导读
Forbes 发了一篇重磅人物报道：Dify 创始人张路宇，中学辍学，曾在腾讯做产品，2022 年创办了开源 AI 应用平台 Dify。如今这家公司 GitHub 拿下 14.2 万颗星，服务 280 多家企业客户，刚完成 3000 万美元融资——而他正在把公司从中国搬往硅谷。中美 AI 竞争白热化的今天，一个中国背景的开源 AI 基础设施公司，为什么偏要往最敏感的地方扎？
2026 年 5 月 24 日，Forbes 官方账号在 X 上发了一条帖子，标题劲爆：
"This Middle School Dropout Built His AI Startup In China. Now He's Scaling It In Silicon Valley."
「这个中学辍学生在中国创建了他的 AI 创业公司。现在，他正把它扩张到硅谷。」
▲ Forbes 官方推文，配图为 Dify CEO 张路宇
这篇报道由 Forbes 资深记者 Anna Tong 撰写，做的是 Daily Cover——Forbes 网站当天的头条级别。
▲ Forbes 原文标题与配图
文章开篇就写到一个细节：张路宇去年搬到美国，英语说不利索，也没打算现在学。
"I'm too busy with work right now to improve my English," he tells Forbes through a translator, sitting in a temporary office in Menlo Park. "That requires time, and right now I don't have a day to lose."
「我现在太忙了，没时间学英语，」他通过翻译告诉 Forbes，当时坐在 Menlo Park 一间临时办公室里。「学语言需要时间，但我一天都耽误不起。」
一个英语都不太会说的中国创始人，坐在硅谷腹地 Menlo Park 的临时办公室里——Forbes 用这个场景打头，显然在暗示一件事：他来硅谷，压根没想着融入，就是来打仗的。
Forbes 报道了张路宇的非典型履历。
他来自安徽，中学时期就开始给人做网站，据报道月入约 1000 美元——比当公务员的父亲赚得还多。传统学校体系让他感到窒息，于是他选择辍学，直接进入互联网行业。
到 2018 年，他已经在腾讯担任产品负责人。在中国互联网黄金十年里，这类"跳过学历直接上战场"的工程型创业者并不少见——但多数人最终去做了 App 或电商。张路宇选了一条不同的路。
2022 年，生成式 AI 爆发。他决定做一件事：让所有开发者都能快速构建 AI 应用，不用从零写后端。
这就是 Dify 的起点。
先看数字。
据 Forbes 报道，Dify 目前约 100 名员工，已经盈利，服务超过 280 家企业客户，其中包括 Volvo、ThermoFisher Scientific 和 Novartis 这样的跨国公司。最近完成了 3000 万美元 B 轮融资，估值 1.8 亿美元，投资方包括 HSG（原红杉中国）、GL Ventures、五源资本和 Mizuho Leaguer Investment。
▲ Dify 官网：Build Production-Ready Agentic Workflow，客户 logo 包括 Volvo、Ricoh、ThermoFisher、Anker 等
再看产品。
Dify 官网的自我定义已经从早期的"低代码 LLM 应用构建器"升级为"Build Production-Ready Agentic Workflow"。它提供的能力包括：agentic workflows、RAG pipelines、工具集成、可观测性、模型管理，覆盖从 prototype 到 production 的全链路。
▲ Dify Docs：一个用于构建 agentic workflows 的开源平台
简单说，2023-2024 年企业需要的是"把大模型接进客服和知识库"，到 2025-2026 年竞争焦点已经转向agent workflow、工具调用、MCP 协议、权限管控和团队协作。Dify 的产品线正好卡在这个升级带上。
开源项目的生命力看社区。
GitHub 数据显示，`langgenius/dify` 仓库创建于 2023 年 4 月，截至本次采集已累积142,467 颗星、22,414 次 fork、超过 10,750 次 commit 和 800 多位贡献者。据 Forbes 报道，Dify 已进入 GitHub 全站最受欢迎项目的前列。
▲ GitHub langgenius/dify：142k stars，最近一次提交就在采集当天
Dify 社区论坛同样活跃。首页置顶的 Agent Skills for Production Workflows 公告关联了 1.14.0-rc1 版本，介绍了沙箱运行时、Skill Editor、Agent Mode 等新功能。
▲ Dify Community 论坛：Agent Skills、模板市场、协作功能正在密集迭代
14 万颗星的开源底盘给了 Dify 三件武器：开发者试用零门槛、企业自托管可审计、社区贡献持续供血。
但开源热度能换来企业合同吗？GitHub stars 能顶住地缘政治审查吗？这正是张路宇要回答的下一个问题。
Forbes 把张路宇放在一个更大的趋势里：一批中国 AI 创始人正在把家庭和公司迁往硅谷。
表面看，这与中美科技脱钩、先进 AI 芯片出口管制、美国政界对知识产权和国家安全的焦虑格格不入。但 Forbes 的观察是——创始人们还是在来。
张路宇给出了自己的解释：
If you want to build a global AI infrastructure company, you have to be where the competition is fiercest.
「如果你想做全球 AI 基础设施公司，就必须在竞争最激烈的地方扎根。」
他把硅谷称为 AI 基础设施公司的"Olympic arena"（奥运竞技场）。
Forbes 还引用了投资人 Lake Dai（Sancus Ventures）的话：过去两年至少有 100 位中国创业者咨询过赴美事宜。外资撤离中国市场、融资环境收紧，也在迫使创始人重新选择战场。Dai 同时指出，很多创业者会刻意强调产品本身，回避创始人出生地的话题——没人想在产品验证之前就被贴上地缘标签。
Dify 的具体做法是：核心开源工程团队约 60 人仍在中国，增长、销售和全球品牌运营正在向硅谷和东京转移。据 Forbes 报道，张路宇并不回避 Dify 的中国根源——但他正在重新设计公司的全球架构，让它看起来更像一家"碰巧从中国出发"的全球开源公司，而非"一家中国公司的海外分支"。
这才是这篇报道最值得深挖的地方。
TikTok 的长期审查和剥离压力已经成了所有中国背景科技公司进入美国时绕不开的参照物。Forbes 也提到，部分美国投资人正在主动回避有中国背景资本参与的公司，硅谷内部的某些反华情绪也在发酵。
张路宇在 Forbes 中的回应是：讨论 AI 与中国创业者时，需要更细分。他的核心论点是，Dify 是开源产品，客户通常可以自托管，企业数据不经过 Dify 的服务器——这与消费级社交平台的算法黑箱和数据吸入模式完全不同。
张路宇认为 Dify 不属于他所说的 "sensitive sector"。
这个自我定位有意思。他试图在监管视野里划出一条线：开源、可自托管、面向企业开发者的 AI 工具链，和掌控亿级用户数据流的消费级平台，风险等级天差地别。
逻辑上有道理。但市场和监管是否接受这种区分，是另一回事。
当 AI workflow 平台连接的是企业内部数据、工具链和业务流程时，安全审查、数据边界和供应链合规，仍然会是每一个潜在企业客户的采购必答题。开源代码可以审计，但信任不能仅靠代码透明来建立——它还需要组织架构、数据治理、合规认证和持续的社区信誉积累。
回到这件事本身。
Forbes 这篇报道的价值，并不只是讲了一个"中学辍学、逆袭硅谷"的励志故事。如果只看这个角度，你会错过更大的图景。
张路宇和 Dify 正在趟的路，是一个结构性问题：在中美 AI 竞争的夹缝中，一家开源 AI 基础设施公司到底能走多远？
它必须同时处理四条线——
全球市场：AI 应用开发平台的竞争已经全球化。LangChain、CrewAI、AutoGen 都在抢同一批企业客户，Dify 如果只待在中国市场，天花板一眼望得到头。
社区信任：14 万星的开源社区是 Dify 最大的资产，也是最脆弱的。一旦社区认为公司的商业化方向侵蚀了开源精神，或者地缘政治让贡献者犹豫，这个生态可以迅速冷却。
地缘审查：TikTok 效应已经让所有中国背景的科技公司都背上了举证义务。Dify 必须主动证明自己"不是那种公司"，而不能等着市场给它下定义。
工程产品化：从 GitHub 热门项目到能承载企业生产流量的商业产品，中间隔着合规、SLA、安全认证和客户成功团队——这些都是 star 数买不来的。
Forbes 文末还留了一个重要判断：美国 AI 生态长期依赖中国背景的技术人才。脱钩的政治声量很大，但人才流动的底层逻辑从未真正中断。
张路宇的故事，在今天的时间点上还没有终局。但 Forbes 愿意把头条给他，本身已经说明一件事：硅谷正在认真审视这批"从中国来"的 AI 基础设施公司——带着好奇，也带着戒备。
文章来自于"神经界碑"，作者 "北洋克顿先锋"。
【开源免费】AutoGPT是一个允许用户创建和运行智能体的（AI Agents）项目。用户创建的智能体能够自动执行各种任务，从而让AI有步骤的去解决实际问题。
项目地址：https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目，只需要输入一句话的老板需求，MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色，包括产品经理 / 架构师 / 项目经理 / 工程师，MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址：https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】FASTGPT是基于LLM的知识库开源项目，提供开箱即用的数据处理、模型调用等能力。整体功能和“Dify”“RAGFlow”项目类似。很多接入微信，飞书的AI项目都基于该项目二次开发。
项目地址：https://github.com/labring/FastGPT
【开源免费】graphrag是微软推出的RAG项目，与传统的通过 RAG 方法使用向量相似性作为搜索技术不同，GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。
项目地址：https://github.com/microsoft/graphrag
【开源免费】Dify是最早一批实现RAG，Agent，模型管理等一站式AI开发的工具平台，并且项目方一直持续维护。其中在任务编排方面相对领先对手，可以帮助研发实现像字节扣子那样的功能。
项目地址：https://github.com/langgenius/dify
【开源免费】RAGFlow是和Dify类似的开源项目，该项目在大文件解析方面做的更出色，拓展编排方面相对弱一些。
项目地址：https://github.com/infiniflow/ragflow/tree/main
【开源免费】phidata是一个可以实现将数据转化成向量存储，并通过AI实现RAG功能的项目
项目地址：https://github.com/phidatahq/phidata
【开源免费】TaskingAI 是一个提供RAG，Agent，大模型管理等AI项目开发的工具平台，比LangChain更强大的中间件AI平台工具。
项目地址：https://github.com/TaskingAI/TaskingAI
