中国的开源软件法制建设：国内涉及开源的法律诉讼主要包含两种，其一是软件侵权案被告 方以原告所诉软件为开源软件为由进行抗辩，其二是开源软件作者起诉被告企业未遵守开源 协议。国内开源司法实践以保护软件研发的创造性劳动为核心，对上述两类案件通常支持原 告方立场。涉及开源的法律法规建设正在进一步完善，有望为我国的开源软件产业创设更有 序的发展环境。 SMS 中国的开源软件产业发展：得益于政策支持、软件产业高速发展、软件行业人才不断累计， 开源是软件市场“后进者”扩大市场影响力的重要手段 从市场竞争战略的视角上看，软件开源通常是软件市场的“后进者”扩大市场影响力、追赶头部企业的重要手段。观察PC 操作系统、移动操作系统、DBMS（核心数据库）三大类典型基础软件产品的开源/闭源情况，整体来看后出现的软件产品 更有可能是开源的，这一情况在DBMS情况尤为显著。通过开源，新的产品能够能更快地打入市场，开放的源代码也更容 易获得顾客的信任和了解；在市场 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

累，没法速成。” 长度是 Llama 1 的 2 倍，并采用了分组查询注意力机制。具体来说，Llama 2 预训练模型是在 2 万亿的 token 上训练的，微调 Chat 模型是在 100 万人类标 记数据上训练的。 7 / 87 1 1 开源开发者事件回顾 Auto-GPT 横空出世，席卷 AI 圈 “零一万物”发布 Yi 系列开源大模型 Vercel 发布"v0"：根据文本生成 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。 流等更新的方法脱颖而出，允许 以高性能向用户交付复杂的 Web 应用程序。 Dart 3 正式发布，100% 健全的空安全 Dart 3 包含了三个主要改进：完成了 100% 健全的空安全；添加了记录、 模式和类修饰符的新语言特性；以及对未来进行了预览，即，通过 Wasm 编 译扩大了对网络原生代码的平台支持。 Cython 3.0 正式发布 经过近五年的漫长岁月，Cython 3.0 于 2023 年 7

化”，也就是在⼀台电脑 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 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

和⽂本，base
model
的
scaling
效果仍然远远超过⽤⼾的，但我认为最终会转移到⽤⼾的
scaling
law，只是个时间问题。
现在⾯对数据瓶颈，这⼀点尤为重要。特别是⼈类偏好数据，它⾮常有限，但没有它⼜不⾏。我觉得 这也是每⼀个AI-Native
产品现在最值得思考的问题之⼀。所以，⼀个不⾜够关⼼⽤⼾的公司最终可能 也没法实现
AGI。

海外独⻆兽：怎么看
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 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。
AI
成为了朋友，那所有事情都可以跟它 说。 Inflection
Pi
的
motivation
其实是很好的，想要建⽴强信任，只是
Pi
可能要再往前推⼀步，到底怎样 跟⽤⼾去建⽴信任，⼈类社会可能并不接受指派⼀个终⾝搭档的做法，这有点反⼈性。
海外独⻆兽：⽉之暗⾯想做超级应⽤，你⾃⼰理想中的超级应⽤⻓什么样⼦？多⼤才算超级？
杨植麟：还是看破圈程度。周围的亲戚都在⽤，你才真正成

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 然地存在大量数据可用于训练，还蕴含了人类的思维模式。 在此基础上训练得到的 LLM，自然具备被诱导出类人思考的潜力。在 COT（思维链）【4】、 TOT（思维树）【5】等技术的加持下，大模型正在学习拆解自己的“思维”，OpenAI 的 o1 就是 典型案例，强化了推理能力的同时，也大大缓解了幻觉问题。 架构呈现了 O(n²)的理论计算复杂度，这里的 n 指的是大模型输入 序列的 token 数量，但其前任语言模型担当 RNN 只有 O(n)的理论计算复杂度。 最近，以 Mamba、RWKV 为代表的类 RNN 结构死灰复燃，公开挑战 transformer 地位。 更有最新研究【13】从理论上表明，RNN 对比 Transformer 的表达力，只差一个 in-context-retrieval。 目前国内的头部 AI 公司也已接近个人模型的技术目标。但目前端到端多模态模型和推理模型的 成本仍然较高，且在一些场景下还不够稳定。 但 2023 年以来，模型知识密度有每 8 个月提升一倍的“类摩尔定律”趋势，加上硬件的摩 尔定律和推理框架的优化，一到两年后，个人模型的成本将达到可以让用户随时使用的水平，就 像互联网应用一样，通过广告和少数订阅即可盈利。类似 o1 的强推理能力模型也不一定需要很

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。 对于这四类基础软件（操作系统、数据库、AI框架、中间件），其编写者将实现功能的代码按照一定的开源规范 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 常见许可证： • MIT • Apache2.0 • BDS2.0-clause • 木兰宽松许可证 类别二 一定条件下允许二 次闭源发行 常见许可证： • LGLP2.1，商业 软件通过代码类 库引用（软件代 码与引用的源代 码 呈 “ 松 耦 合 性” ）的方式 下可以闭源发行 类别三 不允许二次闭源发 行 常见许可证： • GPL （ 其 2.0 版 本不允许闭源发 行，3.0版本在 、企业开发者。这两种类型群体在参与开源项目的过程中，行为上有明显差异。 个人开发者多数同时也是企业中的程序开发人员，在业余时间选择开源社区丰富自身知识储备，以兴趣为导向提供代码改进建议。 企业开发者旨在实现商业收益，选取优秀开源代码，并根据自身的行业Knowhow，在其上二次开发产出定制化的行业发行版本。 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。 两类开源开发者行为差异

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

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

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 可视化构建实体、数据结构、枚举等低 代码数据模型，自动生成数据库表和页 面交互。 支持企业集成 能够通过 标签管理 画像分析 群组管理 API管理 支持数据产品研发 无代码平台，与 BI 、数据填报、复杂报 表、智能决策深度融合。 开放与集成能力 以标准类接口开放所有资源，支持集 成，兼容性强。 内置增强分析 内置高级分析模型，如预测、聚类，离 散；支持智能问答、智能分析等多种分 析场景。 产品特色 产品能力 业务流程覆盖数据收集、加工、分析、应用等全链路环节，内置可视化报告、自助式 ETL ETL 、自助取数、驾驶舱、数据 大屏、复杂报表、数据填报、智能决策等数据应用，支撑企业智能化决策。 通过信通院“大数据产品能力评测”商务智能工具评测 产品荣誉 文件类（CSV/TXT） 关系型/分布式数据库 API 接口 填报数据 大数据平台 数据连接 数据接入 SQL语句数据建模 可视化数据建模 轻量化 ETL 建模 对接数据中台模型 数据建模 数据分析 报告

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 Actions 支持 CI/CD 功能，兼容 GitHub Actions， 可重用 Actions Actions 高度兼容：大部分 GitHub Actions 插件可复用； • 工作流程/操作语法兼容：与 GitHub Actions 工作流程、操作语 法高度兼容。 生态兼容 • 类 Github 的使用体验，使用习惯无缝衔接； • 完全兼容 Git 命令，无额外学习成本； • 提供 Tea 命令，操作方便、快捷、高效。 使用简单 • 支持多种部署方式，几条命令快速安装和升级