本次路演宣讲围绕AI技术创新与开源生态建设核心，详细解读了多个重磅赛项，覆盖操作系统、大模 型、机器人等前沿领域。在openKylin系列赛中，openKylin社区与麒麟软件联合推出4道赛题，包括面向 openKylin智能引擎的开源大模型推理优化、基于桌面环境的多智能体交互技术开发等，总奖金达100万 元。本次赛题聚焦端侧资源有限场景下的技术突破，如通过模型压缩、异构计算调度提升大模型推理效 率，推动openKylin与AI技术的深度融合，目前已研制出具备离线推理、端云调度能力的openKylin AIPC版本，为参赛团队提供坚实技术底座。 深耕开源生态：开放原子大赛构建全球技术创新舞台 作为面向开源领域的顶级技术赛事，开放原子大赛自2023年创办以来，已成功举办两届，累计发布100 个赛项，吸引8万余人报名参赛，覆盖1000多所院校，发放奖金超2700万元，形成了一批可落地、高价 值的技术成果。其中，非对称稠密矩阵线性方程组高效求解获奖作品将我国自主研发压裂优化设计软件 计算速度提升10倍以上，每年为万余口油井节约数千万成本；vivo蓝河操作系统创新赛获奖成果实现文 件级代码转译，编译通过率从11.9% ...

大会概况 - 开放共创·可持续发展大会将于2025年9月13日在中国杭州举办，与GOSIM HANGZHOU 2025同期举行 [1] - 大会核心目标是探索人工智能与开源技术协同创新，共同应对贫困、饥饿、健康、教育、气候变化等全球性挑战 [1] - 大会汇聚联合国、顶尖学术机构、全球科技巨头及开源社区的杰出领袖与专家，促进跨学科跨文化协作 [1] 联合国可持续发展目标 - 联合国可持续发展目标（SDGs）包含17个相互关联的目标，是《2030年可持续发展议程》的核心内容 [5] - 人工智能和开源技术被联合国视为加速实现可持续发展目标的关键驱动力 [7] - 联合国强调投资开源软件、开放数据、开放AI模型、开放标准和开放内容是实现SDGs的基石 [7] 分论坛设置 - 开放数据分论坛聚焦开放数据在推进SDGs中的实际应用与潜力 [13] - 开放政策分论坛重点探讨政策、流程和治理机制的定义 [21] - 开放科学分论坛探讨利用透明、协作和可及性原则加速SDGs实现 [32] - 未来人工智能分论坛探讨在SDGs背景下AI系统的设计、部署和治理 [39] 重要嘉宾阵容 - 开幕主旨演讲嘉宾包括北京大学教授黄铁军和联合国首席人工智能官Mehdi Snene [10][11] - Mehdi Snene曾指导耗资10亿欧元的"人类大脑计划"，推动神经形态计算和大脑模拟发展 [12] - 分论坛主持包括北京智源人工智能研究院副院长林咏华、Generative AI Commons联合主席Anni Lai等 [14][22][33] 预期成果与行动 - 大会将建立开放贡献框架，为参与符合SDGs的开源项目提供清晰路径 [46] - 发起开放数据倡议，促进开放数据获取和使用以实现基于证据的创新 [47] - 目标是在2026年纽约联合国总部举行的联合国OSPOS for Good大会上提交进展报告 [47] 大会规模与影响力 - 预计汇聚1500+全球一线开源开发者，100+海内外资深专家 [50] - 包含100+优质技术分享，5大技术论坛，12场主题Workshop [50] - 设有4场Hackathon创新竞赛和1场GOSIM AI for Humanity Spotlight特别活动 [50]

华为开源计划 - 华为计划2025年9月正式开源UCM技术，首发于魔擎社区，后续将贡献给主流推理引擎社区及共享架构存储厂商[2] 三星先进封装技术 - 三星研发415mm×510mm面板级SoP封装技术，采用RDL重布线层替代PCB基板和硅中介层，以争夺超大规模芯片集成订单[3] 福特汽车召回事件 - 福特因后车轴轮毂螺栓疲劳断裂风险，在美召回103,174辆2023-2025款F-150车型[4] 京东竞争策略 - 京东CEO许冉明确拒绝参与"恶性内卷"价格战，认为补贴大战无创新且破坏市场秩序，违反《反不正当竞争法》[5] 美光业务调整 - 美光全球停止移动NAND产品开发（含UFS5），主因市场疲软及增长放缓，但将继续支持SSD、汽车NAND及移动DRAM业务[6] 电影市场动态 - 电影《奇遇》上映5天总票房突破7000万元[7] 麦当劳用工政策 - 麦当劳中国回应退休返聘属常规灵活用工，强调依法提供报酬、商业保险及合规福利[8] 抖音电商治理 - 抖音电商2025年处置2.4万侵权达人账号，主要涉及AI仿冒他人形象及盗用内容进行带货[9] 银河娱乐业绩 - 银河娱乐2025年上半年净收益232亿港元（同比+8%），股东应占溢利52亿港元（同比+19%），中期股息每股0.70港元[10] 坦克500预售 - 全新坦克500智享版预售36万元起，搭载Coffee Pilot Ultra智能驾驶系统，预售2小时订单达7,289单[11] 小米汽车交付策略 - 小米汽车要求部分高风险用户提前结清尾款，分析称此举或为清理黄牛订单以提升交付效率[12] 人事动态 - 前荣耀CEO赵明否认加盟智界汽车，强调目前处于休整阶段[13]

公司战略 - 华为计划于2025年9月正式开源UCM [1] - 开源UCM将在魔擎社区首发 [1] - 后续逐步贡献给业界主流推理引擎社区 [1] 行业合作 - 将UCM共享给业内所有Share Everything存储厂商 [1] - 与生态伙伴共享UCM技术 [1]

大会概况 - 2025CCF中国开源大会在上海举办 主题为"蓄势引领、众行致远" [1] - 大会聚焦开源操作系统、开源芯片、开源大模型、开源具身智能等关键方向 [1] - 由中国计算机学会主办 上海交通大学和CCF开源发展技术委员会承办 [1] 开源发展战略 - 开源是全球科技创新重要路径 推动开放发展与共同发展 [2] - 大学需打破学科与学校边界 构建跨学科跨组织大协作机制 [2] - 强化人才与科技成果供给 为创新驱动发展提供源头活水 [2] - 上海交大与华为建立"目标共识、人事共通、任务共担、成果共享"合作新范式 [2] - 上海交大国内率先成立开源鸿蒙技术俱乐部 将开源鸿蒙融入课程体系 [2] 技术前沿趋势 - AI正经历从"模型中心"向"数据中心"范式转变 [3] - 需构建高质量高效率数据基础设施降低人工智能落地门槛 [3] - 大模型技术为处理器自动设计、基础软件智能优化提供新机遇 [3] - 大模型技术有望重塑开源芯片生态构建模式与产业格局 [3] - 大模型推理服务面临系统层面挑战 需完善数据获取至推理全生命周期 [2] 开源生态建设 - 开源在人工智能领域扮演关键角色 推动模型代码向平台生态发展 [3] - 上海人工智能实验室推出书生大模型开源体系 [3] - 系统研究在支撑智能时代工作负载中具有核心地位 [2]

开源与闭源技术模式对比 - 开源模式能让企业更好地掌控技术并进行个性化创新 同时确保核心数据资产安全 如富国银行部署Meta的Llama 2满足金融合规要求[3] - 闭源模式存在高昂授权费 技术黑箱和厂商锁定风险 自研系统需巨额投入使中小型企业望而却步[4] - DeepSeek问世后开源声音占主导 其推理成本仅为OpenAI o1模型的1/30 但数学推理和代码生成能力达同等水平[7] 企业开源实践案例 - 中国信保通过SUSE Rancher容器平台将运维响应从分钟级降至秒级 图形化操作降低工作难度[2] - 德国FIS集团采用SUSE开源AI平台构建SAP智能解决方案 实现全链路可视化并满足欧盟GDPR合规[5] - 皓康医疗采用SUSE AI运行医学影像分析 推出的Endoseek平台使医生报告解读时间缩短50%以上[5] - IBM基于Llama 2开发AskHR系统服务28.5万名员工 营销AI工具将跨国活动部署周期从月级缩至72小时[6] - 日本CyberAgent用戴尔开源工具开发OpenCALM模型 某汽车厂商借此将缺陷识别准确率提升至99.2% 开发成本仅为闭源方案1/5[6] 开源技术优势 - 通过开源社区群智协作形成技术普惠-知识共享-商业反哺的正循环[3] - 欧洲开发者基于DeepSeek-R1两周开发出法律文书生成工具 成本较闭源方案降低90%[7] - 开源为企业提供高度可扩展的AI基础架构 能轻松增加新用例或扩展内部应用[6] 开源安全挑战 - 2024年84%代码库存在已知漏洞 48%含高风险漏洞 开源AI漏洞事件年增长超650%[9] - SUSE统计显示57%企业担忧隐私数据安全 55%关注AI驱动网络攻击 仅7%认为无安全风险[9] - Kubernetes等平台依赖大量第三方组件 对运维团队经验不足的企业构成管理难题[8] 风险应对方案 - FIS集团通过SUSE AI实现全链路可视化 风控响应速度提升300%[9] - SUSE推出AI护栏技术 满足多国合规要求 监督大模型原则性问题 实时监控防数据投毒[10] - 企业需培养熟悉开源技术的IT团队 以问题导向寻找技术落地场景 而非盲目追风[8] 市场发展前景 - IDC预测亚太地区AI和GenAI投资到2028年达1750亿美元 年复合增长率33.6%[4] - 开源市场竞争焦点除性能与价格外 安全可控可视化成为重要发展方向[9] - 开源公司与用户需持续交流 产品仅是开始 后续服务成为软件公司核心竞争力[9]

中国AI发展现状 - 过去两年中国AI技术取得举世瞩目的成就，特别是DeepSeek、Mini Max、Kimi等大模型的发展令人震撼[3][5] - 中国AI模型普遍采取开放权重策略，与美国主流闭源模式形成鲜明对比[5] - 中国同行及公司在全球技术层面取得显著成绩，工作态度获得高度评价[5] 中美AI合作与治理 - 中美需要通过开放对话建立互信，共同应对AI带来的挑战[6][8] - 基辛格博士建议通过合作防止AI负面影响，拥抱其正面影响[6] - 双方应建立持续对话机制，共享风险研判与测试数据，避免误判[8] AI技术发展趋势 - 未来两年将出现大量具备记忆和执行能力的智能体，对企业工作流产生革命性影响[14][15] - 深度推理应用和先进算法提升将成为下一阶段发展重点[15] - OpenAI的ChatGPT、Claude、Gemini与中国大模型共同推动行业突破[13] 开源与闭源技术路线 - 埃里克·施密特更倾向支持开源技术，认为可通过限制措施管理风险[10] - 闭源公司受政府严格监管，操作控制更规范但灵活性较低[10] - 技术扩散速度极快，关键在于设置"防护栏"并基于人类价值观训练模型[10] AI社会影响与挑战 - AI在健康、工程、气候变化等领域具有无限潜力[7] - 超级智能系统间的协作将不可避免，需维护人类尊严和控制权[8][15] - 当前对模型安全性的研究仍需加强，特别是防止不良行为如欺骗等[11]

中国开源生态发展现状 - 中国活跃开源开发者数量全球领先，2024年达227.29万人，同比增长22.95%，近两年平均增速31.58% [1] - 中美印三国开源贡献量占全球TOP30国家和地区总量的39.78%，其中美国8956.45万次、印度5483.72万次、中国5033.61万次 [2] - 中国占全球TOP30活跃开源开发者比例逐年上升，从2022年15.13%增至2024年18.29%，印度198.50万人、欧盟186.35万人、美国167.03万人分列2-4位 [3] 区域与行业应用格局 - 中国开源生态呈现"头部稳固、腰部上升、尾部追赶"格局，北京、上海、深圳、杭州为头部城市，广州、成都、南京、武汉等腰部城市快速崛起 [3] - 开源技术覆盖电力、通信、医疗等10多个关键领域，南方电网、中国移动、京东等100多家单位发布150多个应用案例 [4] - 开源鸿蒙应用设备总量超11.9亿台，搭载1200款产品，落地金融、教育、航天等领域 [5] 重点项目进展 - 开源鸿蒙生态目标注册开发者达1000万，已成立三只产业基金支持开发团队 [6] - 开源欧拉装机量突破1000万套，生态共建单位超2000家，覆盖金融、通信等行业 [6] - openKylin累计部署超2400万套，OpenTenBase广泛应用于银行、证券、政务等领域 [6] 人才培养与教育 - 开源教育是生态发展核心路径，需通过政策引导、师资建设、产教融合、文化推广四方面推进 [7] - 高校与企业合作将开源鸿蒙纳入教学实践，强化开发者培养体系 [6]

中国AI发展现状 - 中国AI模型在过去两年取得巨大进步 特别是DeepSeek、Mini Max和Kimi等大模型在全球技术层面获得显著成就[4] - 中国AI发展采取开放权重方式 与美国封闭策略形成明显区别 大多数领先语言模型并非开源[5] - 中国同行及公司在AI领域取得显著成绩 工作态度非常出色[4] 中美AI合作与治理 - 中美需要建立持续对话机制 共享深度见解、风险研判与测试数据 避免因意外产生误判[11] - 基辛格建议通过合作防止AI负面影响 拥抱正面影响 在健康、工程和气候变化等领域优势无限[9] - 作为最重要经济体 美国和中国应共同合作确保世界稳定与和平 让人类控制这些工具[17] 开源技术与安全风险 - 更倾向于支持开源技术 虽然存在潜在风险 但可通过限制措施管理并根据需要调整[13] - 开源扩散具有即时传播特性 技术发明后世界各地很快会使用 关键在于技术"编辑者"和应用场景[13] - 目前缺乏有效制衡措施 AI可能出现不良行为如撒谎和欺骗 问题尚未得到解决[14] 人工智能未来展望 - 未来两年将出现许多智能体 能够记忆语言、执行任务并采取行动 对企业工作流产生巨大影响[18] - 智能体革命将推动深度推理应用和先进算法提升 对社会产生深刻变化且大部分会让社会更好[19][20] - 超级智能系统间协作不可避免 系统将进行递归式自我改进 需要非常小心其学习内容[10][14] 技术发展与人类价值 - 基辛格认为AI将成为社会重大挑战 需关注对社会层面影响及对人类文明和尊严的影响[8] - 人工智能为每个人提供多才多艺的工具 帮助企业、工作和生活 但在治理和讨论方面尚未做好准备[17] - 需要根据人类价值观训练和对齐模型 维护人类尊严和对人工智能的控制权[11][13]

开源技术应用与ORE更新 - 开源技术在各行业广泛应用，使企业能以近乎零成本或极低成本获取专业功能，在交易后领域优势尤为明显 [1] - 开源风险引擎（ORE）作为免费模拟引擎，已革新企业处理交易产品风险与定价的方式 [1] - ORE第13版更新包括：全面革新示例用例库、推出支持Excel/Python/Restful API的新包装器原型、优化QuantLib并提升历史数据加载速度 [1] - 新增XVA框架整合，支持快速计算XVA敏感性及动态ISDA SIMM™建模功能 [1] 以用户为中心的开发改进 - ORE示例按主题分类（如市场风险、绩效评估等），提升用户查找效率和浏览体验 [2] - 新包装器原型支持多种开发环境，便于团队将ORE功能集成至现有工作流程 [2] - 全面整合ORE-SWIG包装器项目，简化自定义包装器构建流程 [2] 功能增强与扩展 - 新增对期中息票行权的支持，提升对冲策略相关金融工具的估值准确性 [3] - 美式蒙特卡洛模拟框架扩展至股票交易领域，原仅支持利率和外汇交易 [3] - 压力测试模块优化，新增现金流数据输出功能，支持更细致的压力情景分析 [3] 行业价值与愿景 - ORE确保关键价格和风险分析功能对所有企业开放，打破资源壁垒 [4] - 通过持续用户反馈迭代开发，使解决方案保持动态性和行业领先地位 [4] - 基于QuantLib构建并融合市场研究成果，SWIG语言绑定促进Python/Java应用集成 [5] 交易后服务定位 - LSEG交易后服务为清算后和双边市场提供支持，通过创新应对市场变化 [9] - 提供清算服务、标准化基础设施、数据分析和监管报告等完整生态系统 [9] - 增强型尽职调查报告可满足标准版无法覆盖的业务关系风险评估需求 [10]