为高成本、高频次或更高性能的需求设计收费点。
- 让免费版和付费版共享账号、接口与使用习惯，减少用户升级时的迁移成本。
- 早期就区分关注度指标和经营指标。star、下载量、覆盖率可以证明传播，转化率、留存、毛利和回本周期才能证明生意。
Ollama 现在已经把开发者入口做得足够大，下一步要验证的是：890 万月度开发者里，有多少会在需求变重时留下信用卡。收入、付费客户和云端毛利仍未公开，这三个空白决定了它能否从受欢迎的开源工具，走成一家可持续的 AI 基础设施公司。
相似内容
- 登录后可发表评论。