[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-ollama-raises-65m-14-people-8-9m-users-zh":3,"article-related-ollama-raises-65m-14-people-8-9m-users-zh":32,"series-tools-44eead66-c13e-48e9-919e-2dede91d44aa":78},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":24,"views":28,"created_at":29,"published_at":30,"topic_cluster_id":31},"44eead66-c13e-48e9-919e-2dede91d44aa","ollama-raises-65m-14-people-8-9m-users-zh","Ollama 拿下 6500 萬美元，14 人撐起 890 萬用戶","\u003Cp data-speakable=\"summary\">Ollama 以 14 人團隊拿下 6500 萬美元融資，每月有 890 萬開發者使用，代表本機跑 AI 模型已進入日常工作流。\u003C\u002Fp>\u003Cp>\u003Ca href=\"https:\u002F\u002Follama.com\" target=\"_blank\" rel=\"noopener\">Ollama\u003C\u002Fa> 這輪拿到 6500 萬美元。公司只有 14 名員工，規模小得很誇張。它還說有 890 萬開發者每月在用，這個數字比融資額更有意思。\u003C\u002Fp>\u003Cp>因為這代表一件事。本機跑 \u003Ca href=\"\u002Ftag\u002Fllm\">LLM\u003C\u002Fa> 已經不是邊角玩法。它開始像 \u003Ca href=\"https:\u002F\u002Fwww.docker.com\" target=\"_blank\" rel=\"noopener\">Docker\u003C\u002Fa> 一樣，成為開發者日常工具的一部分。\u003C\u002Fp>\u003Ctable>\u003Cthead>\u003Ctr>\u003Cth>指標\u003C\u002Fth>\u003Cth>數值\u003C\u002Fth>\u003Cth>意義\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd>融資金額\u003C\u002Ftd>\u003Ctd>6500 萬美元\u003C\u002Ftd>\u003Ctd>顯示資本市場看好本機 AI 工具\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>團隊人數\u003C\u002Ftd>\u003Ctd>14 人\u003C\u002Ftd>\u003Ctd>說明公司運作極度精簡\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>每月開發者用戶\u003C\u002Ftd>\u003Ctd>890 萬\u003C\u002Ftd>\u003Ctd>代表本機模型使用已很普遍\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003Ch2>Ollama 把本機 AI 做成日常工具\u003C\u002Fh2>\u003Cp>\u003Ca href=\"https:\u002F\u002Follama.com\" target=\"_blank\" rel=\"noopener\">Ollama\u003C\u002Fa> 的核心想法很直白。讓開發者在自己的電腦上跑 \u003Ca href=\"https:\u002F\u002Fwww.ollama.com\u002Flibrary\" target=\"_blank\" rel=\"noopener\">LLM models\u003C\u002Fa>，不用把安裝流程搞成災難現場。這種工具最怕的就是設定太長，長到大家還沒開始測試就先放棄。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784167385501-huif.png\" alt=\"Ollama 拿下 6500 萬美元，14 人撐起 890 萬用戶\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這家公司背後的人也很有意思。共同創辦人 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fjmorganca\" target=\"_blank\" rel=\"noopener\">Jeff Morgan\u003C\u002Fa> 和 Michael Chiang 之前做過 \u003Ca href=\"https:\u002F\u002Fwww.kitematic.com\" target=\"_blank\" rel=\"noopener\">Kitematic\u003C\u002Fa>，後來又參與 \u003Ca href=\"https:\u002F\u002Fwww.docker.com\u002Fproducts\u002Fdocker-desktop\u002F\" target=\"_blank\" rel=\"noopener\">Docker Desktop\u003C\u002Fa>。他們很懂一件事：開發者不是討厭 AI，而是討厭麻煩。\u003C\u002Fp>\u003Cp>所以 Ollama 的產品哲學很像容器工具。先把複雜度藏起來，再讓使用者快速進入工作狀態。這種路線很土，但很有效。\u003C\u002Fp>\u003Cul>\u003Cli>本機執行能把資料留在自己的機器上。\u003C\u002Fli>\u003Cli>離線工作時，模型也能繼續跑。\u003C\u002Fli>\u003Cli>少了反覆呼叫 API，延遲通常更穩。\u003C\u002Fli>\u003Cli>14 人團隊代表產品必須夠精簡。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>6500 萬美元不是小數字\u003C\u002Fh2>\u003Cp>6500 萬美元對一家 14 人公司來說，很有份量。這筆錢不是拿來做華麗公關，而是讓公司有空間擴產品、擴基礎設施，還能撐住更多硬體與模型相容性需求。\u003C\u002Fp>\u003Cp>這輪融資也很能看出市場方向。雲端 AI \u003Ca href=\"\u002Ftag\u002Fapi\">API\u003C\u002Fa> 仍然很強，像 \u003Ca href=\"https:\u002F\u002Fopenai.com\" target=\"_blank\" rel=\"noopener\">OpenAI\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\" target=\"_blank\" rel=\"noopener\">Anthropic\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fai.meta.com\" target=\"_blank\" rel=\"noopener\">Meta AI\u003C\u002Fa> 都在搶開發者注意力。可是在這條線之外，本機推論也有自己的市場，尤其是重視隱私、成本和延遲的團隊。\u003C\u002Fp>\u003Cp>我覺得這輪錢的訊號很清楚。投資人不是只在賭模型本身，而是在賭模型\u003Ca href=\"\u002Fnews\u002Fanthropic-state-ai-rules-crypto-impact-zh\">怎麼\u003C\u002Fa>被使用。誰能把 AI 變成像資料庫一樣自然的工具，誰就有機會拿到更長的使用時間。\u003C\u002Fp>\u003Cblockquote>“The best way to predict the future is to invent it.” — Alan Kay\u003C\u002Fblockquote>\u003Cp>這句話被用到爛，但放在這裡還算貼切。Ollama 在做的事很實際，就是把本機 AI 變成一種預設選項，而不是實驗室玩具。當工具夠順手，開發者自然會留下來。\u003C\u002Fp>\u003Ch2>Docker 背景很重要\u003C\u002Fh2>\u003Cp>\u003Ca href=\"https:\u002F\u002Fwww.docker.com\u002Fproducts\u002Fdocker-desktop\u002F\" target=\"_blank\" rel=\"noopener\">Docker Desktop\u003C\u002Fa> 和 \u003Ca href=\"https:\u002F\u002Fwww.kitematic.com\" target=\"_blank\" rel=\"noopener\">Kitematic\u003C\u002Fa> 的經驗，直接影響了 Ollama 的產品思路。這些工具都在處理\u003Ca href=\"\u002Fnews\u002Fdatabricks-query-foundation-models-guide-zh\">同一\u003C\u002Fa>件事：把原本很煩的環境設定，壓縮成幾個步驟。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784167376367-pw9o.png\" alt=\"Ollama 拿下 6500 萬美元，14 人撐起 890 萬用戶\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這種背景讓 Ollama 很清楚開發者要什麼。不是更多按鈕，也不是更多視覺效果。是能不能在 3 分鐘內拉起模型，開始測 prompt，開始做實驗。\u003C\u002Fp>\u003Cp>這也是為什麼它和傳統 AI 平台的氣質差很多。雲端平台常常強調能力，Ollama 強調可用性。前者像賣引擎，後者像賣鑰匙。\u003C\u002Fp>\u003Cul>\u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.docker.com\u002Fproducts\u002Fdocker-desktop\u002F\" target=\"_blank\" rel=\"noopener\">Docker Desktop\u003C\u002Fa> 解決的是容器環境管理。\u003C\u002Fli>\u003Cli>\u003Ca href=\"https:\u002F\u002Follama.com\" target=\"_blank\" rel=\"noopener\">Ollama\u003C\u002Fa> 解決的是本機模型部署。\u003C\u002Fli>\u003Cli>兩者都靠降低設定成本取勝。\u003C\u002Fli>\u003Cli>兩者都把複雜技術包成日常工具。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這個類比很重要，因為基礎設施工具常常不是靠聲量贏，而是靠黏性贏。只要你每天都用，它就會變成工作流的一部分。\u003C\u002Fp>\u003Ch2>890 萬用戶比融資更有說服力\u003C\u002Fh2>\u003Cp>890 萬每月開發者用戶，這數字很大。就算其中有人只是偶爾打開\u003Ca href=\"\u002Fnews\u002Fkaspis-super-app-packs-7-services-one-app-zh\">一次\u003C\u002Fa>，規模還是很驚人。這代表本機 AI 不是少數人的偏好，而是已經有明確需求基礎。\u003C\u002Fp>\u003Cp>更妙的是，這個數字和 14 人團隊形成強烈對比。人少，使用者多，代表公司得很會取捨。功能不能亂加，客服不能爆量，產品也不能把自己做成一團。\u003C\u002Fp>\u003Cp>對\u003Ca href=\"\u002Ftag\u002F台灣開發者\">台灣開發者\u003C\u002Fa>來說，這件事很實際。你如果在意資料不出機器、想在筆電上離線測試、或不想每次都算 \u003Ca href=\"\u002Ftag\u002Ftoken\">Token\u003C\u002Fa> 成本，本機模型就是很順手的路。以前這條路很麻煩，現在已經有人把入口做平了。\u003C\u002Fp>\u003Cp>如果你看競品，會更明白 Ollama 的位置。\u003Ca href=\"https:\u002F\u002Flmstudio.ai\" target=\"_blank\" rel=\"noopener\">LM Studio\u003C\u002Fa> 走的是圖形介面路線，\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fggerganov\u002Fllama.cpp\" target=\"_blank\" rel=\"noopener\">llama.cpp\u003C\u002Fa> 偏底層，\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Foobabooga\u002Ftext-generation-webui\" target=\"_blank\" rel=\"noopener\">text-generation-webui\u003C\u002Fa> 更像折騰型工具。Ollama 的優勢在於介於中間，對開發者剛剛好。\u003C\u002Fp>\u003Ch2>本機 AI 的市場脈絡已經變了\u003C\u002Fh2>\u003Cp>三年前，很多人把本機 AI 當成玩票。今天情況不同了。模型更小，硬體更強，Mac、Windows、Linux 都有不錯的執行環境，連筆電都能跑出可用速度。\u003C\u002Fp>\u003Cp>這背後還有成本壓力。雲端 API 很方便，但一旦進入大量測試、批次生成、或內部工具整合，費用就會往上疊。這時候本機推論就變得很實際，尤其是原型開發和內部測試。\u003C\u002Fp>\u003Cp>所以 Ollama 的價值不是單純「能跑模型」。它是在幫開發者重畫預設值。以前預設是先上雲，現在很多人會先問：能不能先在本機跑？\u003C\u002Fp>\u003Cp>我認為這個變化會繼續擴大。接下來真正重要的，不是誰模型最大，而是誰能把模型塞進開發者每天都會打開的工具裡。這場競爭很像編輯器、容器、套件管理器的老戰場。\u003C\u002Fp>\u003Ch2>Ollama 接下來要守住簡單\u003C\u002Fh2>\u003Cp>Ollama 現在的難題很明確。用戶變多之後，它要支援更多模型，也要照顧更多硬體組合。可是一旦產品開始變厚，原本那種「幾分鐘就能用」的感覺就會掉。\u003C\u002Fp>\u003Cp>所以接下來最值錢的能力，不是堆功能，而是守住體驗。模型下載、版本管理、GPU 支援、API 整合，這些都要做，但不能把介面和流程弄得像老式\u003Ca href=\"\u002Ftag\u002F企業軟體\">企業軟體\u003C\u002Fa>。\u003C\u002Fp>\u003Cp>如果它守得住，Ollama 很可能會繼續吃下更多本機 AI 的入口流量。我的判斷很直接：接下來 12 個月，真正值得觀察的不是它會不會再融資，而是有多少開發者把它當成預設工具。","Ollama 以 14 人團隊拿下 6500 萬美元融資，每月有 890 萬開發者使用，代表本機跑 AI 模型已進入日常工作流。","zhuanlan.zhihu.com","https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2058861012888114217",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784167385501-huif.png","tools","zh","0134cd64-6962-437e-ace7-664e15035d9f",[17,18,19,20,21,22,23],"Ollama","本機 AI","LLM","開發者工具","融資","Docker","local inference",[25,26,27],"Ollama 以 14 人團隊拿到 6500 萬美元，顯示本機 AI 工具已進入資本市場視野。","890 萬每月開發者用戶，代表本機跑模型已從小眾玩法變成常見工作流。","Ollama 的產品邏輯很像 Docker：把複雜設定藏起來，讓開發者快速開始工作。",0,"2026-07-16T02:02:29.250726+00:00","2026-07-16T02:02:29.231+00:00","f409bdc0-2dde-4019-9b2c-5235d94bcb5b",{"tags":33,"relatedLang":37,"relatedPosts":41},[34,35],{"name":20,"slug":20},{"name":19,"slug":36},"llm",{"id":15,"slug":38,"title":39,"language":40},"ollama-raises-65m-14-people-8-9m-users-en","Ollama raises $65M with 14 people and 8.9M users","en",[42,48,54,60,66,72],{"id":43,"slug":44,"title":45,"cover_image":46,"image_url":46,"created_at":47,"category":13},"2151fdfb-10ca-419c-b4f6-ce36d6ff435f","scale-turns-cuda-code-into-portable-gpu-builds-zh","SCALE 讓 CUDA 變可攜 GPU 編譯","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784210602836-wqlf.png","2026-07-16T14:02:55.366575+00:00",{"id":49,"slug":50,"title":51,"cover_image":52,"image_url":52,"created_at":53,"category":13},"194cb6f2-9263-4fe4-93f5-20f44ca1bdeb","2027-ai-ml-internship-jobs-daily-zh","2027 AI\u002FML 實習職缺每天更新","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784192579088-va17.png","2026-07-16T09:02:31.951176+00:00",{"id":55,"slug":56,"title":57,"cover_image":58,"image_url":58,"created_at":59,"category":13},"a4781236-56a1-4b87-b223-df328fd3a0e9","mimo-code-free-trial-not-production-ready-zh","MiMo Code 免費不等於生產力：先試用，再決定是否上車","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784169179259-qkyr.png","2026-07-16T02:32:25.375192+00:00",{"id":61,"slug":62,"title":63,"cover_image":64,"image_url":64,"created_at":65,"category":13},"0c51ae94-4e52-4b2b-81ab-436aed7b7b85","databricks-query-foundation-models-guide-zh","Databricks 讓你用同一套方式查模型","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784144051476-1d82.png","2026-07-15T19:33:44.882507+00:00",{"id":67,"slug":68,"title":69,"cover_image":70,"image_url":70,"created_at":71,"category":13},"aeb298e5-cfc1-40e4-beb9-2b083a863465","sglang-inference-is-the-product-zh","SGLang 會贏，因為推理才是產品層","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784140376310-f1dj.png","2026-07-15T18:32:19.070176+00:00",{"id":73,"slug":74,"title":75,"cover_image":76,"image_url":76,"created_at":77,"category":13},"10ad3ee2-3f02-479a-8c97-afa911c02a28","redmi-note-17-battery-camera-price-breakdown-zh","Redmi Note 17 把電量變主角","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784138636187-yzxd.png","2026-07-15T18:03:18.75152+00:00",[79,84,89,94,99,104,109,114,119,124],{"id":80,"slug":81,"title":82,"created_at":83},"855cd52f-6fab-46cc-a7c1-42195e8a0de4","surepath-real-time-mcp-policy-controls-zh","SurePath 推出即時 MCP 政策控管","2026-03-26T07:57:40.77233+00:00",{"id":85,"slug":86,"title":87,"created_at":88},"9b19ab54-edef-4dbd-9ce4-a51e4bae4ebb","mcp-in-2026-the-ai-tool-layer-teams-use-zh","2026 年 MCP：團隊真的在用的 AI 工具層","2026-03-26T08:01:46.589694+00:00",{"id":90,"slug":91,"title":92,"created_at":93},"af9c46c3-7a28-410b-9f04-32b3de30a68c","prompting-in-2026-what-actually-works-zh","2026 提示工程，真正有用的是什麼","2026-03-26T08:08:12.453028+00:00",{"id":95,"slug":96,"title":97,"created_at":98},"05553086-6ed0-4758-81fd-6cab24b575e0","garry-tan-open-sources-claude-code-toolkit-zh","Garry Tan 開源 Claude Code 工具包","2026-03-26T08:26:20.068737+00:00",{"id":100,"slug":101,"title":102,"created_at":103},"042a73a2-18a2-433d-9e8f-9802b9559aac","github-ai-projects-to-watch-in-2026-zh","2026 必看 20 個 GitHub AI 專案","2026-03-26T08:28:09.619964+00:00",{"id":105,"slug":106,"title":107,"created_at":108},"a5f94120-ac0d-4483-9a8b-63590071ac6a","claude-code-vs-cursor-2026-zh","Claude Code 與 Cursor 深度對比：202…","2026-03-26T13:27:14.279193+00:00",{"id":110,"slug":111,"title":112,"created_at":113},"0975afa1-e0c7-4130-a20d-d890eaed995e","practical-github-guide-learning-ml-2026-zh","2026 機器學習入門 GitHub 實用指南","2026-03-27T01:16:49.712576+00:00",{"id":115,"slug":116,"title":117,"created_at":118},"bfdb467a-290f-4a80-b3a9-6f081afb6dff","aiml-2026-student-ai-ml-lab-repo-review-zh","AIML-2026：像課綱的學生實驗 Repo","2026-03-27T01:21:51.467798+00:00",{"id":120,"slug":121,"title":122,"created_at":123},"80cabc3e-09fc-4ff5-8f07-b8d68f5ae545","ai-trending-github-repos-and-research-feeds-zh","AI Trending：把 AI 資源收成一張表","2026-03-27T01:31:35.262183+00:00",{"id":125,"slug":126,"title":127,"created_at":128},"3ce6e6e2-bac5-463e-9f8d-45caabcc61f7","awesome-ai-for-science-research-tools-map-zh","AI 科研工具清單，開始像地圖了","2026-03-27T01:46:50.521945+00:00"]