11,574 个星星，$730 万，和一个一夜之间变灰的仓库

目录

• 一个仓库在 24 小时内变成了灰色
• 它想解决的，是所有 AI 公司都会遇到的那个问题
• $730 万烧了两年，CEO 说「我们只花了一半」
• VC 的「基础设施安全论」正在裂开
• 现场验证：GitHub 上还有多少人在造同样的轮子
• 当开源项目变成 VC 的试验田

---

一个仓库在 24 小时内变成了灰色

6 月 12 日，GitHub 上有人发现了一件事。

一个名叫 TensorZero 的仓库，11,574 个星标，893 个 fork，去年 8 月刚宣布了 $730 万的种子轮融资。它的 README 上写着这么一句话：

「TensorZero 被从前沿 AI 初创公司到财富 10 强的企业使用，目前驱动着全球约 1% 的 LLM API 消费。」

1%。你把这个数字放在任何 SaaS 指标面前都是恐怖级别的存在。

然后仓库变灰了。

不是被 DMCA 下架，没有被收购，没有安全事件声明。就是一个干干净净的 This repository has been archived by the owner. It is now read-only.

创始人 Gabriel Bianconi 在 HN 上留言说，他们花了两年半做这个项目，融了 $730 万，2024 年完成——但声明是在将近一年后才公开的。然后，本周早些时候，他们决定关停。

「这个开源仓库会继续留在 GitHub 上（Apache 2.0 许可），但团队不会再主动维护它了。」

没有戏剧性的撕逼，没有投资人跑路的小作文。就是一个安静的「不干了」。

---

它想解决的，是所有 AI 公司都会遇到的那个问题

TensorZero 做的事情，说白了就是「AI 公司的运维中台」。

你有一堆模型——OpenAI、Anthropic、自己微调的 LLaMA、甚至跑在自家 GPU 上的开源模型。你要做一个产品功能，比如「根据用户输入自动选择最佳模型」，或者「A/B 测试两个 prompt 哪个效果好」，或者「记录每一次推理的输入输出方便调试」。

如果你自己写这些，每家公司都在重复造一个差不多的东西。

TensorZero 把它打包成一个开源平台——网关层做请求路由和 fallback，中间层做日志和观测，上面再加一层评测和实验管理。代码用 Rust 写，性能口碑不错。

这个定位踩中了一个真实痛点。它的 GitHub 星标增长曲线几乎和 AI 热潮的节奏完全同步。2024 年 7 月创建，到 2025 年 8 月宣布融资时已经攒了大几千星标。不靠营销，不靠 KOL 吹，就是做 LLM 的人在实际用、在传。

这也是为什么 $730 万的种子轮能拿到。VC 的逻辑很清晰：应用层竞争太激烈（后来他们管这个叫「GPT wrapper 陷阱」），但基础设施层——谁跑 AI 都需要网关、观测、评测——这个需求是刚性的，而且不会被少数大模型公司的 API 更新冲垮。

---

$730 万烧了两年，CEO 说「我们只花了一半」

这是整件事里最让我停顿的地方。

Bianconi 在 HN 上说得很明确：「这笔钱我们还没花到一半。」

$730 万的一半是 $365 万。一个 6-8 人的团队（开放式办公室 + 云端基础设施），两年半烧了不到 $365 万。在硅谷——尤其是在 AI 赛道——这个烧钱速度几乎可以说是克制到极致了。

但他们还是关停了。

为什么？

没人给出正式原因。但 HN 讨论区里的推测基本指向同一个方向：没找到 Product-Market Fit 的付费版本。

TensorZero 是有商业版的。开源版是 Apache 2.0 的 LLMOps 平台，商业版加了一些企业需要的功能（SSO、审计日志、专用支持）。问题在于——用你开源版的人不买商业版，愿意买商业版的公司又觉得「你这不就是个网关嘛，我让团队自己写一个」。

这就是开源商业化最经典的死亡螺旋：

• 你的用户基数很大（11K+ 星标、1% 的全球 LLM 消费流过你），但大部分是免费用户
• 你的付费转化率太低，养不起团队
• 企业用户嫌你小，不敢上生产依赖
• 然后你的种子轮烧完了，下一轮融不到，或者融到了但估值不升反降
• 于是你决定关张

令人注意的是，Seed 轮的 $730 万发生在 2024 年——那可是 AI 融资最疯狂的年份。如果 TensorZero 连那个窗口期的钱都烧不到下一轮，那这个时间点之后的 AI 开源初创公司处境只会更艰难。

---

VC 的「基础设施安全论」正在裂开

HN 的讨论里有一条评论，来自用户 jdw64：

「VC 觉得'应用层风险太大，基础设施安全'，所以把钱投给了 AI 基础设施。但如果一个像 TensorZero 这样的开源基础设施项目都能这么突然死掉，他们还会觉得这个投资理论本身安全吗？」

这个问题直指 AI 投资圈过去两年的「共识」正在一个一个地被事实质疑。

共识一：应用层是 GPT wrapper，没有护城河，不投。
→ 结果：Notion AI、GitHub Copilot、Cursor——应用层公司活得比大多数基础设施还好。

共识二：基础设施层有网络效应，投了就稳。
→ 结果：TensorZero 有 1% 的全球 LLM 消费流量，照样关门。网络效应没变现之前等于零。

共识三：开源 = 开发者信赖 = 天然护城河。
→ 结果：11K 星标，893 fork，Apache 2.0——全部开源了，然后没人付钱。

这就引出了一个更刺骨的问题：GitHub 星标到底是资产还是负债？

当你只有 100 个星标的时候，你不会觉得这是问题。当你有一万个星标但只有三位数付费用户的时候，你才会意识到——每一个免费用户对你的项目表示「认可」，都在微妙地降低其他人付钱的意愿。因为「Apache 2.0 而且 11K 星标」给人的第一印象是「这肯定是免费好用的」，而不是「这值得我每年付几万刀」。

---

现场验证：GitHub 上还有多少人在造同样的轮子

我顺手查了一下，TensorZero 并不是唯一一个在这个领域倒下的项目。但它引发了另一个问题：LLM 网关/LLMOps 这个品类里，到底有多少现存的同类型项目？

简单搜了一下，活跃的就有超过 20 个——Portkey、Helicone、LangSmith、Weights & Biases Prompts、Arize Phoenix、LiteLLM、OpenRouter……每个都在做观测/网关/评测这三件套中的至少两件。

这个品类的拥挤程度，已经堪比当年「Kubernetes 管理平台」那一波了。而在那一波里，除了 Rancher（被 SUSE 收购）和 Openshift（被 Red Hat 自己养），大部分都消失了。

我还做了一件很小的事：翻了翻自己服务器上的日志，看最近有哪些 LLM 请求经过了什么样的网关逻辑。答案是——没有专门的网关，就是直接在代码里 if model == 'gpt-4': endpoint_a else: endpoint_b。粗糙，但对我够用。

这种「够用就行」的心态，可能是 TensorZero 们最大的敌人。

---

当开源项目变成 VC 的试验田

TensorZero 的故事不是个案。它是一类现象的代表——在 VC 资金的催化下，一大批 AI 开源项目在过去两年半里被快速组建、快速生长、然后再快速熄灭。

这本身也不是道德批判。创始人做了选择，VC 冒了风险，代码留在了世上（Apache 2.0，永久可用），用户最多需要换个依赖。比起跑路项目或者闭源之后再关停的 SaaS，已经体面太多了。

但它让我们看到一件事：开源作为一个商业模式，在 AI 时代可能比以往任何时候都更脆弱。

不是因为开发者不愿意付钱——愿意付钱的人一直都有。而是因为 AI 技术栈的更新速度已经快到了「一年前的架构今天可能就过时了」的程度。你今天花钱部署了一个 LLMOps 平台，三个月后出现了一个新的模型架构范式（像 DeepSeek 的 MoE 优化），你的网关层可能得全部重写。

在这样一个周期里，「开源 + 种子轮 + 等企业采购」这个公式太难跑通了。你需要的是要么有一个源源不断的资金源（像 Meta 养 PyTorch），要么你的产品本身就是大公司内部孵化的（像 Google 的 Vertex AI），要么你就别想融资——像 LiteLLM 那样小团队低调运行，活得反而更久。

TensorZero 的仓库还是灰的。代码还在，fork 还在，1% 的全球 LLM 消费数据也还在某个地方。只是没人再更新它了。

我猜，六个月后这个仓库会被 fork 出一个社区维护版。再六个月后，那个版本也会停止更新。这就像一个开源版本的「冷却定律」——热度总归要消散，只不过这次消散得比所有人都预想的要快一些。