动开发）是大模型时代软件研发 的正确打开方式，让大模型帮我 们生成需求及其验收标准，业务 约束更明确了，上下文更清楚了， 在此基础上分别由不同的模型生 成产品代码和测试代码，再让它 们之间相互验证和博弈（如图 4 所示），最终交付高质量的软件。 未来，随着 AI 技术的不断成熟和创新，AI 编程工具将进一步提升智能化和可解释性，支持 更多的编程语言和平台，并通过强化学习实现自适应优化。为了全面发挥 98%以上。比直接把大文本扔进同一个 LLM 测试的问答准确率 几乎高出 14 个百分点。 有同学会说，LLM 幻觉的深层原因是 temperature 或者说概率引起的。就我纯个人观点来 看，现当下的 LLM 参数足够大、知识量足够多，temperature 引起的偏差对于最终结果的正确 性影响已经微乎其微了。 （三）市场表现 你应该看出来了，在 RAG 和微调之间，我明显站队了，而且从一年前就开始站队了，我们 上就完全不同，采用 AI 大模型之后，企业的业务流程也存在范式改造的过程，并非一朝一夕可以完成的。 所以，上半年我遇到的、参与的或者听说的那些大而全的 AI 项目，一半是在可行性推演中 没有被验证，一半是交付之后效果很不理想，成功者寥寥。 （二）下半年：回归理性，小而难 在今年 7 月份开始，陆续有一些传统大企业找上门来，包括非常知名的企业，以及世界 500 强和多家中国 500 强。如果从时间上来说，他们属于

才会提升模型的能⼒。 杨植麟：你可以认为带
MoE
和不带
MoE
是两条
scaling
law。本质上
scaling
law
刻画的是
loss
跟参 数量之间的关系。MoE
改变了这个函数，让你能够⽤更⼤的参数，但同时
FLOPs
不变。合成数据改变 的是另⼀个关系，FLOPs
不变的情况下让数据规模增⻓。
沿着
scaling
law
⼀直⾛是个有确定性的事情，⼤家通过试图改变
scaling
law
⾥的具体关系来获得更 ⼀个统⼀的表⽰空间以及可规模化的数据⽣产。


海外独⻆兽：如果算⼒⾜够，会有⼈想做⼀个万亿参数的
dense
model
吗？
杨植麟：取决于推理成本的下降速度，但我觉得肯定会有。现在⼤家是因为推理成本太⾼，所以都在 做
tradeoff。但是最终直接训练⼀个万亿的
dense
model
肯定效果会⽐⼀个只有千亿参数的模型要 好。
海外独⻆兽：Anthropic
⼀直在提模型的可解释性，这⼀点其实有蛮多争论。你是如何思考可解释性
海外独⻆兽：你怎么看追平
GPT-4
的难度和时间？
杨植麟：Benchmarking
刷到
GPT-4
⾮常简单，但是达到它的实际效果肯定有难度的，⽽且靠的不只 是资源，Google
已经验证了这⼀点。其实
GPT-4
的训练成本也没那么⾼，⼤⼏千万美元不是⼀个很吓 ⼈的数字，对我们来说是好事，并且我们已经有⽐较好的进展。 最重要的还是底层有
tech
vision
去预判
GPT-

的 GPT-4 更先进。 Meta 开源Llama 2 2023 年 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 这是蚂蚁自研的代码生成专属 大模型，帮助开发者自动生成代 码、自动增加注释、自动生成测 试用例、修复和优化代码等。 2023 年 8 月，阿联酋研究团队宣布开源阿拉伯语大模型 Jais。Jais 是一个 经过 130 亿个参数预训练的阿拉伯语和英语双语大型语言模型，在包含 720 亿个阿拉伯语词块和 2790 亿个英语 / 代码词块的数据集上进行训练。 谷歌发布 AI 代码编辑器：Project IDX 2023 年 孵化项目被公然抄袭，开源世界真 的会变得更好吗？ TII（阿联酋阿布扎比技术创新研究所）在 2023 年 5 月推出了号称是 “史上最强的开源大语言模型” Falcon（猎鹰）。虽然 Falcon 的参数比 LLaMA 小，但性能却更加强大。 但 Falcon 采用了自拟的 TII Falcon LLM License——在 Apache License 的基础上进行了一系列修改。 TII Falcon

贡献，推动开源内容的发展 创新改进：通过资源共享与协作共生， 提升开源内容质量，并产生新的内容 自由共享：开源内容可以免费被任何人 查看、学习、使用 透明与可审查：开源的源代码可以被任 何人审查验证、保持质量 开源精神 通过传递一种对于知 识分享、知识透明和 平等合作的价值观， 凝聚群众力量，促进 开源内容传播应用与 迭代升级，达到社会 集体效应最大化 5 ©2023.11 iResearch 的先进技术、企业级功能 服务，实行再开源 商业公司针对L1级别的操作系统 进行商业版优化发行，可选择性 的开源，也可额外发行L3的开源 版本 在L1基础上做场景 化发行；或经过L2 企业版大规模验证 后发行开源版 L4级： 其他衍生版本OS 18 ©2023.11 iResearch Inc. 法（2019.10.26） 中华人民共和国数据 安全法（2021.06.10） 中华人民共和国电子 签名法（2019.04.23） • 这里的安全中间件是 指支持国家标准密码 算法及其他国际算法， 通过参数转换、对象 管理、接口调度等模 块，完成身份认证、 安全邮件、安全传输 等安全业务场景的中 间件 • 安全中间件开源厂商 较少，主要使用国外 OpenSSL ， 或 基 于 OpenSSL的二次开源

网易数帆依托网易二十余年互联网技术积累，系列软件基础平台产品和技 术方案，成熟应用于金融、零售、制造、能源、电信、物流等多个行业领 域，在技术先进性、性能优越性、产品成熟度及安全可靠性等方面得到了 各行业客户的验证。目前已服务各领域头部客户百余家，包括工商银行、 浙商银行、银监会、人保金服、深圳证券交易所、华泰证券、名创优品、 古茗、百胜集团、温氏集团、万向集团、大华股份、宁波钢铁、一汽解放、 吉利汽车 背靠24 年互联网技术积累 成熟可靠 年 24 140 余项技术专利 140 12 亿终端用户体验支持 亿 12 100 余家行业头部客户 + 100 产品与方案均经 网易大规模内部实践验证； 标杆项目均与行业龙头企业共建。 自主可控 产品基于开源内核， 底层实现全面跨云； 基础软件实现国产兼容，推动信创。 原厂服务 原厂服务，核心技术方案不外包； 全过程服务覆盖咨询、 规划、实施、运维各环节。 定义镜像、支持模型及服务标准化。 便捷易用 模型开发、训练、调度可视化管控，内置 100+算子，支持模型一键式部署，降低 AI建模门槛。 AutoML 支持端到端 AutoML，自动化完成特征 治理、参数寻优、模型筛选流程，智能化 加速数据价值产出。 全流程管控 一站式覆盖数据导入、特征治理、模型 开发、模型训练、推理服务建模全流程， 提升 AI 建模效率。 轻量化、低成本 支持云原生架构，支持私有化部署，多形

固件协议。 Google、AWS（亚马逊）、Meta（Face- book）、AMI等行业巨头，都是AMD Open- SIL的合作伙伴。 AMD为实现OpenSIL设定了四个阶段的POC （概念验证）评估工作，第一阶段已开始， 兼容Zen4架构的四代霄龙（Genoa），接下 来经过Zen5架构的五代霄龙（Turin），最 终在2026年Zen6架构的六代霄龙上成为默认 值，届时AGESA则会退出。 以便进行更全面的分析和监控； • 支持对所有主机进行外部授权； • HttpProxy的条件块还增加了对精确路径匹 配条件的支持； • 支持内部重定向； • 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 建立一个统一的、明确的平台，用于开发和推广在公共行政领域的开源软件项目，以支持公共行 政的最高质量的绩效，并持续优化在公共行政领域进一步发展开源软件解决方案所需的资源。 - 向公共行政机构提供确切的、经过验证并已实施的软件解决方案，包括支持、咨询和转让等经验。 - 在公共行政机构互相分享各自的专业知识时，需尽可能降低成本。 全球开源态势洞察｜第十期 18 政策和法律框架 政策和法律框架 •

300+ 人人可用的数据可视化分析工具 Star 13,400+ 2023年11月，飞致云与上海吉谛达成战略合作，获得 Gitea 企业版中国大陆地区独家代理权， 向中国数字化团队交付被广泛验证、可信赖的通用工具软件。 新一代的代码托管平台 Star 39,000+ 飞致云 上海吉谛 1 Gitea 开源项目介绍 Gitea 企业版介绍 3 Gitea 优势总结 2 代码托管平台的发展历程 语言编写，资源占用仅 为 GitLab 的 1/4，运行速度约为 GitLab 的 3 倍 高可配置 100+ 配置项，40+ 模块配置， 通过灵活的配置满足不同应用场景的需求 安全稳定 被⼴泛验证，39k+ GitHub Star、40万+ 安装量、 1000+ 贡献者，覆盖 1000万+ 开发者 Gitea 优势总结 极佳体验 • 在 UI 上与 GitHub 采用类似的风 格设计； GitLab 卓越性能 100+ 配置项，40+ 模块配置， 通过灵活的配置满足不同场景的需求 涵盖用户认证、安全、任务、迁移、代理、仓库、服务、存储、会话、邮件等内容 高可配置 被⼴泛验证，39k+ GitHub Star、约 40万 安装量、1000+ 贡献者 长久稳定迭代 快速持续发展 •日均 clones：800+； •日均 views：7000+； •日均 unique

1 概述 ………………………………………………………………………………………… 74 2 开源软件商业化成功的底层驱动因素 …………………………………………………… 74 2.1 开源商业模式验证 ………………………………………………………………………………… 75 2.2 开源模式商业优势 ………………………………………………………………………………… 76 2.3 开源软件商业化模式发展历程 可以成功进行商业化发展，是由于开源模式在软件开发、销售等阶 段带来的杠杆效应优势。尤其是，协作开发、自下向上销售模式、 刺激创新等特点，成为了驱动开源产生商业价值的底层因素。 2.1 开源商业模式验证 开源软件公司迎来上市潮，多家公司估值已突破 100 亿美元。1999 年，Red Hat 在纳斯 达克上市为开源软件公司进行商业化点燃信心。据不完全统计，自此已有近 20 家开源软 件公司纷 供应商应该向开发者解释清楚项目的管理方式、项目主管、外界可作出哪些贡献、以及项目是否由第三 方基金会（如云原生计算基金会 -CNCF 和 Apache 软件基金会）监督。除此之外，在这个阶段企业应 该进行概念验证 (PoC) 证实开源项目的行业价值与机会，主要可以通过注册用户以及下载量来作为衡量 指标。 3.2.2 成长阶段：Roadmap 策略制定及扩大社区建设—产品管理 在开发者社区进行有效构建后

have been the underlying factors driving the commercial value of the open source. 2.1 开源商业模式验证 Open source business model validation 开源软件公司迎来上市潮，多家公司估值已突破 100 亿美元。1999 年，Red Hat 在纳斯达 克上市为 发者社区。在社区创建时，供应商应该向开发者解释清楚项目的管理方式、项目主管、外界可 作出哪些贡献、以及项目是否由第三方基金会（如云原生计算基金会-CNCF 和 Apache 软件 基金会）监督。除此之外，在这个阶段企业应该进行概念验证 (PoC) 证实开源项目的行业价值 与机会，主要可以通过注册用户以及下载量来作为衡量指标。 In the early stages of a project, the vendor creates 就开源硬件而言，与开源软件概念真正可比的是第三层的硬件开源，即开放 RTL 级源码。但硬 件代码和软件代码有较大的差异，从硬件 RTL 代码到 GDSII 仍有较长的开发流程，而没有经 过流片验证的 GDSII 也并不具备实际的参考价值。因此考虑到软件和硬件开发周期的不同、迭 代成本的差异，硬件 RTL 级源码开源后，能撬动的开发杠杆较为有限，目前来看市面上只有少 数学术或社区推广性质的产品。2021

&WebUI 组 件/框架 奔跑的⾯条 https://gitee.com/M Trun/big-screen-vue -datav +1.9k 3 AJ-Captcha 程序开发 - 验证码 anji-plus https://gitee.com/anji -plus/captcha +1.8k 4 asyncTool 程序开发 - 常⽤⼯具包 京东-平台 业务中⼼ https://gitee