如计算路口交通事故预警，给予司机及时提示等，所 以将算力卸载在距离业务现场、设备最近的地方，就 是边缘计算的场景，它的价值空间远超AIoT，可以更 大范围为客户赋能，IoT和边缘计算一定走向融合。 定位为基于物模型的计算 定位为基于业务的计算 高级能力-自动化-AIoT以及赋能业务-边缘计算(Edge Cloud )-2 • 为了更好的为客户业 务场景赋能，比如路 口的交通事故识别和 预警等等需要低时延 但是通过监控、日志分析、跟踪链等发 现问题根因所在周期长，依靠人的经验 （并且人的经验无法数据化沉淀），而 得到问题根因后，只能通过人工去修复 或者管理 • 而大数据或者基于监督的AI技术的成熟、 运维领域模型趋于完整、云原生底座也 更成熟的基础上，利用大数据分析根因 （关联性分析）和利用AI进行基于根因分 析的自动化处理成为可能。 • 在精细化的基础上，完整较为成熟的自 动化能力，节约了人力成本同时提高了

观 点 编委会 21 | 2024 年中国开源模型：崛起与变革 26 | 开源模型未必更先进，但会更长久 30 | 大模型撞上“算力墙”，超级应用的探寻之路 36 | AI 的三岔路口：专业模型和个人模型 40 | 2024 年 AI 编程技术与工具发展综述 45 | RAG 的 2024：随需而变，从狂热到理性 51 | 大模型训练中的开源数据和算法：机遇及挑战 57 | 2024 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」 98 | 推理中心化：构建未来 AI 基础设施的关键 Part 高瞻，Gitee AI 运营 设计：张琪 开发者是开源生态的重要支柱。 本章结合 、 的数据分 析，勾勒 2024 年中国开源开发者的整体画像趋势轮廓，主要 反映中国开源开发者使用开源大模型概况、开源项目/组织健康 度，以及中国开源社区的生态评估等情况。 Gitee 数据篇 本报告数据来源：2024年1月至2024年12月 Gitee及Gitee AI平台相关公开数据 4 / 111

ElementTree --- ElementTree XML API . . . . . . . . . . . . . . . . . . . . . 1000 21.6 xml.dom --- 文档对象模型 API . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1015 21.7 xml.dom.minidom Lib/decimal.py decimal 模块为快速正确舍入的十进制浮点运算提供支持。它提供了float 数据类型以外的几个优点： • Decimal 类型的“设计是基于考虑人类习惯的浮点数模型，并且因此具有以下最高指导原则——计 算机必须提供与人们在学校所学习的算术相一致的算术。”——摘自 decimal 算术规范描述。 • Decimal 数字的表示是精确的。相比之下，1.1 和 2 文件系统的操 498 Chapter 16. 通用操作系统服务 The Python Library Reference, 发布 3.7.13 作，其权限语义可能超出常规的 POSIX 权限位模型。 在 3.3 版更改: 添加 dir_fd、effective_ids 和 follow_symlinks 参数。 在 3.6 版更改: 接受一个path-like object。 os.F_OK

ElementTree --- ElementTree XML API . . . . . . . . . . . . . . . . . . . . . . . 1058 21.6 xml.dom --- 文档对象模型 API . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1074 21.7 xml.dom.minidom Lib/decimal.py decimal 模块为快速正确舍入的十进制浮点运算提供支持。它提供了float 数据类型以外的几个优点： • Decimal 类型的“设计是基于考虑人类习惯的浮点数模型，并且因此具有以下最高指导原则——计算机 必须提供与人们在学校所学习的算术相一致的算术。”——摘自 decimal 算术规范描述。 • Decimal 数字的表示是精确的。相比之下，1.1 和 2 Library Reference, 发布 3.7.13 注解: 即使access() 指示 I/O 操作会成功，但实际操作仍可能失败，尤其是对网络文件系统的操作， 其权限语义可能超出常规的 POSIX 权限位模型。 在 3.3 版更改: 添加 dir_fd、effective_ids 和 follow_symlinks 参数。 在 3.6 版更改: 接受一个path-like object。 os.F_OK

ElementTree --- ElementTree XML API . . . . . . . . . . . . . . . . . . . . . 1046 20.6 xml.dom --- 文档对象模型 API . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1063 20.7 xml.dom.minidom Lib/decimal.py decimal 模块为快速正确舍入的十进制浮点运算提供支持。与float 数据类型相比，它具有以下几个 优点： • Decimal 类型的“设计是基于考虑人类习惯的浮点数模型，并且因此具有以下最高指导原则——计 算机必须提供与人们在学校所学习的算术相一致的算术。”——摘自 decimal 算术规范描述。 • Decimal 数字的表示是完全精确的。相比之下，1.1 和 list(map(round, sat.quantiles(n=10))) [810, 896, 958, 1011, 1060, 1109, 1162, 1224, 1310] 为了估算一个不易解析的模型分布，NormalDist 可以生成用于 蒙特卡洛模拟 的输入样本： >>> def model(x, y, z): ... return (3*x + 7*x*y - 5*y) / (11 * z)

ElementTree --- ElementTree XML API . . . . . . . . . . . . . . . . . . . . . 1046 20.6 xml.dom --- 文档对象模型 API . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1063 20.7 xml.dom.minidom Lib/decimal.py decimal 模块为快速正确舍入的十进制浮点运算提供支持。与float 数据类型相比，它具有以下几个 优点： • Decimal 类型的“设计是基于考虑人类习惯的浮点数模型，并且因此具有以下最高指导原则——计 算机必须提供与人们在学校所学习的算术相一致的算术。”——摘自 decimal 算术规范描述。 • Decimal 数字的表示是完全精确的。相比之下，1.1 和 list(map(round, sat.quantiles(n=10))) [810, 896, 958, 1011, 1060, 1109, 1162, 1224, 1310] 为了估算一个不易解析的模型分布，NormalDist 可以生成用于 蒙特卡洛模拟 的输入样本： >>> def model(x, y, z): ... return (3*x + 7*x*y - 5*y) / (11 * z)

ElementTree --- ElementTree XML API . . . . . . . . . . . . . . . . . . . . . . . 1120 20.6 xml.dom --- 文档对象模型 API . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1139 20.7 xml.dom.minidom Lib/decimal.py decimal 模块为快速正确舍入的十进制浮点运算提供支持。与float 数据类型相比，它具有以下几个优点： • Decimal 类型的“设计是基于考虑人类习惯的浮点数模型，并且因此具有以下最高指导原则——计算机 必须提供与人们在学校所学习的算术相一致的算术。”——摘自 decimal 算术规范描述。 • Decimal 数字的表示是完全精确的。相比之下，1.1 和 list(map(round, sat.quantiles(n=10))) [810, 896, 958, 1011, 1060, 1109, 1162, 1224, 1310] 为了估算一个不易解析的模型分布，NormalDist 可以生成用于 蒙特卡洛模拟 的输入样本： >>> def model(x, y, z): ... return (3*x + 7*x*y - 5*y) / (11 * z)

· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 1039 10.2.5 乐观事务模型下写写冲突问题排查· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 1043 10 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 2612 14.3.15 TiFlash Pipeline Model 执行模型 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 2613 14 4/vector-search-overview">向量搜索功能（ �→ 实验特性） 向量搜索是一种基于数据语义的搜索方法，可以提供更相关的搜索结果。作为 AI 和大语言模型 (LLM) �→ 的核心功能之一，向量搜索可用于检索增强生成 (Retrieval-Augmented Generation, RAG)、 �→ 语义搜索、推荐系统等多种场景。 35

· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 1294 10.2.5 乐观事务模型下写写冲突问题排查· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 1297 10 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 2630 14.3.15 TiFlash Pipeline Model 执行模型 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 2631 14 4/vector-search-overview">向量搜索功能（ �→ 实验特性） 向量搜索是一种基于数据语义的搜索方法，可以提供更相关的搜索结果。作为 AI 和大语言模型 (LLM) �→ 的核心功能之一，向量搜索可用于检索增强生成 (Retrieval-Augmented Generation, RAG)、 �→ 语义搜索、推荐系统等多种场景。 40

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1145 20.6 xml.dom --- 文档对象模型 API . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1153 20.6.1 模块内容 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1185 20.13.4 内容模型描述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1186 20.13.5 Expat 十进制定点和浮点运算 源码： Lib/decimal.py decimal 模块为快速正确舍入的十进制浮点运算提供支持。与float 数据类型相比，它具有以下几个优点： • Decimal “基于一个浮点模型，它是为人们设计的，并且必然具有最重要的指导原则——计算机必须提 供与人们在学校学习的算法相同的算法。”——摘自十进制算术规范。 • Decimal 数字的表示是完全精确的。相比之下，1.1 和 2