只说开源的话，就是纯纯粹粹的不能急，也不要指望着它能带来收入。
绝大部分时候就是用爱发电，就是想着方便自己造福别人，就是一种满足感的体现 。你抱着想赚钱的心去做，肯定不行， 原因就是周期太长太长太长了 。这甚至和论文不同，论文好歹你发出去就结束了，开源项目是需要长期，长达数年的投入。以我自己维护的几个项目来说，从17年做到现在的四年里基本上要维持每个月一个新版本，而且需要时刻关注底层依赖的系统的更新，因为很容易造成自己系统报错。我最怕numpy 更新，毕竟对它依赖的太深了。
因此大部分知名的开源系统，要不依赖于学校实验室（教授终身教职保证了学生们进行长期更新），要不依赖大公司做底层架构（像tensorflow和pytorch这种真的不仅仅是PR，而是通过底层基建来垄断市场），以及一些零星的像我这样用爱发电的个人开发者。 而个人开发者好处是容易合作，在特定的契机下容易组成一个专业的小团体对开源内容进行长期更新，而成立公司只是进一步的发展 。
这类项目再进一步发展，就会进入这种开源+商用的商业模式 。很多类似的项目，包括我现在加入的一些项目，都会采用一套系统，两套授权。比如ABC系统，对于任何人都是免费的，它也是最好的处理XYZ任务的系统，但是你也可以通过付费给ABC系统的开发团队寻求技术支持，或者咨询服务，让他们帮你做特定的商业项目。 在这种前提下，系统本身+开发团队的经验就成了商业价值，而不同的只是系统的部分开源了，这点和传统卖软件的还是有区别 。
其实你很难说哪种策略更好，毕竟开源系统的口碑更好、受众更广，还可以得到来自路过群众的反馈和帮助，但当然你也会流失一些本身会付费的用户。 其实说到底这种开源+商业的模式是「价格歧视」的一个具体体现 ，你愿意自己折腾学习系统他就免费，你希望更专业的支持和服务就付费。
回到问题本身，为什么中国这类企业比较少？数量上其实我不了解， 但我觉得核心问题是大部分人工智能的开源系统都是国外做的，各种方向的龙头都被人家收入囊中 。如果你想要「半商业化」一个开源项目，它在那个领域至少得是排的上号的，不然谁会给你付费呢？
而因为商业模式不明晰，周期长，绝大部分企业和个人都不愿忍受长期的用爱发电且不一定最后能商业化的代价 。而作为普通个人，每天工作那么长时间，更没有时间长期用爱发电，这个问题就要回到了社会工作压力大，家庭责任重的话题上，暂且不表。
因此如何解放科技工作者，让大家在工作之余有点时间做点自己感兴趣的事情，用爱发发电，赌一赌未来，大概才是这个问题的最终解答 。
