开源最容易理解的样子,是一个公开的 GitHub repository。

代码在那里。

你可以 clone,可以读,可以改,也可以 fork。

但越靠近真实工业世界,这个定义越容易失效。

物流公司不能把客户需求、运输网络和成本数据全部公开;工业机器人项目就算把几万行代码放出来,陌生开发者也可能连第一台机械臂都跑不起来;自动驾驶更明显——软件只是系统的一部分,传感器、车辆、模拟器、评测标准和真实赛道缺一块,很多所谓“开放”就只能停在仓库首页。

这周三个项目刚好给出了三种不同的答案。

不能公开数据,那就开放问题#

Google Research 的 MilleMiglia 研究的是 middle-mile logistics。

它不是快递员最后把包裹送到你家那一公里,而是配送中心之间大规模搬运货物的那一段。这里有固定班次、转运节点、容量、时间同步等复杂约束,也是现实物流成本的重要组成部分。

问题在于,真实数据几乎天然不适合公开。

企业的网络拓扑、需求量、运营能力本身就是敏感资产。

于是研究者很难得到一个既足够真实、又可以公开比较算法的共同数据集。

MilleMiglia 的答案不是要求企业把秘密交出来。

它做了一个 instance generator:把真实 middle-mile 网络里重要的结构和约束编码进去,然后生成可公开、可复现、又尽量贴近工业现实的 benchmark。

这是一种很有意思的开放。

不公开秘密本身,而是公开秘密背后那个问题的结构。

陌生研究者因此能够在同一类问题上比较方法,而不需要先得到某家物流企业的数据库。

Google Research:MilleMiglia

代码能运行,还不等于能工作#

Intrinsic Core 往前走了另一层。

Intrinsic 这次开放的并不是一个孤立算法,而是一套面向工业机器人的基础能力:本地 runtime、ROS-compatible 服务、硬件无关实时控制框架、digital twin、感知与抓取等组件,以及可以真正开始改造的 Open Machine Tending reference solution。

这很重要,因为机器人开发最折磨人的地方,经常不是“有没有一个更聪明的算法”。

而是算法周围那一圈没人想重复造的东西。

不同机械臂怎么接,仿真和现实怎么对应,运动控制怎么跑,感知结果怎么进入动作,原型做出来以后怎么走向部署。

如果每个团队都要重新搭一次这些基础设施,那么“开放一个模型”能降低的门槛其实很有限。

Intrinsic Core 试图开放的是一组公共积木:

让开发者从已经能工作的系统上继续,而不是从空目录开始。

Intrinsic:Introducing Intrinsic Core

再往前一步:直接开放一块实验场#

TIER IV 的自动驾驶赛车 reference design 更像第三种形态。

它公开了基于 Autoware 的自动驾驶软件、模拟器和设计信息,又把这些东西和真实赛车、在线评测环境、开发工具组合在一起。

2026 年的 Autonomous Driving AI Challenge 中,240 支队伍、约 600 名参与者使用这套 reference design 作为共同技术基础。

这一点比数字本身更重要。

如果 240 支队伍都从零开始搭传感器接口、车辆控制、仿真和评测系统,大量时间会消耗在重复造地基上。

共同 reference design 把大家直接推到了更有意思的部分:

你准备怎样让这辆车跑得更好?

比赛真正开放的于是也不只是 GitHub 上那几份源码。

它开放了一条从代码到模拟、再到真实车辆和结果比较的路径。

TIER IV:Autonomous racing kart reference design

开放的其实是“起点”#

把三个项目放在一起,会看到“开放”至少有三层。

MilleMiglia 开放的是问题。

Intrinsic Core 开放的是能力积木。

TIER IV 开放的是一套可以共同实验和比较的环境。

它们的共同目标都不是让 GitHub 上多一个公开仓库。

而是降低一个陌生人抵达“真正有价值的问题”的成本。

这也许是衡量开放项目更实用的一条标准:

别只问我能不能看到你的代码。
问我从这里开始,要走多远才能真正做实验。

当然,开放不会把门槛全部抹掉#

这三个案例都不能被浪漫化。

物流 benchmark 再真实,也不是一家物流公司的全部现实;一个 instance generator 选择哪些约束,本身就在定义研究者看见什么问题。

机器人基础组件开放以后,真实硬件、调试时间、工厂安全和系统集成仍然昂贵。

赛车 reference design 也没有让每个人突然拥有赛车、场地和传感器。

开放不是消灭现实成本。

它更像是在决定:哪些成本还有必要让每一个后来者重复支付。

如果某个问题真正重要,最浪费的事情之一,就是让一百个团队先独立花半年时间把同一套地基再造一遍。

repository 只是门口#

软件世界让我们习惯把“开放”理解成许可证和源码。

那当然仍然重要。

没有源码、没有修改权、没有可再分发的许可,很多公共协作根本不会发生。

但当技术越来越进入机器人、物流、自动驾驶和科学实验,源码逐渐只是第一道门。

门后还有数据、问题定义、模拟器、硬件抽象、评测体系和可以重复实验的环境。

真正强的开放项目,会尽量把这些东西也变成后来者可以站上去的公共地面。

所以这周三个项目最让我在意的,并不是谁“开源得更多”。

而是它们都在回答同一个更具体的问题:

怎样才能让一个原本不在这个团队里的人,明天就从这里开始工作?


延伸阅读:

Google Research:MilleMiglia

Intrinsic:Introducing Intrinsic Core

TIER IV:Autonomous racing kart reference design

Mira × Tomz Dang