两个加拿大人第二次把「让复杂技术变简单」做成基础设施——上回是 Docker Desktop，这回是本地大模型；14 个人服务 890 万开发者，GitHub 约 18 万 star
案例档案
| 项目 | 内容 |
|---|---|
| 谁做的 | Jeffrey Morgan（CEO）+ Michael Chiang，两位加拿大人，在滑铁卢大学相识；2023 年创立，最初在多伦多，后迁至美国加州帕洛阿尔托 |
| 怎么赚钱 | 免费开源的本地模型运行工具打底做漏斗，再卖云端大模型服务（Pro/Max/Team 计划，2026-08-31 起改用行业标准按 token 计价），团队约 14 人 |
| 收入与规模 | 未官方披露；B 轮 6500 万美元由 Theory Ventures 领投，累计融资 8800 万美元；Benchmark、8VC、Y Combinator、Pace Capital、49 Palms、GTMFund 及多家天使跟投；每月 890 万开发者在用、85% 的财富 500 强公司里有人在用；每周自然新增约 10 万用户 |
| 流量从哪来 | 开源产品自带分发 + 开发者口碑 + 免费桌面版当漏斗 + 云端服务变现 + 「AI 的个人电脑时刻」叙事 |
| 平台数据 | GitHub 主仓库约 18.1 万 star · 正式 release 约 250 个 / git tag 约 660 个 · 约 451 贡献者 · 最后提交 2026-09-16（2026-09-16 抓取） |
| 分类 | AI 基础设施 / 开源 / 开发者工具 / 英文 |
| 证据等级 | 平台数据可查 |
它是什么
Ollama 解决一个很朴素的痛点：想在自己电脑上跑一个开源大模型，太麻烦了。
2023 年初，想本地跑 Llama，得自己配环境、装依赖、处理 CUDA、调参数，一个机器学习博士都得折腾半天。Ollama 把它变成一条命令：下载、安装、ollama run，完事。
它免费、开源，跑在你自己机器上，数据不出本地。后来加了云端服务，给本地显卡跑不动的大模型用。
到 2026 年：每月 890 万开发者在用，85% 的财富 500 强公司里有人在用，每周自然新增约 10 万用户——而公司只有 14 个人。开源侧更夸张：GitHub 主仓库约 18.1 万 star、约 450 个贡献者、约 250 个正式 release，截至 2026-09-16 仍约每周一发版、最后一次提交就在当天。
怎么赚钱
开源免费版做漏斗，云端服务变现——过去十年基础设施公司最标准的打法。2026 年 8 月底，Ollama 把 Pro/Max/Team 计划改成了行业标准的按 token 计价，各档都含一定用量——从「订阅打包」走向更细的用量计费。
融资：早期一堆开源圈明星天使（Solomon Hykes、Aaron Katz、Spencer Kimball 等）；B 轮 6500 万美金（Theory Ventures 领投，Benchmark、8VC、Y Combinator、Pace Capital、49 Palms、GTMFund 跟投），累计 8800 万。公司从多伦多搬到帕洛阿尔托，Morgan 的理由直白：「湾区是 AI 的中心。」
最骚的点：同一套打法，他们已经赢过一次
这案例最值得拍桌子的，是它不是第一次干这事。
两人早年做了 Kitematic——让普通人也能轻松用上 Docker 的开源工具，2015 年卖给 Docker。那次收购的产物，就是今天每天 1000 万+ 开发者在用的 Docker Desktop。
同一个团队、同一套方法论，在两代基础设施上各成功一次： 发现一项很强但门槛极高的技术 → 做一个把它变简单的开源工具 → 让它成为事实标准 → 卖给出价最高的人或自己长成平台。Docker 当年难用，所以有 Kitematic；本地跑大模型难用，所以有 Ollama。巨头把技术做得越复杂，中间那层「翻译官」的机会就越大。
流量从哪来
- 开源本身就是最好的分发——开发者搜「怎么本地跑 Llama」，答案就是 Ollama，零广告费；
- 产品好到「能跑就行」就是最高评价——一条命令、开箱即用，是它被开发者口口相传的核心理由；
- 从免费到付费路径极短——先在自己电脑用，团队要更大模型/协作/部署，自然走到云端付费；
- 叙事踩得准——「AI 正在经历它的个人电脑时刻」，而 Ollama 站在正中间。
站长是谁
Jeffrey Morgan（CEO）和 Michael Chiang，两个加拿大人，滑铁卢大学认识。上一回 Kitematic→Docker Desktop，这一回 Ollama→本地 AI 运行时。Morgan 自己总结这轮判断：「AI 正在经历个人电脑时刻，而 Ollama 处在正中间。」
相似项目，命运对照
- LM Studio / LocalAI 等：同样做本地跑模型，但没把「一条命令搞定」做到 Ollama 这种事实标准度，也没长出云端付费层。Ollama 赢在「不折腾」+ 开源社区规模。
- 一堆「开源大模型托管」平台：把模型塞云端给 API，和 Ollama 本地路线正好相反。Ollama 赌的是「数据不出本地 + 个人化」这条 PC 式路线。
这个案例能学到什么
第一，免费开源工具是最强的获客产品。获客成本近零，信任却最深。
第二，成功的方法论可以复用。别只盯项目，要盯你真正擅长的那个动作——「把复杂变简单」。
第三，越复杂的技术，「变简单」的价值越大。
第四，基础设施不靠堆人。14 人服务 890 万开发者，关键变量是判断力不是人力。
第五，选址跟着要素走。从多伦多搬帕洛阿尔托，理由就一句「湾区是 AI 的中心」。
一句话总结
两个加拿大人第二次把「让复杂技术变简单」做成基础设施——上一回是 Docker Desktop，这一回是本地大模型。14 个人服务 890 万开发者、GitHub 约 18 万 star、每周还在发版：他们卖的不是代码，是「不用折腾」这四个字。
拓展阅读
SiteGPT：印度独立开发者把「训练于自家内容的 AI 客服」做成…：同版块的站内帖，同样围绕 开发者，往深里读接这一篇。
Dark Reader：一个独立开发者…：还是 万用户，同版块的另一篇站内帖。
SponsorBlock：让用户互相帮忙跳过广告…：同版块的站内帖，同样围绕 一个开，往深里读接这一篇。
OSCA 461999 未分类的个人服务和旅行工作人员…：职业分类库·澳洲ANZSCOOSCA的资料帖，另一条线上和 人服务 挨着的一篇。
职业评估和189申请时，需要证明身份证和护照是同一个人吗？：换个版块看 同一：申请工具箱的版块介绍帖。
参考资料
- 站点：https://ollama.com（Blog：2026-08-31 Pro/Max/Team 改按 token 计价；2026-07-09 宣布 8.9M 开发者、累计融资 8800 万）
- 融资新闻稿：Business Wire 2026-07-09（B 轮 6500 万，Theory Ventures 领投，累计 8800 万；Benchmark、8VC、Y Combinator、Pace Capital、49 Palms、GTMFund 跟投）
- 经营：每月 890 万开发者、85% 财富 500 强（官方新闻稿）；每周自然新增约 10 万、团队约 14 人（Morgan 对 BetaKit）
- 开源（2026-09-16 抓取 GitHub API）：主仓库 181,118 star、17,905 fork、约 451 非匿名贡献者、正式 release 约 250 个、git tag 约 660 个、最新 release v0.34.1（2026-09-14）、最后推送 2026-09-16
- 创始人：Morgan 与 Chiang，滑铁卢大学相识；Kitematic 2015 售予 Docker（即 Docker Desktop，每日 1000 万+ 开发者在用，BetaKit）
- 数据口径：核查日期 2026-09-16。融资——B 轮 6500 万美元（Theory Ventures 领投，Benchmark/8VC/Y Combinator/Pace Capital/49 Palms/GTMFund 跟投，Garage Capital、GTMfund 见 BetaKit），累计 8800 万美元；公开点名的天使含 Solomon Hykes、Aaron Katz、Spencer Kimball 等。规模——官方称每月 890 万开发者、85% 财富 500 强公司内有人用；Morgan 对 BetaKit 称每周自然新增约 10 万用户、团队约 14 人。开源——GitHub 主仓库约 18.1 万 star（2026-09-16：181,118）、约 1.79 万 fork（17,905）、约 451 名非匿名贡献者、正式 release 约 250 个、git tag 约 660 个、最后一次提交 2026-09-16，仍高频迭代（最新 release v0.34.1 发布于 2026-09-14）。定价——2026-08-31 起 Pro/Max/Team 计划改用按 token 计价、各档含用量。创始人——Morgan 与 Chiang 滑铁卢大学相识，此前 Kitematic 2015 年售予 Docker，即 Docker Desktop。
飞出国编辑部修订 · 2026-09-17。本文为本次修订内容。