你需要⼀个同时满⾜
scalability
和
generality
这两点的架构，但今天其实很多架构已经不满⾜这两条 了。transformer
在已知的
token
space
符合这两条，但放⼤到⼀个更通⽤的场景，也不太符合。数据 也是⼀个⽣产要素，包括整个世界的数字化，和来⾃⽤⼾的数据。 所以在很多核⼼⽣产要素中，通过改变其他的⽣产要素，可以让算⼒利⽤率变⾼。 同时，针对“登⽉”，算⼒肯定要持续增⻓ ate-of- the-art。我们前段时间做出来的
lossless
long-context
技术在很多具体场景上要⽐
OpenAI
效果更 好，因为⽤了⽆损压缩的技术。你可以⽤它去读⼀篇很⻓的⽂章，它可以很好地还原⼀些具体细节， 还可以内容做推理。⽤⼾⾃⼰还会发现很多场景，⽐如扔给它
50
个简历，让它根据你的要求做分析和 筛选。 要做差异化，我认为就是去看这⾥⾯的
tech
sp 是如何思考可解释性 的？因为刚刚你也提到了模型是⼀个⿊盒，并且其实⼈类到现在还没有弄清楚⾃⼰的⼤脑是怎么⼯作 的。 杨植麟：可解释性核⼼是个信任的问题。建⽴⼀个信任的⼼智是很重要的，对应的应⽤场景甚⾄可能 和
ChatGPT
的也会不同，⽐如
long-context
和搜索的结合。
当模型完全不
hallucinate
或者概率⾮常低，就不需要解释了，因为它说的东西都是对的。⽽且解释有

发布全链路数据中台解决方案。 2018 发布轻舟微服务、“瀚海”私有云及国内首款云计算全栈一体机。 2017 加入云原生计算基金会（CNCF）。 2016 网易云战略发布，推出面向互联网的场景化云服务。 2012 网易杭州研究院启动私有云研发，支撑网易集团互联网产品全面上云。 2006 网易成立杭州研究院，构建互联网技术体系。 1997 网易早期云存储产品诞生，支撑网易邮箱运行。 面交互。 支持企业集成 能够通过 API 集成企业内部的服务，实 现应用组装。 业务与流程融合 流程引擎基于 BPMN2.0 规范，可视化 流程开发，可支持如请假、入职、离职等 企业内常用流程场景。 支持软件资产多层次复用 应用、页面、基础组件、扩展组件、接口 等不同粒度软件资产，均支持复用。 零成本部署运维 产出应用支持自动化部署在云原生平台 之上，无运维的代价，集成网易运维实 践。 组件式插件化产品架构，基于 用户的发展阶段，提供量身定 制的大数据产品和解决方案。 16 网易数帆旗下大数据技术与服务品牌 网易有数以“数据价值”为导向，聚焦于企业 “看数”、“管数”、“用数”等业务场景，提供全链路大数据技术及产品服 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

开放，任何人可以查看、使用、贡献，同时，使用者也要遵循一定的开源规范。 基础软件开源范畴界定 国内基础软件开源界定 基础软件 具备能衍生出并支撑 多个技术簇的一类根 技术软件，拥有技术 门槛高、衍生场景复 杂等特点 中间件：不同系统和应用程序之间交互 与协作的桥梁 AI框架：具备构建和部署人工智能模型 的基础的全套开发工具 操作系统：是软硬件资源的资源管理者， 为用户与应用程序提供交互接口 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 可预期开源收益 开源办公室 www.iresearch.com.cn 开源操作系统图谱 头部操作系统开源衍生链路较长，长链路呈纺锤形分布，L2环节的商用 企业角色较活跃，版本多定位于服务器与桌面操作系统场景 注释：产业链展示了部分企业LOGO，并且在L1-L3中仅展示了中国参与者，但实际上也不乏国外项目参与其中。 来源：根据专家访谈、公开资料，由艾瑞咨询研究院自主研究及绘制。 L0级：基础开源OS

OpenAI 作为 LLM 一哥的宏大叙事能力与强劲技术实力。 二、 New Bing（Bing AI）代表了微软在 LLM 领域的野心和 决心，它首次把当时世人能想到最有价值又可行的 LLM 应用场景——“智能对话+联网搜索”——无缝整合了起来， 大有干掉搜索行业和问答社区的趋势，而后事实证明，全 球 最 强 IT 问 答 社 区 Stack OverFlow 深 受 其 害 。 Google 原生的语境下， LLM 从一开始就是应用的中枢，应用本身的架构、功能、 交互层是围绕 LLM 中枢来构建的。也许 ChatGPT 是最 经典的“AI 原生”应用。此概念目前还处在萌芽期，明确 的概念、应用场景、架构、技术栈细节等尚未完成自洽。 换一种视角来看，这个概念的提出其实都没技术什么事， 有人称之为“造商业概念”，这里按下不表。 十、 镜头给到国内。相比国际上当前逢 AI 必 GenAI，国内更 切入，但实际上或多 或少与 GenAI 脱不开关系。 2023 年国内 LLM 发展活跃，从最初的百度文心一言“硬 刚”ChatGPT，到后来各式各样的大模型与产品出现，覆 盖了不同的领域和场景，构建了多元化的大模型生态。 大模型方面，百花齐放：百度的文心一言、抖音的云雀大模 型、智谱 AI 的 GLM 大模型、中科院的紫东太初大模型、 百川智能的百川大模型、商汤的日日新大模型、MiniMax

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 中国开源模型的发展不仅体现在技术突破上，还在生态建设中展现出巨大的活力。中国开源 模型从竞争激烈的“百模大战”逐步迈向多元化和深度细分，国内社区在今年发布了大量高质量 CogVideoX； TTS：GPT-SoVITS、ChatTTS、CosyVoice、FishAudio、MaskGCT、F5-TTS 。 这一趋势表明，模型的竞争已经从单纯的规模比拼转向应用场景细化。为了更好地展现这一 演进路径，我们在 Hugging Face 的中文模型社群中对各个领域的开源模型进行了系统整理。 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 务是软件的长期运行成本。  大模型赛道的市场化程度非常高。算法、算力、数据、人才，这些构建大模型的基 础要素并不为权力机构垄断，大多要从市场上获得。 26 / 111  大模型作为一项令人激动的技术，商业化场景覆盖了对企业(2B)与对个人(2C)两个 大方向。  大模型赛道在海外是“一超多强”，在国内则是“多头并举”，两种典型的竞争格 局都全了。 以上，大模型赛道的元素非常丰富，各种商业化方法的排列组合都不缺，为我们的分析与推

v1.3.0发布 OpenYurt是由阿里云开源的基于原生Kuberne- tes构建的、业内首个对于Kubernetes非侵入式 的边缘计算项目，目标是扩展Kubernetes以无 缝支持边缘计算场景。它提供了完整的Kuber- netes API兼容性；支持所有 Kubernetes工作负 载、服务、运营商、CNI插件和CSI插件；提供良 好的节点自治能力，即使边缘节点与云端断网， 在边缘节点中运行的应用程序也不会受影响。 GPL协议中的所约定的相关义务。 2、“传染性”的认定。判断GPL协议所能传染的衍生软件或修订版本，区分开源代码与自有代 码，即确定自有代码是如何与开源代码结合或交互是前提。其次应结合代码的使用场景，即结合 代码的功能及其在软件中所起的作用进行判断。最终确定被传染的部分应当是与原开源软件形成 密切通信使得二者高度牵连融合成一体的程序，而非只要有数据交换就会构成传染。未来公司软 件的主程序与涉案 采取一些措施来规避这类风险，例如在开源许可证中添加条款，以标明商标并声明未授予任何许 可；如果不适合在开源许可证中添加条款，可另行添加商标声明，例如OpenJDK商标声明；也可 在社区网站上发布商标使用指南，规范商标授权使用的场景和方式等等 。在Neo4j公司诉Pure- Think公司的开源争议案件中，被告曾以裸许可商标失权作为其抗辩理由之一，但被法院驳回iv。 3、不合规使用开源软件的后果。对原告未来公司违反GPL协议的行为给予侵权法上的保护，势

开源项目可以为软件的开发提供杠杆 开源带来了产品的快速迭代与用户场景的拓宽。开源模式下的协同开发平台使产品迭代速度加快。开源 模式下，社区成员能够协同编写软件，软件用户可以提交及时使用反馈，在反馈的基础上开发人员可以 进行更高效地修改、迭代。此外，开源使用户可以直接参与到产品开发中来，这比闭源软件开发更能了 解客户的需求，并且发掘出用户需要的使用场景。因此，相对于单一的闭源软件供应商，开源社区有着 2021 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 9.4k+，fork 数达到 1k+，总下载量超过 100 万次。Jina 用户场景多样，可以满足 不同行业对神经搜索的需求，比如游戏制作公司的 3D 模型，电商网站上的图像和能够理解混合语义的 2021 中国开源年度报告 103 问答聊天机器人。Jina 在资本市场上也受 MegaWise、面向 Hadoop 生态的模型训练系 MegaLearning 和特征向量检索系统 Milvus，可满足传 统的加速数据 ETL、加速数据仓库和加速数据分析的场景和需求，面向各类新兴的 AI 应用场景，已被 全球 1,000 多个企业使用，涵盖金融、电信、安防、智慧城市和电子商务等行业。 图表 43 ：Zilliz 全球用户 资料来源：公司公告，云启资本 104 Zilliz

development 开源带来了产品的快速迭代与用户场景的拓宽。开源模式下的协同开发平台使产品迭代速度加 快。开源模式下，社区成员能够协同编写软件，软件用户可以提交及时使用反馈，在反馈的基 础上开发人员可以进行更高效地修改、迭代。此外，开源使用户可以直接参与到产品开发中来， 这比闭源软件开发更能了解客户的需求，并且发掘出用户需要的使用场景。因此，相对于单一 的闭源软件供应商，开源社区有着更 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 9.4k+，fork 数达到 1k+，总下载量超过 100 万次。 Jina 用户场景多样，可以满足不同行业对神经搜索的需求，比如游戏制作公司的 3D 模型，电 商网站上的图像和能够理解混合语义的问答聊天机器人。Jina 在资本市场上也受到多个知名投 资机构认可，目前公司总融资金额已达到 MegaWise、面向 Hadoop 生态的模型训练系 MegaLearning 和特 征向量检索系统 Milvus，可满足传统的加速数据 ETL、加速数据仓库和加速数据分析的场景和 需求，面向各类新兴的 AI 应用场景，已被全球 1,000 多个企业使用，涵盖金融、电信、安防、 智慧城市和电子商务等行业。 Zilliz is a next-generation data processing

来开源⾃⼰的项⽬，其次则是 Gitee 和 Gitlab。 【专家点评】 蒋涛：随着开源规模和商业化的快速发展，开源平台作为开源项目和开发者生态的重要基础及 支撑体系，未来将承载更多的服务和应用场景，也将发展出各自特色。2020 年新发布的 CODE China，作为独立第三方开源平台，将重点围绕 AIOT，为更多开源项目和开发者提供 运营支持和生态服务。 6.9 技术论坛 知乎和 CSDN ⻩东旭（PingCAP CTO，pingcap/tidb，tikv/tikv） TiDB 今年社区运营的重点可以分为：⽤户、开发者两块。从业务⻆度来看，可以分为项⽬打 磨和完善，⼈才的培养和⽣态建设，⽤户场景的挖掘和业务成功推进。所以，运营⼀个好的开 源社区，最重要的是以⼈为中⼼，与他们共同成⻓。 对于 TiDB 社区来说，过去的⼀年发展还算迅速，去年 TiDB 4.0 版本正式推出了 TiFlash Star、下载量等社交指标相关 2.8 案例分析 （1）OpenHarmony  项⽬简介 OpenHarmony 是开放原⼦开源基⾦会（OpenAtom Foundation）旗下开源项⽬，定位是⼀ 款⾯向全场景的开源分布式操作系统。 pig lengleng Web 应⽤开发 - 后台管理框架 gitee.com/log4 j/pig 153 项⽬名 作者 领域 项⽬地址 年度 Gitee 指 数

卓越性能 采用 Go 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 秒； • 平均页面打开时间：GitLab 约 3 秒，Gitea 约 0.5 秒。 Gitea VS. 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