GitHub揭3大開源趨勢：Python首度超越Java躍升社群第二大程式語言|數位時代 BusinessNext

先是微軟砸75億美元收購GitHub，其後IBM也以340億美元買下紅帽，科技巨頭頻頻的大動作，都集中在一個關鍵詞上：開源。

身為原始碼託管平台的GitHub，目前是全球最大的開源專案平台。GitHub每年都會發布Octoverse報告，向外界揭露過去一年開源社群的面面向向，而2019年度報告也在上週正式公開。

南極洲也有開發者，開源熱蔓延全球

GitHub表示，開發人員數在今年夏季突破4,000萬人大關，光是過去一年間，就有超過1,000萬名開發者加入這個大家族，且首次建立儲存庫的用戶也比去年增加44%，顯示出「開源」越來越熱的趨勢。

目前逾4,000萬的用戶中，超過8成來自美國海外，貢獻者的分佈也變得更為多元，GitHub提到，就連南極洲都有開發人員。

以洲進行分類的話，亞洲是今年最大的貢獻社群，貢獻人數近400萬，而成長最快的地區，則是香港（175%）、新加坡（111%）與印尼（90%）。在GitHub 2019年推出的免費私人儲存庫上，亞洲占比也達36%。

非洲與西亞則是開源專案成長最快的兩個地區，其中奈及利亞（59%）、伊朗（44%）、肯亞（44%）為前3名。

Python超車Java，首次成GitHub第2大程式語言

在開源社群裡，什麼程式語言最受歡迎？即使對開源軟體毫無興趣的人，也可能對這項趨勢感到好奇。過去一年開發者們使用了超過370種程式語言，GitHub從中列出近5年內前10大程式語言的排行變化。

在今年度的榜單中，雖然JavaScript依舊穩如泰山，坐擁第一名寶座，廣受各方工程師喜愛的Python首次超越Java，成為開發社群第2大程式語言。且C#與Shell的排名皆有所上升，

另外，GitHub指出，由於Google開源行動App開發套件Flutter的加入，身為其開發語言的Dart以532%成長遠遠拋開第2名，躍居今年竄升最快的程式語言。

而靜態語言在型別安全（type safety）與互操作性上的優勢，讓這類程式語言快速成長，榜上有名的Rust、Kotlin及TypeScript都屬於靜態語言。

企業、學校皆仰賴GitHub

目前有來自70個國家地區，約300萬的企業帳戶在GitHub上活躍，他們可能是企業、非營利組織、一個開源專案等等。企業行號們不僅利用平台上的資源，也開始參與這個社群、貢獻一份心力。

GitHub提到，《財富》世界50大企業中，有35間為開源社群做出貢獻，還有29間透過企業帳戶建立軟體及App。值得一提的是，支付平台Stripe、串流音樂平台Spotify都是GitHub的愛用者。

學校方面，目前有170萬人利用GitHub學習寫程式，較去年成長55%，以及76.1萬人利用了GitHub的學生開發者包，並有3.1萬名教師藉由GitHub教授開發者工作流程。

資料科學正夯，機器學習、深度學習也漸受矚目

從醫療領域拯救人命的機器學習技術，到製作稀奇古怪的機器人，過去12個月內，各式各樣的開源專案在平台上萌芽。GitHub指出，推動Python發展的「資料科學」便是一項值得點出的趨勢。

許多資料科學相關的框架與工具皆是用Python寫成，在這項主題下最受矚目的儲存庫中，約半數是利用numpy建立，這就是一個根基於Python的擴展模組。

在資料科學之外，機器學習、自然語言處理、深度學習等項目也越來越受到關注，近年來擁有非常顯著的成長。

完整報告請見：GitHub Octoverse 2019

責任編輯：蕭閔云

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。