GA，达到生产可用。这是一个开源的 MongoDB 替代品，建立在 PostgreSQL 之上，并在 Apache 2.0 许可下 发布。 Dragonfly 1.0 完全支持 Redis 最常见的数 据类型和命令，以及快照、主从复制和高可用 等特性。 DragonflyDB 是一个现代化的开源内存数据 库，兼容 Redis 和 Memcached API，迁移时 无需修改任何代码，可作为两者的替代方案。 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 项目作者是 Kenton Varda —— Protocol Buffers version 2 的主要开发者。 Nim v2.0 于 2023 年 8 月正式发布，这是一门指令式、通用、多范式、 静态类型、编译型的编程语言。 2.0 是 Nim 的一次进化，新版本的一项重要特性是将 ORC 内存管理作为 默认设置，以及许多其他新功能和改进。 JetBrains 编程工具“全家桶” Java 21

受访者从业时间 …………………………………………………………………………………… 15 3.3 受访者职位分布 …………………………………………………………………………………… 16 3.4 受访者所在的企业类型 …………………………………………………………………………… 17 3.5 公司购买开源产品的决策 ………………………………………………………………………… 18 3.6 受访者所从事的技术方向 ：主要涵盖个人信息、工作状况、开源社区以及开发者技术 调查方法 ：以在线问卷方式搜集样本和数据，交叉对比法分析数据 推广方法 ：线上社交媒体、博客、开源社、开源中国网站 问题数量 ：44 问题类型 ：单选、多选、开放性 样本量 ：537 2 重要发现 通过分析 2021 年的统计数据，并对比往年数据和其它一些公开发布的统计报告，我们有 如下一些重要发现： 参与者的年龄集中在 20-39 域和职位分布也可以看出，这些“还未工作”人群多数指向学生群体，这和当前社会普遍 追求更高学历深造有关。 公司在购买开源产品时，多由工程团队负责人（技术总监 / 架构师 /TL）来进行产品的选择， 而且在同类型软件的购买中，半数的人会考虑软件供应商对开源社区的贡献，但不是主要 的考虑因素，只有在产品性能差别不大时，才会选择对开源社区贡献大的供应商。 参与者首次参与 / 转而参与开源项目的原因多为主观原因，例如更好的技能施展空间、更和谐的

云 3.5% 其他 21.1% 全球开源项目分布 总量持续上升，项目类型反映市场需求与热度 全球对开源的热情不减，开源项目数量持续攀升。Apache基金会目前为350多个开源项目及社区提供支持，从项目类型上 看，2020年Apache开源社区旗下的工具库类型开源项目占比最多，达到22.9%，其次为大数据以及网络服务器类型。 Linux基金会已经向累计多于750个开源项目及社区提供服务，202 1年Linux基金会中云计算、容器和虚拟化开源项目的占 比最大，达到22.7%。整体来看，全球开源项目类型集中在开发框架、文档类开源项目、云计算等相关领域。此外，开源 项目的类型往往能反映当前市场关注的热点，如容器与云原生应用技术、人工智能开发框架等技术的流行。 来源：Apache软件基金会，艾瑞咨询研究院根据公开资料研究及绘制。 来源：Linux基金会，艾瑞咨询研究院根据公开资料研究及绘制。 www.iresearch.com.cn 来源：艾瑞咨询研究院自主研究及绘制。 开源软件的选型考量 用户进行开源软件选型主要考虑开源协议类型，以及软件自身 提供服务的可持续性 对于市场用户而言，开源软件产品具备成本低、透明度高、高度自主、不易被厂商绑定等优势，可以帮助企业实现产品的 快速开发与部署，大多数企业会选择在生产实践中使用相当

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 智能体作为学术术语由来已久，从上世纪的“符号、专家系统”【1】，到十年前风头无两的 强化学习（代表作 AlphaGo【3】），再到现在的 LLM，agent 底层技术经历了三个大的阶段。 符号系统的缺点在于过于依赖人工定义的“符号”和“逻辑”，强化学习苦于训练数据的匮 乏和“模态墙”，而 LLM 一次性解决这些问题。 人类语言就是一种高度抽象、跨模态、表达力充分的符号系统，同时它作为知识的载体，自 然地 AGI 的必经之路。将多模态信号统一对齐，是智能体与这个世界“无障碍”交互的前提，换 个新潮的词汇，就是我们期待的“具身智能”。谁不想拥有一台自己专属的“Javis”呢？而多 模态大模型的突破，也同样依赖前文所述的算力和数据上的沉淀。 参考文献 【1】https://epoch.ai/blog/can-ai-scaling-continue-through-2030 【2】Newell, A.,

blogs, open source community, open source China website 问题数量 ：44 Number of questions: 44 问题类型 ：单选、多选、开放性 Question type: single choice, multiple choices, open 样本量 ：537 Sample size: 537 society's general pursuit of higher education.  公司在购买开源产品时，多由工程团队负责人（技术总监 / 架构师 /TL）来进行产品的选 择，而且在同类型软件的购买中，半数的人会考虑软件供应商对开源社区的贡献，但不是 主要的考虑因素，只有在产品性能差别不大时，才会选择对开源社区贡献大的供应商。  When companies buy open source experts' optimistic analysis of open source education. 3.4 受访者所在的企业类型 / 3.4 Type of business where the respondent works 受访者所在的企业类型多为国内初创公司和国内大型互联网企业，占比分别是 39%和 25%。 The types of companies the respondents

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 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、 操作手册、用户指南等。 Gitea 延伸能力：CI/CD Gitea

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 nAI很接近，但产品的出发点可能会决 定了它在这个领域⾥专业化的位置。 通⽤⼈⼯智能会存在技术⻔槛，这个世界上只会有少数的通⽤⼈⼯智能公司，但每个跨过⼀定技术⻔ 槛的公司可以在某些具体的场景或类型的智能上有专业化优势，并在这些领域做得⽐其他公司更好， 最终形成⼀些⽹络效应。因此，未来并不会只有⼀家AI公司能包办所有的智能。
机器之⼼:
你有没有想过，可能我们永远⽆法追赶上
杨植麟： ⾏业⼤模型的唯⼀优势也就是专有数据壁垒最终会被打破，因此我认为不是⼀个可持续性的东西，最 终肯定不是靠专有数据壁垒，⽽是靠销售渠道或者提供更好的定制服务。 但不同的通⽤⼤模型之间的分化是有可能的。这由你的产品的起点决定，通过对不同类型的⽤⼾的吸 引，吸收他们所供应的数据，让模型在哪些⽅⾯更强。 机器之⼼：作为⼀个在业内评价较⾼的⼈，⼤家对你寄托的期望是否给你带来了压⼒？ 杨植麟：我更多的是感到兴奋，因为我觉得能有机会做这个事情本⾝就很幸运，我对这个机会充满了

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； Exchange（VEX）对检测到的漏洞进行 过滤； • 支持为虚拟机镜像生成CycloneDX和SPDX 等格式的SBOM（软件物料清单）； • 支持嵌套JAR路径； • 支持通过分析文件内容来识别dpkg和Go模 块的许可证类型； • 支持使用自定义的Docker socket。 全球开源态势洞察｜第十期 06 03 开源安全 DEF CON将举办全球最大规模 AI黑客大赛 微软将用近一年时间完成对0-day Secure Mesh是一个开源的云原生混沌工程平台，提供丰 富的故障模拟类型，具有强大的故障场景编排能力，方便用户在 开发测试中以及生产环境中模拟现实世界中可能出现的各类异常， 帮助用户发现系统潜在的问题。Chaos Mesh基于Kubernetes CRD (Custom Resource Definition) 构建，根据不同的故障类型 定义多个CRD类型，并为不同的CRD对象实现单独的Controller 以管理不同的混沌实验。Chaos

调查内容：主要涵盖个⼈信息、⼯作状况、开源社区以及开发者技术  调查⽅法：以在线问卷⽅式搜集样本和数据，交叉对⽐法分析数据  推⼴⽅法：线上社交媒体、博客、开源社、开源中国⽹站  问题数量：59  问题类型：单选、多选、开放性  样本量：236 2、重要发现 由于疫情，今年的问卷全部通过线上的⽅式传播，因此收集到的样本量相⽐往年较少，但仍旧 能够管中窥豹，观察到中国开源世界的悄然变化。通过分析 作系统相关产品仍然是⼤家了解 和接触开源的最初窗⼝。 4.7 最希望能够开源的产品 相⽐于 2019 年，开发⼯具在今年成为⼤家最希望能够开源的产品类型第⼀名，紧接着的是操 作系统，数据库产品与中间件产品也是很多⼈希望能够开源的产品类型。 4.8 企业对开源的贡献 在参与者眼中，GitHub 对于开源软件的贡献最⼤，其次是 Google，⽽在国内企业中， Alibaba、Huawei 源的参与时间较晚，学⽣做为 可塑性较⾼的群体，更容易跟随最近的开源热度，选择参与到开源。缺少 35-40 岁以上的开 发者，正⾯反应了中国资深⼯程师的缺乏。缘起中国的开源项⽬的⼤规模崛起，将⼗分依赖此 部分⼈的⽐例提升。 5.8 开源软件安全 有近七成的参与者表示不会有不安全感，但同时也仍有 25% 的参与者表示会有此类担忧，开 源软件的安全问题仍然值得我们关注。 【专家点评】 红