个产品（Configserver 非持久注 册中心，VIPServer 持久化注册中心，Diamond 配置中心），是开源三个产品还是合成⼀个产品开 源；第三个问题是开源产品跟商业化产品的关系是什么，是否会削弱商业化产品的竞争力。围绕这 几个问题，我们吵到深夜两点。 前言 < 10 六点出海打渔，清晨冰冷的海风，摇曳的小船，撒出大网后我们忍受着寒冷，焦急和期望的等待着， 收网时刻只有⼀些小鱼小虾，当然还有螃蟹。 还强调两个点，第⼀个点是我们当时是⼀个闭源的 ⼀个软件，经常有业务方跳出来说你看 Eureka 多好，你们哪里哪里不行，如果我们不开源去打⼀ 打，怎么更好的证明我们更好，还有⼀个点是当时我们有商业化产品的，虽然我们知道我们更好， 但是奈何用户选择的是 Eureka，我们只能兼容，而且我们不出去，不成为默认标准，不知道未来还 要被迫兼容更多不如我们的产品，这对我们来说是⼀个灾难。因此我们决定开源。 cloud-alibaba/Seata/Sentinel）微服务最佳实践。 随着我们选择三合⼀的开源模式，又面临另外⼀个问题，未来内部和商业化关系是什么，代码关系 是什么？ 这个问题应该说⼀直持续，但是我们定下来开源、自研、商业化三位⼀体的战略，以开源为内核， 以商业化为扩展；开源做生态，商业化做企业级特性，阿里内部做性能和高可用；开源做组件，商 业化做解决方案；并且随着时间推移，基本按照这思路完成的正循环，全面系统的打造了

LLaMA-2。这个赛道的主要玩家在技术和商业化上有差距， 但没有到翻盘无望的程度。  大模型赛道不但包括模型的训练，也包括模型服务。训练是软件的制作成本，而服 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 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 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， 技术的先进性， C 端用户基数，依赖这个软件的生态系统大小等等。其中哪个更关键一点？ 技术先进是好事，但大模型领域的先进技术远没有达到能为大模型企业带来可观收入的程度。 整个大模型赛道还处在商业化的摸索阶段。这个时间点上的“技术先进性”更多是用于公关宣传 的素材。考虑到数据获取、加工的成本，模型训练的成本，这是一种相当昂贵的宣传方式。 C 端用户指那些把大模型当成智能个人助理来使用的普通个人用户。OpenAI

APACHE APISIX的全流量API网关 温铭, 来自一家在远程工作方式下商业化开源项目的创业公司(支流科技), 担任CEO&联合创始人, Apache 顶级项目APISIX的PMC主席, Skywalking开源项目的贡献者(commiter)。在创业之前, 在360做企业安全, 360开源委员会的发起人, 腾讯的TVP, TARS基金会的TOC成员, 在安全领域有四十多个专利, 最近三年全 和 PR • 没有跟进云原生：nginx-k8s-controller、nginx unit 的尝试都失败了 • 配置不能热加载 • 非 http、https 流量的兴起（微服务、物联网…） • 商业化不成功 • 被 F5 收购 Nginx 的替代者 • API 网关：Kong、Apache APISIX • service proxy：Envoy • 公有云：CLB + API 网关、CLB

go-zero 社区发展 • 壮⼤社区 • 核⼼成员 • 热⼼成员 • 如何成就⼤家（技术和机会） • 极个别极端成员如何应对？ go-zero 的未来 • 功能规划 • 开源和商业化的思考 https://github.com/zeromicro/go-zero 欢迎 star, fork, issue, PR! ? https://github.com/zeromicro/go-zero

一”，日交易额2684亿元 2 0 1 9 T4项目启动，容器调度技 术开始支撑集团的在线业 务，云原生时代开启 2 0 1 1 在线和离线调度系统打通混合 部署，底层资源池统一，支撑 百万级电商交易活动。 云原生技术全面商业化，容器 技术对外开放 2 0 1 7 云原生技术全面升级，阿 里巴巴原生用云， Serverless时代开始。 2 0 2 0 2009-2016 应用架构互联网化

多模态交互流畅；开发者工具丰富 训练成本高；闭源且费用高昂； 中文支持弱于本土模型 OpenAI GPT-4o 闭源大语言模型 多语言处理、文本生成、 创意内容创作 全模态能力行业领先； 实时交互响应快；商业化成熟度高 训练成本高；运营成本高 数据隐私争议大 Meta Llama 3.2 开源大语言模型 多语言支持、内容生成、 信息检索 完全开源免费；社区支持广泛； 多语言基础能力均衡 多模态功能缺失；