索正确的⽅向，花了很⻓时间积累。
海外独⻆兽：让你来做图⽚⽣成这种产品的话，你会怎么做？怎么兼顾语⾔理解和图⽚质量？
杨植麟：现在
Midjourney
在图⽚⽣成这个单⼀任务已经做得特别好了，我来做的话会希望它能做很多 任务，同时在其中的⼀些任务也能做得很好。这其实也是
OpenAI
的思路，只是它其实没做成功。 AGI
公司应该是⼊⼝逻辑，让⽤⼾默认⽤你，此外特定⼈群会有⼀些特殊需求和对极致效果的追求，所 间窗⼝，如果没时间窗⼝，那很可能直接被通⽤模型碾压。
海外独⻆兽：沿着⼊⼝逻辑的话，你觉得未来会有⼏个⼊⼝？
杨植麟：⾄少有两个，⼀个是有⽤的，⼀个是好玩的。 信息⼊⼝可能不存在了，因为我们搜寻信息本质上是希望端到端完成⼀个任务。智能的⼊⼝以后⼤概 率会覆盖搜索引擎这类信息⼊⼝。⼈获取信息并不是终极需求，它只是⼀直被强⾏定义成⼀种需求。 有些时候我们是希望完成⼀件事，有些时候是希望学习某个东西，AGI
的⼊⼝应该直接帮⽤⼾完成任 过程中会伴随着成本的优化。
海外独⻆兽：AGI
公司的商业模式应该是什么样的？还会是
seat-based
或者
usage-based
吗？
杨植麟：AGI
帮你完成的每个任务对应的价值不⼀样。它可能类似⼀个外包，按照每个任务定价。除此 之外，在任务解决过程中，⼴告肯定还会扮演重要⻆⾊，基于个性化互动和对话的⾏为，⼴告的变现 效率可能⽐现在要⾼很多。
海外独⻆兽：假如
GPT-4.5、Claude-3、Gemini-2

的探索，为行业提供 了宝贵经验。 推理扩展法则的潜力释放 通过推理扩展法则，模型性能可通过延长“思考时间”而进一步优化。这一技术模拟了人类 “深思熟虑”的过程，显著提升了模型在逻辑推理和复杂任务中的表现。 中国开源社区在逻辑推理领域推出了许多创新项目，包括阿里巴巴国际的 Macro-o1、通义 千问团队的 QwQ、上海人工智能实验室的 LLaMA-O1 和清华大学的 Llama-3.2V-11B-cot。 个开源社区提供了 23 / 111 丰富的资源，在这一过程中，小模型不仅在推理能力上有了显著提升，也推动了行业整体技术水 平的进步。 结合当前人工智能产业界的“人工智能+”计划，小模型在特定任务优化上的优势愈发突出， 预计将在金融、医疗和工业自动化等热门领域发挥引领作用，以更高效、更精准的方式满足多样 化需求，帮助人工智能在实际应用场景中落地。 开源多元化与应用细分 中国开源模型的 Agent）。2025，将会是智能体元年。 什么是智能体？目前业界一致认可的公式是“智能体=LLM+记忆+规划+工具”： 30 / 111 大模型充当智能体的“大脑”，负责对任务进行理解、拆解、规划，并调用相应工具以完成 任务。同时，通过记忆模块，它还能为用户提供个性化的服务。 智能体为什么是“算力墙”前 AI 产品的最优解决方案？这一问题的底层逻辑包含两个方面。 1. LLM 是目前已知最好的智能体底层技术。

可扩展的云原生服务网格项目，旨在为运行在 Kubernetes上的应用程序提供简单、完整且独 立的服务网格解决方案，包括处理在Kuberne- tes集群上运行的微服务的流量管理、策略执行 和可观测性等任务，以简化应用程序的部署和 管理。OSM于2020年8月推出，同年加入云原 生计算基金会（CNCF）。不久后，该项目成为 云原生计算基金会（CNCF）沙箱级别的项目。 2022年初，OSM正式发布v1 对基于HTTPProxy资源的路由实现了HTTP 查询参数匹配功能。 Flagger v1.31.0发布 Flagger是基于Kubernetes的开源工具，用 于实现持续交付和自动化部署。它提供流量分 配管理、故障检测和回滚机制等功能，帮助开 发人员和运维团队实现高效可靠的应用程序部 署和管理。Flagger于2020年7月加入云原生 计算基金会（CNCF）。 近日，Flagger v1.31.0发布，版本特性更新 如下： Decidim项目，在发展国际合作的基础上，与本 地开源社区开展密切合作，通过案例研究和讨论 会不断推进平台在本地的发展。旨在推广Decid- im在国际范围内的应用，并提升其本地化能力。 “我们的首要任务是深入地了解该地区企业在采 用和使用开源软件方面存在的困难和需求。”来 自芬兰东南应用科学大学的Open MemoryLab 项目经理Sami Jantunen指出。 在短期内，将通过提供支持、培训和协同学习等

加紧基础技术共建；向下对 应发行版ISV厂商，将软件向 更多行业及场景渗透 规划开源软件迭代方向，包 括但不限于软件特性增加、 现有功能增强、Bug修补， 并提出相应的合格指标 一方面积极对社区开发者的回 复给予反馈，另一方面发掘优 秀的灵感，增强创新能力 对开发者提交的代码进行评 审，确保代码的可读性和可 维护性，及时做出缺陷反馈 提出企业开源项目，确定是 否开源、开源时间、企业内 是否具有开源应用场景以及 开源>闭源：更轻、 更通用、更求灵活的 系统及运营思路下， 开发者贡献代码意愿 更强 对开源的影响 互联网巨头：将数据库在PaaS层封装，连带底层IaaS一 起对外提供能力，帮助客户对数据库作定制化的性能调优 其他厂商：具备一定技术能力，在开源社区中自行下载开 源版本，在云厂商IaaS层上部署自研数据库 互联网厂商 开源数据库 绝大部分基 于云构建， 可在分为两 类： 数据库门类较 多，配套开发 工具较齐全 数据备份 数据恢复 故障切换 … 可靠性 编程语言 系统接口 … 兼容性 存储 引擎 数据库内核  修改计算引擎支 持语法扩充  修改存储协议支 持更多数据库格 式  底层IO调优支持 高并发能力  … 围绕内核层级的 开发贡献 围绕数据库内核开发在国外 开发者中较为常见，国内开 发者对此贡献较少。此种生 态下，有实力的国内硬核开 发者倾向于转至国外开源社 区进行开发

2020 中国开源年度报告 前⾔ 撰写这篇前⾔，我们的⼼情⼀直很复杂，很难⽤某种词汇来概括。在⼼⾥升起的⼀句话 是：“这是最好的时代，这是最坏的时代”。 也许多年以后，我们回看 2020 年，会将其称之为：世界剧变之始。很多朋友在去年，甚 ⾄“每⼀天都在亲历历史，每⼀天都是活久⻅！”新冠疫情与中美贸易战，在同⼀年加剧。⽽因 为疫情和贸易战，世界正在加速发⽣变化。 在这样的历史⼤背景下，我们在开源界，也发现了以下三个趋势： Apache 邮件列表都是存档的，并且可以公开访问，以确保⾃动协作，这些是⼀个 全球分布的社区所必须的条件。  由于⽆法在任何时候都达成完全共识，此时就可能需要传统⽽具有约束⼒的投票或其他协 调⽅式，以帮助消除决策障碍。  负责任的监督：ASF 治理模式以信任和授权监督为基础，让项⽬⾃治并直接向董事会提供 报告。Apache 提交者们互相帮助：相互评估提交，采⽤强制性安全措施，确保许可合规 发者居多；odpi/egeria 的开发者主要集中在 UTC+0 时区，即⼤多数为欧洲的开发者，但 0 时⽆论周末还是⼯作⽇，都有⼤量事件产⽣，⼏乎可以肯定这个项⽬使⽤了⾃动化协作机器 ⼈，⽽且很多定时任务是在 0 时执⾏的；nnstreamer/nnstreamer 开发者的⼯作时间主要集 中在周⼀～周五，位于 UTC+8 时区，表明该项⽬的开发者以亚洲开发者居多，且开发者周末 是双休的。 6、案例分析——Wuhan2020

样？如果再过 10 年、20 年，我们再回来看我们这些开源人，所做的这些事情，哪些做对了？ 哪些做错了？哪些应该更早去做？这样的感受，就是一种“历史感”。当我们更多具备这样的历 史感，更多以将来会被人回看的心态，来做这些事情时，我们又该如何抉择？又该如何行动 呢？ For the fourth consecutive year, KaiYuanShe has published the China Java 作为国内目前应用最广泛的语言，在 2021 年仍保持着强大的竞争力，仓库数量在极高 存量的情况下仍有不错的增长态势，使用 Java 的仓库数量占比超越了 2020 年的 37%，回 到了 2019 年的 50%左右。 移动端语言（Android/Objective-C/Swift）在 2021 年仍难以重现往日的辉煌，仅剩下 Android 以 1.89% 的占 支持通常需要大量的人工工作，因此降低了业务利润；(2) 工作缺乏可 复制性，部署/集成不可扩展，无法规模性发展；(3) 客户转化率低，通常只能将不到 1% 的用 户转化为付费客户，主要是因为只有那些依赖关键任务系统项目的客户才愿意为支持付费。 然 而，那些严重依赖项目的人自然会随着时间的推移投入自己的工程努力来了解项目，从而减少 对外部支持的需求。选择 Support 支持服务商业路径的主要公司案例是

大数据底座 Hadoop Spark Flink RDBMS MPP Arctic 数据传输中心 离线数据传输 实时数据传输 运维中心 离线开发平台 实时计算平台 集群运维 任务运维 文件管理 任务开发 租户管理 自助分析 权限管理 可视化调度 数据开发及管理平台 标签画像 消费者运营平台 机器学习平台 BI 有数优势 有数全链路数据生产力平台2.0能力全景图 易用 及产品服 务，致力于盘活企业数据生产力，加速实现数字化转型。 数仓设计中心 指标设计 模型设计 数据治理中心 数据质量 数据地图 数据资产 数据标准 UDF管理 任务开发 版本管理 任务运维 资源管理 任务上线 数据服务中心 智能BI 数据准备 大屏 自助取数 移动应用 数据填报 全渠道 数据融合 会员 标签管理 用户分群 营销 活动管理 投放数据 追踪 让数据中台与底层计算存 储解耦。 先设计 后开发 业内首个提出中台的模型设 计标准，遵循先设计后开发理 念，通过模型设计中心对逻辑 建模进行指导。 统一指标管理 基线智能预警 海量任务运维和管理，提供 异常基线报警处理，辅助任务 运维人员完成工作。 数据资产360 建立集安全、价值、成本、质 量、标准于一体的健康评估指 标体系和优化工具，打造360° 无死角数据资产治理体系。 指标建设流程规范化，消除指

直接催生出来的新“学科”， 它的核心在于研究人类如何与 LLM 更好地进行“沟通”， 找到让 LLM 能够准确理解人类意图的方法。提示词工程探 索如何以 LLM 可以解析的方式来表达需要它完成的任务， 寻找 LLM 的“最佳输入形式”。通过注入提示词，提示词 工程建立了一套“人机交互语法”，来更精准地向 LLM 传 达想要它生成何种输出的指令。这为人们与 LLM 之间建立 高效、准确的 发展的新阶段。LLM Agent 是一种基于 LLM 的智能代 理，它能够自主学习和执行任务，具有一定的“认知能力 和决策能力”。LLM Agent 的出现，标志着 LLM 从传 统的模型训练和应用模式，转向以 Agent 为中心的智能 化模式。LLM Agent 打破了传统 LLM 的被动性，使 LLM 能够主动学习和执行任务，从而提高了 LLM 的应用 范围和价值；它为 LLM 的智能化发展提供了新的方向， 3 月 15 日，由 OpenAI 前成员创立的 Anthropic 发布对话 AI 产品 Claude，包含 520 亿个参数。 与 ChatGPT 类似，Claude 能够执行各种基于文字对话的任务，如文档搜索、 摘要、写作、编码，以及响应用户的提问。 四个月后，Anthropic 推出 Claude 2。Claude 2 改进了性能，响应时间更长， 可通过 API 访问。此外还上线了面向公众的

年将会怎样？如果再过 10 年、20 年，我们再回来看我们这些开源人，所做的这些事情，哪 些做对了？哪些做错了？哪些应该更早去做？这样的感受，就是一 种“历史感”。当我们更多具备这样的历史感，更多以将来会被人回 看的心态，来做这些事情时，我们又该如何抉择？又该如何行动呢？ 当然，千里之行，始于足下。那个我们无限向往的未来，也只能由 我们的点滴努力来塑造。与诸位共勉吧！ 庄表伟，开源社理事长 2022 支持通常需要大量的人工工作，因此降低了业务利润 ；(2) 工作缺乏可复制性，部署 / 集成不可扩展， 无法规模性发展 ；(3) 客户转化率低，通常只能将不到 1% 的用户转化为付费客户，主要是因为只有那 些依赖关键任务系统项目的客户才愿意为支持付费。 然而，那些严重依赖项目的人自然会随着时间的推 移投入自己的工程努力来了解项目，从而减少对外部支持的需求。选择 Support 支持服务商业路径的主 要公司案例是 如果可以跨越这一阶段，会迎来快速增长时期。 图表 16 ：开源社区成熟度曲线 资料来源：PingCAP，中国信通院 3.2.3 加速扩张阶段：加速软件采用及付费转换—销售管理 加速扩张阶段的主要任务是增强开发者和用户对软件的喜爱、采用和价值，发掘潜在客户并将免费用户 向付费用户转换。定位潜在用户应该优先考虑针对特定细分市场的活动，基于产品使用信息进行用户分析， 了解哪些角色和部门正在使用该

对接钉钉，远程办公安全⽆忧 团队负责⼈审批 安全管理员审批 申请⼈ 授权操作⼈ ⼿⼯登录 堡垒机操作 ⼈⼯通知结果 之前 之后 申请⼈ 团队负责⼈审批 安全管理员审批 ⾃动通知结果 回传结果 ⾃动完成授权 ⽆需⼈⼯⼲预 客户收益 江苏农信⾏业云将 堡垒机以⾃助化、 ⼀体化的⽅式提供 给超过 60 家农商⾏ 使⽤。 60 家分⾏ ⾃助式堡垒机服务 ⼤规模 扩展 JumpServer