Stable
Diffusion等AI模型成功 的关键组件；发明了
Transformer-XL，是历史上第⼀个在词级别和字级别都全⾯超越RNN 的注意⼒语⾔模型，解决了语⾔建模上下⽂⻓度的关键问题，定义了语⾔建模的新标准；曾 与DeepMind和CMU合作研究，⾸次实现⼩样本性能逼近全监督学习的⾼效对⻬⽅法。
ii. 视觉⽅⾯。团队成员发明了MoCo，引爆了基于对⽐学习的视觉预训练范式，也是过去三年 在精度（⽆损记忆） 和中⽂能⼒上
Kimi
智能助⼿依然领先。
b. 聚焦底层技术创新，不⾛技术捷径。最早提出“Lossless
Long
Context
可以解决
90%
以上的 模型定制问题”，坚持对数据的⽆损压缩，实现模型能⼒的提升，不⾛技术捷径（通过滑动窗 ⼝、降采样、⼩模型等技术实现上下⽂窗⼝延⻓，都是“技术捷径”）
c. 通过这篇⽂章，您可以了解更多技术⽅⾯信息：专访⽉之 公司的第⼀位。
“Kimi
智能助⼿”详细介绍
Kimi
是由⽉之暗⾯（Moonshot
AI）提供的超⻓记忆
AI
助⼿，⽀持约
20
万汉字的上下⽂输⼊，具备 显著的中⽂优势，随时为你回答问题、速读⽂件、整理资料、激发灵感、辅助创作。你可以与
Kimi
聊 天，发送⽹址链接，上传⽂件。 提醒：对了，我们产品名字已更新为“Kimi
智能助⼿”，⼿机上的App和⼩程序都会更新为“Kimi智

57 | 2024 年 AI 编程工具的进化 62 | AI 开发者中间件工具生态 2024 年总结 66 | AI Agent 逐渐成为 AI 应用的核心架构 68 | 谈开源大模型的技术主权问题 72 | 2024:大模型背景下知识图谱的理性回归 77 | 人工智能与处理器芯片架构 89 | 大模型生成代码的安全与质量 93 | 2024 年 AI 大模型如何影响基础软件行业中 的「开发工具与环境」 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 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 受到大家的认可与喜爱固然重要，但对于 C 端用户，有两个需要时刻牢记的问题：一是 C 端用户是没有忠诚度的，谁免费就用谁，谁给补贴就用谁；二是某一个大模型对 C 端用户比较 难产生独特的粘性。 第一个问题的例证太多了，百团大战、滴滴快的、社区团购、pdd。大模型厂商维系 C 端 流量的成本可能是个无底洞。 第二个问题则涉及两个方面，一是大模型赛道本身的极度内卷，技术上拉不开差距；二是普

等 作 者 联 合 撰 写 的 “ State of AI Report 2023”报告，从研究进展 (Research)、行业局 势 (Industry)、政策影响 (Politics)、安全问题 (Safety)、 未来预测 (Predictions) 五个维度出发，对人工智能发展 现状和未来预期进行了深度分析。从中我们看到：  英伟达凭借各国、初创公司、大型科技公司和研究人员 对其 行业面临的一个大方向上的问题是：还没有很好 地从“解决方案”的角度去做技术或者应用。 所谓“解决方案”，是指在设计和开发 LLM 技术和应用时， 首先明确用户的目标，然后围绕目标进行技术研发和应用设 计，并且它带有“整体解决”、“解决的不只是某个单点问题” 的含义。只有这样，才能确保 LLM 能够真正解决实际问题， 而不是成为“应付式”的工具。 “应付式”问题主要表现在以下几个方面： 往往是“一刀切”的，无法根据用户的具体需求进 行个性化定制。  LLM 往往是“碎片化”的，无法提供完整的解决方案。  LLM 往往是“被动式”的，需要用户不断完善输入。 什么意思呢？就是我找 AI 是要解决实际问题的，但它往往都 是给我“应付”一下，直接交货了事了，而不善于去追问本质， 去了解细节，去思考你最终想要的是一个什么样的东西。它需 要你不断完善自己的输入，甚至有时候可能要求在你自身都不 知道

项左右问题的统计调查与分析，我们希望能够还原出当前中国开源社区的真实现状， 从而为开源的后来人提供权威的参考。 调查对象 ：覆盖开发者、社区成员、贡献者、学生、政府企业管理人员 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 ：44 问题类型 ：单选、多选、开放性 今天接近一半，可能也是因为用人单位越来越认可学生 在开源中所展现出的编程技能、沟通能力及合作精神，因此这其中应该也不乏各种刷榜行为，需要开源项目所 有者更多关注学生贡献者增多所带来的质量、合规等问题。 杨丽蕴：我国开源人才后备力量足、基数大。 我国高校越来越重视开源人才的培养 , 越来越多的学生参与到开 源开发中，开源人才培养周期前置，越来越多的学校开设开源课程，希望后续可以实现在学习计算机、编译原 js，JQuery，React， Element UI 和 Bootstrap。 专家点评 段夕华：这个数据有点意思，React 居然屈居 Vue 之后，好像跟国外的统计数据不太一致。不知道是样本容 量问题，还是因为国内开源项目对华人发起的 Vue 情有独钟。 2021 中国开源年度报告 25 3.15 数据库 数据库使用情况中，不出意外地，MySQL 以绝对优势遥遥领先，SQL Server

www.iresearch.com.cn 来源：OSI，Apache等，艾瑞咨询研究院根据公开资料研究及绘制。 开源许可证 开源许可证的“商用”问题本质上是“传染性”问题 开源许可证的主要分类及商用性/传染性阐释 企业最关心的开源许可证问题——使用该许可证的软件是否可以二次开发后“商用”？ “完全可以” Apache-2.0 MIT BSD 2-clause BSD 3-clause EPL：没有修改过，可以直接商用；有修改过，必须在公布源代码的条件下商用，这种 情况下与GPL的发布条件类似。 • 从定义上看，所有的开源协议本质上都是允许“商用”的，之所以在实践中存在一系列开源软件商用后的侵权问题，本质上说 是由于开源许可证的“传染性”。带有“传染性”开源许可证的软件要求企业/个人在对其进行修改发布时保留原来的开源许 可证——这就意味着必须将修改后的软件也公开源代码，换言之，经修改后的软件无法“闭源”。也就是说，企业可以对这一 即为上表中右侧的LGPL、EPL。 • 各开源许可证通常还对代码修改后的发布、销售、宣传等环节有其他要求，但相比上述的“传染性”问题重要性较低，本报告 不一一列举，读者可通过OSI组织及对应开源组织官网进行了解。 开源软件的“商用”问题本质上说是“传染性”问题 9 ©2022.2 iResearch Inc

information and developer technical information) and open source community participation. 通过 44 项左右问题的统计调查与分析，我们希望能够还原出当前中国开源社区的真实现状， 从而为开源的后来人提供权威的参考。 Through the statistical survey and analysis of 44 Online social media, 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 接近一半，可能也是因为用人 单位越来越认可学生在开源中所展现出的编程技能、沟通能力及合作精神，因此这其中应 该也不乏各种刷榜行为，需要开源项目所有者更多关注学生贡献者增多所带来的质量、合 规等问题。 Duan Xihua: In recent years, the proportion of students in the open source population has continued

电脑 ⾯前⽅便地切换多种身份，以异步的⽅式处理多种事务，从⽽增加了开发者参与开源的时间和 机会。 当然，同样由于远程办公，虚拟世界在⼈类⽣活中的占⽐，变得更⼤了。这样是否更好，还会 引发哪些问题？作为站在隧道⼝的⼈类，其实是猜不透的。 2. 中国开源崛起以及开源世界分裂的趋势 随着越来越多中国开源项⽬的影响⼒不断增加、⽊兰协议的推出、开放原⼦基⾦会的成⽴， Gitee 的超⾼速增⻓，CODE 造的项⽬，积累的经验，总 结的教训，应该如何“整理、封装、模块化”，并为了今后的各种意外，做好准备呢？这些都是 值得⻓期思考并改进的领域。 作为⼀份⼒图完整、客观、全⾯、丰富的报告，值得探讨的问题当然不⽌上述这些，也欢迎朋 友们阅读下⾯的报告，并随时与我们交流。 庄表伟，开源社理事⻓ 2021 年 1 ⽉ 16 ⽇ 特邀点评专家：  吴晟，Apache 软件基⾦会 Member，Apache 60 项左右问题的统计调查与分析，我们希望能够还原出当前中国开源社区的真实现 状，从⽽为开源的后来⼈提供权威的参考。  调查对象：覆盖开发者、社区成员、贡献者、学⽣、政府企业管理⼈员  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

助用户识别并解决容器镜像中的安全漏洞。它 支持多种容器镜像格式和操作系统，并提供全 面的漏洞扫描功能。Trivy能检测操作系统和软 件组件的漏洞，以及配置错误等安全问题。此 外，Trivy还具备对容器镜像中的文件权限和可 疑配置选项等安全配置问题进行全面检查的能 力。借助Trivy，用户能够轻松地进行容器镜像 的安全评估和漏洞修复工作。 近日，Trivy v0.41.0发布，版本特性更新如下： • 支持使用Vulnerability 程序，届时将导致旧的Windows启动媒介将会 无法使用。 AI Village创始人Sven Cattell表示，“只有让更 多的人了解如何开展红队测试和评估人工智能模 型，才能解决这些模型中的各种问题。”通过对 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 Mesh。Chaos 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

技术水平、提高自我认同、获得职业发 展机会排名前三，这也与开发者参与开源的方式相互印证。 7.7% 13.3% 18.2% 31.5% 33.6% 47.6% 挑战技术难题 维护程序问题/可拓展性 获得经济收益 了解前沿技术 实现互惠互利、共建共享 获得职业发展机会 提高自我认同 提升自身知识技术水平 占比（%） 56.6% 53.9% 参与开源贡献的原因 开 操作系统生态适配需要大量人力：操作系统需要对软硬件生态适配、兼容，才能更好的发挥其资源管理者的作用。这种适配是双向 的，不同应用场景操作系统适配的生态也有所差异，随着场景的不断创新增加，生态适配性问题日渐复杂，仅靠单个操作系统发行 商进行生态匹配难以解决问题，需要开源集合更多的开发者力量进行帮助。 开源帮助操作系统优化性能、提升使用体验：在常见的操作系统开源sig分布中，大量的开发者有序的渗入到不同功能板块的代码仓 中，帮助 cn openGauss 注释：指标数据时间截止2023年11月。 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。 openGauss社区及行业应用 评审：239K 需求&问题：14.7K 特别兴趣小组：24 社区用户：230万+ 内核代码行数：240万+ 单位会员：457 总代码行数：1500万+ 合并请求：14.4K 高校合作：170+ 社区贡献者：5900+

文本相似度等自然语言处理能力。可应 用于客服对话机器人、搜索、舆情分析 等场景。 23 SOLUTIONS 解决方案篇 SOLUTIONS 核心能力共享 构建服务共享中心，解决企业信息系统孤岛问题。 产品快速创新 快速响应需求变化，提升企业业务创新速度。 系统长期稳定 系统微服务化解耦，实现系统长治久安。 业务持续在线 提升产业信息化程度，实现核心业务实时、在线、统一。 方案价值 提供分布式事务的最佳实践等咨询服务 客户收益： 统一的分布式事务能力，成本低质量高 多场景支持，支持同步、异步场景 完备的异常处理机制节约人工成本 高可用、高性能及扩展 客户需求： 解决商城功能不完善的问题 解决运营体系不完整的问题 打造一站式、高性能的分析建模平台 有效支撑数据智能化分析场景 满足国产化需求 解决方案： 以中台的模式构建电商平台 业务可扩展，敏捷迭代等 从 0-1 构建运营体系，建设运营体系 构建企业算法平台，实现自主开发训练 金融行业 34 客户需求： 改变老旧腐化的IT系统 解决跨系统数据一致性问题 满足快速地个性化开发，支持创新 解决方案： 打造统一技术中台解决方案 实现业务中台分布式服务化建设 建设统一的技术中台支持快速迭代 客户收益： 稳步推进企业服务化架构升级 解决工作流引擎数据一致性问题 解决了金融企业中统一的接入问题 混合所有制金融科技服务企业。 华融科技 客户需求： 信息系统难以形成有效管理和支撑