源生态的发展产生了积极的影响，为全球开发者提供了更多创新和应用的可能。 中国开源模型从最初的质疑中崛起，逐步赢得了广泛认可。这不仅彰显了中国开源模型从追 随者到行业引领者的跨越式成长，也为全球人工智能发展注入了新的活力与动力。中国开源模型 的成功并非偶然。在政府对人工智能产业的持续支持以及国内人工智能行业对模型研发的巨额投 入下，从基础算法到行业应用、从算力基础设施到数据资源整合，中国人工智能生态体系正在迅 整理。 展望 2024 年，中国开源模型的发展展现了技术、生态和社会价值之间的深度协同。无论是从技 术创新到社区建设，还是从行业实践到合规探索，中国开源生态体系的完善正在为全球人工智能 发展注入源源不断的动力。 在 Hugging Face，我们坚信开源是推动人工智能技术进步和生态繁荣的核心力量。开源 不仅能够打破技术壁垒，促进全球开发者之间的协作与创新，还能推动技术的普惠化，让更多的 演提供了可贵的素材。对软件商业化问题感兴趣的朋友一定要长期关注这个赛道。只有这样的对 象才能更有力地说明开源策略的重要性。 其次，我们得明确一点——大模型竞争的赛点是什么？常用的判断依据包括：技术的先进性， C 端用户基数，依赖这个软件的生态系统大小等等。其中哪个更关键一点？ 技术先进是好事，但大模型领域的先进技术远没有达到能为大模型企业带来可观收入的程度。 整个大模型赛道还处在商业化的摸索阶段。这个时间点上的“技术先进性”更多是用于公关宣传

户可能无法持续获取开源本身的和细心创造价值。此外，有开源软件代码公开的特性，一些安全漏洞易被发现和利用，可 能带来额外的IT和数据风险，其他值得关注的因素包括技术先进性、运维能力等。 企业使用开源软件的选型要素 开源软件依赖于开源社区 进行更新，由此需要关注 开源社区的参与度、代码 贡献度、文档数等指标判 断其活跃度 社区活跃度 开源软件带来的自由在反 面也造成了偏离的风险， 企业在选择时需要尽量选 择主流、成熟的开源软件 透明 多样性 公开 合规 可交付 安全 社区治理 成员管理 文档管理 组织架构 组织架构 社区运营 会议活动 外部合作 开发者生态 社区活跃度监测 用户生态 社区开发 依赖管理 编码规范 构建管理 分支管理 漏洞管理 需求管理 基础设施 测试平台 构建平台 安全漏洞扫描 发布平台 许可证扫描 CLA签署工具 网站 代码仓库 触发期 协作期 企业捐赠项目的意义 获得基金会资源和影响力加持，步入技术导向的开发路径 企业将项目捐赠给开源基金会意味着软件的知识产权转移到基金会名下。企业放弃该软件的私有著作权，换来的是开源基 金会的基础设施、资金、专家服务注入该项目，为项目带来知识产权/发行服务、基金会影响力加持、导师专业支持、开放 公平的发展模式等方面的优势。对于源作者企业而言，捐赠开源项目能够借助开源开发者能力以及基金会资源加速软件的 迭代和推广，将

API作为其唯一的配置语言来管理 Envoy代理，支持GatewayClass、Gateway、 HTTPRoute和TLSRoute资源。 近日，Envoy Gateway v0.4发布，版本特性更新 如下： • 升级网关API依赖，升级至Gateway API v0.6.2； • 支持通过Helm完成Envoy Gateway安装； • 添加构建初始框架用于扩展Envoy Gateway； • 添加对基于IP子网的速率限制的支持； 人工智能模型组开展最大规模的红队演习，AI Village和DEF CON希望能培养出处理人工智能 系统漏洞的研究者社区。事实证明，大语言模型 的锁定难度远超想象，部分原因在于所谓“提示 词注入”技术。人工智能研究员Simon Willison 详细介绍了提示词注入的危险，这种技术可以令 语言模型偏离正轨，执行创建者想要回避的操 作。在DEF CON大会期间，参与者将通过主办方 提供的笔记本电脑定时访问多个大语言模型。并 将

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“沟通桥梁”提供了可能性。什么“链式思考 1 1 月正式发布。Blink 是无特权用户空间虚拟机，支 持在任何 POSIX 平台上模拟 x86-64-linux 二进制文件，声称是最小的 x86 Linux 模拟器。 总的来说，它是一个 220kb 的无依赖静态二进制文件，实现了大约 600 条 x86 指令和 180 条 Linux 系统调用。 距离 Svelte 3 发布过去了四年多的时间， Svelte 4 稳定版本于 2023 年 6 月正式发 月正式官宣 deepin-IDE（深度集成开发环境）—— 由深度公司自主研发，具有多语言、跨平台兼容特性的轻量级集成开发环境。 「央视新闻」评论 龙芯 3A6000 采用我国自主设计的指令系统和架构，无需依赖任何国外授 权技术，是我国自主研发、自主可控的新一代通用处理器，可运行多种类 的跨平台应用，满足各类大型复杂桌面应用场景。 它的推出，标志着我国自主研发的 CPU 在自主可控程度和产品性能方面

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 Red Hat。 Hosting Log4j 在国际上的流行度，漏洞带来的安全问题是巨大的。根据谷歌安全团队的统计，截至 2021 年 12 月 16 日， 来自 Maven Central 的 35,863 个可用 Java 组件依赖于 Log4j。这意味着 Maven Central 上超过 8% 的软件包里至少有一个版本会受此漏洞影响。除此之外，根据 Cloudflare 研究人员的观测，每秒有超过 1,000 次利用 Finetuner, 它可以 让用户根据企业的独特需求对神经搜索系统进行调整。 图表 40 ：Jina 产品矩阵 资料来源：Jina 官网 Jina AI 已经受到社区的积极认可，并且受到资本不断注入。自 2020 年 2 月成立至今，公司已经创建 了超过 1,000 个用户的大规模开发者社区。Jina 仅用了 18 个月的时间在 GitHub 上吸引了大量用户， GitHub stars 达到

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 Red Hat。 Support Log4j 在国际上的流行度，漏洞带来的安全问题是巨大的。根据谷歌安全 团队的统计，截至 2021 年 12 月 16 日，来自 Maven Central 的 35,863 个可用 Java 组 件依赖于 Log4j。这意味着 Maven Central 上超过 8% 的软件包里至少有一个版本会受此漏 洞影响。除此之外，根据 Cloudflare 研究人员的观测，每秒有超过 1,000 次利用 Log4j Jina product matrix 资料来源：Jina 官网 Source: Jina official website Jina AI 已经受到社区的积极认可，并且受到资本不断注入。自 2020 年 2 月成立至今，公司 已经创建了超过 1,000 个用户的大规模开发者社区。Jina 仅用了 18 个月的时间在 GitHub 上吸引了大量用户，GitHub stars 达到

优势总结 2 代码托管平台的发展历程 阶段一 阶段二 阶段三 •单用户本地编辑； •没有网络功能； •典型产品：RCS、SCCS。 本地代码管理 •C/S 架构体系，支持网络化协作； •依赖中央存储库； •典型产品：CVS、 SVN、VSS、 TFS、 ClearCase。 集中式代码管理 •去中心化，稳定性和可用性增强； •更高效的代码协同机制； •典型产品：GitHub、GitLab、 数量统计截至 2023 年 11 月。 Star 39,000+ 接近 GitHub 使用体验、可私有化部署的新一代的代码托管平台 DevSecOps 延伸能力 CI / CD 包/发布管理 依赖项扫描 百科管理 项目管理 其他能力… 合并请求 代码审查 分支管理 代码仓库 Git代码托管 核心能力 新一代的代码托管平台 Gitea 的定位 遵循典型的 Git flow 来进行项目管理组织；支持工单看板功能， 可以将项目中的工单按照需求拖动到不同泳道中进行管理。 Issues 管理 跟踪项目的需求，功能和缺陷；工单支持标签、里程碑、指派、 时间跟踪、到期时间、依赖关系等功能。 Gitea 延伸能力：百科管理（Wiki） 百科 Wiki 基于 Git 版本控制系统的文档托管，使用 Markdown 语法书写文档，实现项目知识库管理； 可以托管任何类型的文档，包括开发文档、技术文档、

巨石（单体）应用 代码级的依赖，容易出现代码冲突，以及影 响范围扩散，导致大量的沟通，开发效率低 随着规模增加 编译时间快速增加 代码级的依赖，需要全量测试 测试回归周期长 代码修改对整个应用有影响，需要全量测试 无法有效对需求快速变化 单一技术架构 技术演进需要全部重写，成本高 开发效率 编译时间 测试周期 应对需求变化 技术演进 对比项 微服务应用 基于服务接口的依赖 各服务间独立开发，开发效率高 各服务间独立开发，开发效率高 微服务独立编译 编译时间短 基于服务接口的依赖 仅需要测试相关服务，测试回归周期短 仅相关服务需要开发 无需全量测试，能够快速应对需求变化 微服务可以技术独立演进 成本低 PRODUCT 13 PRODUCT 基于可视化编程语言 基于通用语言封装的可视化开发语言，具 备完善的静态类型系统和组件扩展机 制，适合 80% 企业级应用开发，灵活性 高，可靠性强。 数据模型驱动

所以我现在看到值得探索的是两点：模型能⼒的持续提升，另⼀个是双边效应。它们会在新时代带来 新的范式。现在
Midjourney
在双边效应上已经爆发了，Stable
Diffusion
作为开源模型就尴尬在单边 太分散，只能依赖
base
model
的提升。

海外独⻆兽：从招聘⻆度，你怎么定义好的⼈才？
杨植麟：我会拆成经验和学习来看。学习是⼀个通⽤的能⼒，不光是
learn，还要
unlearn，特别是以 实测约8万字），8
倍于
OpenAI
公司的
GPT-4-32k（实测约2.5万 字）。 同时，Kimi
智能助⼿
通过创新的⽹络结构和⼯程优化，在千亿参数下实现了⽆损的⻓程注意⼒机制， 不依赖于滑动窗⼝、降采样、⼩模型等对性能损害较⼤的“捷径”⽅案。 ⽬前，Kimi
智能助⼿
已开放内测。
访问
https://www.moonshot.cn
或扫描下⽅⼆维码，即可加⼊内测计划。
“登⽉计划”第⼀步：欢迎来到
Long
LLM
时代
Moonshot
AI创始⼈杨植麟此前在接受采访时曾表⽰，⽆论是⽂字、语⾳还是视频，对海量数据的⽆损 压缩可以实现⾼程度的智能。 ⽆损压缩的进展曾极度依赖「参数为王」模式，该模式下压缩⽐直接与参数量相关，这极⼤增加了模 型的训练成本和应⽤⻔槛，⽽
Moonshot
AI
认为：
⼤模型的能⼒上限（即⽆损压缩⽐）是由单步能⼒和执⾏的步骤数共同决定的。单步能⼒与参数量正

统行业市场空间巨大 互联网开源数据库对传统行业的渗透：  传统行业逐步互联网化，一些C端业务 可以适用开源数据库  鼓励国产化替代，降低传统行业对海外 数据库（Oracle、DB2等）的依赖  受限于行业差异，渗透势头不大 蚂蚁 25 ©2023.11 iResearch Inc.