Meta的战略转型：从开源到闭源 - 公司核心战略发生根本性转变，从开源先锋转向押注闭源模型Avocado [2] - 此次转型由商业现实驱动，公司每年AI投入超700亿美元，但企业授权收入不足10亿美元，开源模式盈利困难 [2] - 为支持转型，公司进行了一系列激进动作，包括以143亿美元收购Scale AI股权并任命其创始人为首席AI官 [2][5] - 内部伴随剧烈动荡，首席AI科学家杨立昆因理念不合离职，FAIR实验室大规模裁员 [3][6] 闭源模型Avocado的技术与商业路径 - 新模型Avocado计划融合谷歌Gemma、OpenAI gpt-oss与阿里通义千问的技术亮点，采取“博采众长”策略 [2][3] - 模型主打复杂推理与长视频分析，目标对标GPT-5与Gemini 3 Ultra，计划于2026年第一季度发布 [3][9] - 发布后将仅开放API与托管服务，旨在构建“模型-硬件-广告”的商业闭环，预计带动广告收入提升10-15% [8][10] - 为保障算力，公司官宣了270亿美元的Hyperion数据中心计划 [7] 开源模式的商业化困境与行业格局演变 - 尽管Llama系列曾构建全球最繁荣的开源AI生态，下载量超3000万次，但开发者成果多流向竞争对手云平台 [2] - 与闭源模式的商业成功形成强烈反差，例如OpenAI仅凭闭源API服务在2025年就斩获约120亿美元收入 [2] - 行业进入“二元共存”新阶段，开源模型主导学术与中小场景，闭源模型凭借性能与合规抢占企业核心市场 [3] - 市场洗牌加速，头部企业倾向于通过闭源构建护城河，而DeepSeek、Mistral等玩家有望承接Meta留下的开源生态空白 [4] 中美AI巨头战略路径差异 - 美国巨头以闭源为主，商业闭环清晰，如OpenAI的订阅制与企业API，谷歌的闭源API与云服务融合 [11] - 中国玩家采取开源与闭源并行策略，如阿里通义千问采取“开源引流+闭源变现”模式 [11] - 技术路径差异：美国以闭源保护壁垒并推动前沿能力，中国通过开源弥补单点短板并加速行业落地 [11] - 迭代节奏差异：美国以半年或年为单位更新一代，中国则以周或双周为单位进行高频小版本迭代，开源社区驱动更快 [13]

中国开源生态发展现状与规模 - 截至2024年底，中国活跃开源项目已超过300万个，活跃开源开发者达227万人，形成规模宏大、结构多元的开源人才队伍 [1] - 开源欧拉社区成员单位超2100家，全球贡献者突破2.3万人，用户数超过550万 [1] - openEuler系列操作系统累计装机量于2025年底将超过1600万套，已成为中国行业数智化首选操作系统，在互联网、通信、政务、金融、公共事业和能源等行业实现规模化应用 [1] 开源在关键技术与产业领域的突破 - 开源模式正重构AI竞争格局，中国在开源大模型领域处于领先位置，Qwen、DeepSeek等均在国际评测榜单名列前茅 [1] - 360集团开源视觉语言对齐模型FG-CLIP2，在29项权威公开基准测试中超越了Google的SigLIP2与Meta的MetaCLIP2，标志着在AI基础模型领域取得突破性进展 [2] - 在硬件领域，以RISC-V为代表的开源架构快速崛起，未来开源RISC-V将引领下一代AI算力体系，为后摩尔时代的自主创新提供重要机遇 [1] - 开源鸿蒙、开源欧拉等操作系统项目不仅在代码量与贡献者规模上实现量级突破，还在金融、航天等关键行业完成规模化落地 [2] 开源社区与平台的发展与转型 - 北京亦庄建设国内首个AI开源根社区“模力方舟”，已上线超1.6万个开源模型、超1万项数据集，旨在打造具有全球影响力的开源创新高地 [3] - 浪潮的UBML开源社区以“可视化开发+开源共享”为核心，大幅降低应用搭建门槛，帮助中小企业快速构建系统，并为开发者提供低试错成本的创新载体 [2] - 开源社区正向智能开发社区转型，以大模型能力为核心重构社区的技术底座、协作模式与价值生态，推动开发从“工具辅助”迈入“智能协同”新阶段 [3] - 开源社区价值落地需要构建从创作、反馈到变现的完整闭环，打通社区与应用市场的链接通道，让开发者分享的智能组件通过商业应用实现价值变现 [4] 政策与生态支持体系 - 北京经济技术开发区实施“开源聚力行动”，通过“科创十条”、“AI二十条”、“人才十条”等专项政策，系统性支持开源项目和企业发展 [3] - 开放原子开源基金会完善项目孵化、人才培养等全链条服务，通过人才评价机制、活动推动开源融入教学与实践，构建规范社区环境与完善激励机制 [3]

全球AI独角兽排名与估值格局 - 根据《2025全球独角兽企业500强报告》，成立仅两年多的中国AI公司DeepSeek以1.05万亿元的估值跻身全球第六大独角兽企业，在中国企业中仅次于字节跳动，位列第二 [1] - 在全球前十名独角兽榜单中，人工智能是核心赛道，OpenAI估值2.1万亿元，Anthropic估值1.28万亿元，DeepSeek估值1.05万亿元，xAI估值7910亿元 [2] - 中国企业在榜单中表现突出，除DeepSeek外，字节跳动以2.21万亿元估值位列全球第二，阿里云以8050亿元估值位列第七，蚂蚁集团以6138亿元估值位列第十 [2] DeepSeek的市场表现与竞争动态 - DeepSeek在2025年初实现爆发式增长，其App上线仅一个月月活跃用户规模便突破1.8亿，登顶国内AIGC应用榜首，3月进一步增长至1.94亿 [3] - 市场竞争激烈，2025年5月DeepSeek月活降至1.69亿，9月被字节跳动的豆包以1.72亿月活反超，背后是巨头的大规模资本投入，如字节跳动2024年AI资本开支达800亿元，阿里巴巴有三年3800亿AI基础设施计划 [3] - 公司通过持续技术迭代应对竞争，2025年12月1日发布的DeepSeek-V3.2模型在多项基准测试中推理能力达GPT-5水平，接近谷歌Gemini-3.0-Pro，新模型发布后其全球生成式AI工具流量份额从10月中旬的3.7%回升至11月中旬的4.2% [3] 生成式AI技术方向与全球巨头投入 - 当前生成式AI形成三大技术方向：纯文字生成、图像生成和视频生成，文字生成以DeepSeek、GPT系列为代表，图像生成以Midjourney、Stable Diffusion为代表，视频生成是最新竞争焦点 [4][5][6] - 国际AI巨头动作频繁，谷歌推出多模态大模型Gemini 3和图像生成模型Nano Banana Pro，在图像和视频生成质量上达到新高度 [6] - 微软、谷歌和Meta三大美国科技巨头在2025年第三季度合计投入780亿美元用于AI相关资本支出，同比增长89%，大部分资金流向数据中心建设和GPU采购 [6] DeepSeek的开源策略与成本优势 - 与国外巨头主要采取闭源模式不同，DeepSeek选择了开源路线，公司创始人认为在颠覆性技术面前闭源形成的护城河是短暂的 [6] - 开放策略使DeepSeek的API定价极具竞争力，DeepSeek-V3的输入成本最低可达每百万tokens 0.5元，约为GPT-4 Turbo成本的七十分之一 [6] AI对行业生态的重塑与新兴机遇 - 人工智能正深刻改变多个行业生态，如在编程领域提升开发效率，在艺术创作改变画师工作方式，在影视行业从剧本创作到后期制作无处不在 [7] - AI的普及在改变传统职业形态的同时，也在催生大量新兴岗位，如AI训练师、提示词工程师、大模型伦理审查员等，形成人机协作新模式 [7] - AI并非简单地取代工作，而是重塑工作结构并扩大经济整体规模，类似于计算机辅助设计对工程领域的革新 [7] AI发展的基础设施与能源约束 - AI竞争底层是算力的较量，而算力的核心约束正从芯片供应转向电力短缺，微软首席执行官指出当前AI发展最大瓶颈是电力短缺 [8] - 中国拥有全球最大规模的电力基础设施和快速增长的可再生能源产能，截至2025年9月，中国新型储能装机容量已突破1亿千瓦，占全球总量的40%以上，为AI产业提供独特能源保障 [8] - 电力优势正转化为AI发展的战略机遇，庞大的AI算力需求也在反向推动中国储能技术革新和智能电网建设 [8] 中国AI发展的潜力与独特路径 - DeepSeek以开源模式和极致性价比在短时间内崛起，揭示了中国在人工智能领域的发展潜力与独特路径 [9] - 全球生成式AI竞赛在多个维度展开，中国凭借庞大的市场需求、不断完善的技术生态和独特的能源优势，正在形成差异化竞争力 [9] - AI的未来发展将更加依赖人与技术的协作共生，技术进步会颠覆传统工作模式，但最终会创造更多新的职业类别和经济机会 [10]

关于选择与决策 - 决策应基于非对称风险原则 即用极小可控的代价去搏无限的未来 核心是确定并接受最坏的下限结果 同时看到巨大的上限潜力[5][7][8] - 蔡崇信在1999年放弃百万年薪 以500元月薪加入阿里巴巴 其决策逻辑是即使创业失败 凭借耶鲁法学学位和投资经验仍可回香港继续职业 而成功则可能参与创建改变世界的互联网巨头[5][7] 关于创新与客户需求 - 公司的创新并非源于顶层设计 而是紧跟并解决客户的具体痛点 例如为解决小企业海外销售需求创建B2B网站及英文网页 为解决网购信任问题创建支付宝[9] - 阿里云的诞生源于内部成本压力 当时使用IBM服务器、Oracle数据库和EMC存储成本过高 公司被迫自主研发以处理淘宝海量交易数据[10] - 创新的关键在于回到业务中 解决客户卡点或自身报表中“痛得受不了”的问题 而非盲目追风口或收购[11] 关于竞争与系统优势 - 在AI等领域的竞争 最终胜利取决于普及率 而普及的关键在于成本 公司认为中国在AI应用上具备结构性成本优势[12][14] - 具体成本优势包括：中国电力传输年投入达900亿美元 美国为300亿美元 导致中国用电价格比美国便宜40% 在中国建设数据中心造价约比美国便宜60% 此外拥有大量工程师资源利于体系落地[13] - 竞争策略在于构建系统级低成本优势 以稀释对手的单点技术优势 通过更低的运营、获客、交付成本在长期发展中获胜[14] 关于商业模式 - 公司将核心能力开源以建立护城河 在周边服务上实现盈利 例如开源AI模型 但通过提供配套的云服务、算力、数据存储及网络安全防护来赚钱[15] - 商业模式可概括为“把‘可能性’免费送出去 把‘确定性’卖出高价” 即免费提供核心产品或方法论 对协同编辑、云端存储、独家素材库或落地陪跑等增值服务收费[16] 关于管理与团队建设 - 管理的核心是寻找并依赖比自己更聪明的人 无论是在公司还是职业体育团队（如NBA篮网队）中都是如此[17][18] - 留住顶尖人才的关键是提供有竞争力的高薪 管理者需说服董事会为此付费 因为其价值值得投资[19] - 信任团队至关重要 如果管理者不信任团队 其自身将成为团队最大的瓶颈[18][19] 关于个人成长与技能 - 在AI时代 需要掌握两类核心技能：一是“看懂世界” 即快速掌握新知识并建立分析框架解决问题的能力 二是“看懂人心” 即理解人性与心理学[20][21][22] - 建议学习的专业包括编程、数据科学、心理学、脑科学、生物学和材料科学 编程有助于将模糊需求拆解为具体指令 从而建立分析框架[20][21][22] - 商业成功需要逻辑与对人性的理解相结合 只懂逻辑不懂人心做不出好产品 只懂人心不懂逻辑则看不清趋势[22]

全球贸易与关税冲突下的风险与挑战 - 当前不少贸易政策并非基于经济逻辑，而是源于内部政治诉求和地缘竞争，显著增加了全球供应链和贸易环境的不可预测性[8] - 关税政策冲击全球供应链和自由贸易秩序，某些国家的关税政策导致本国人失业和承受物价上涨的代价[8] - 国际社会需要更好地共享信息，促使各方充分认识全球供应链的相互依存，以融合协作方式增强供应链韧性与可持续性[8] 技术鸿沟与数字时代发展机遇 - 部分发展中国家在人工智能、数字经济等新兴领域面临被边缘化风险，可能因基础设施、技术能力和教育水平不足而拉大国家间差距[9] - 中国重视并大力倡导开源模式，能有效解决中小国家因技术、资源限制难以自主研发前沿大模型的痛点，使其以较低成本应用中国开源模型[9] - 中国科技公司坚持的开源大模型道路，有望为发展中国家带来技术溢出，让AI变革普惠全球，助力其提升自主发展能力[9] 全球经济治理与发展范式转型 - 应推进国际货币基金组织、世界贸易组织、世界银行等现有经济治理机构改革，推动资源公平分配，让发展中国家有机会发出更多声音[10] - 当今许多全球性风险如气候变化、金融危机、技术冲击都是系统性的，要求各国超越孤立短视旧思维，将合作与系统治理作为新发展范式基石[10] - 中国“十五五”规划标志着发展战略从过去依赖出口和全球贸易，转向对内生动力和普惠发展的重视，代表从“量”到“质”、从“外部驱动”到“内外平衡”的范式转变[11] 中欧合作与全球化前景 - 欧盟和中国都是世界前三大经济体，在美国决定走向分隔与孤立时，中欧关系更需紧密，双方有许多可以合作的领域，也应共同开展第三方合作[12] - 中国的对外贸易彰显强大韧性，今天跟中国贸易往来的国家比与美国有贸易往来的国家要多得多，中欧达成投资贸易协定是保护全球化、保护自由贸易的必要手段[12] - 中欧加深合作不仅关乎双方利益，更是避免历史倒退、维系全球化未来的关键，将为世界经济注入更多稳定性、确定性[12] 科技竞争与单边主义影响 - 美国政府发起的关税战最初旨在针对全球，而中国的反制最为有力，让美方认识到单边主义不可行[14] - 美国对中国的出口管制和科技脱钩，反而刺激了中国自主创新，目前三分之一顶尖期刊论文有中国作者署名，未来可能过半[14] - 中国与加拿大、澳大利亚及东盟贸易持续增长，新的区域合作正推动新的经济一体化，能有效抵御单边主义对全球化的影响[15] 全球化再校准与多边合作路径 - 全球化并未终结，而是进入“再校准”阶段，全球供应链重组更多基于安全与技术考量，而非人类实际需求，这对发展中国家构成深远挑战[16] - 增强多边合作的三个关键点：通过透明外交增强政治互信；改革世界贸易组织等多边机制，完善争端解决程序；将平等与发展置于全球贸易的中心，建立清晰规则[16] - 区域经济多样化呈现积极势头，东南亚、拉美、非洲和中东正寻求多元合作政策以增强韧性，但需确保其发展符合全球多边贸易改革方向[16] 绿色能源与中拉合作机遇 - 中国和拉美国家之间在锂电池和太阳能领域有主要合作机遇，全世界60%的锂储存在玻利维亚，而中国锂电产业已占据全球市场核心地位[17] - 玻利维亚发展锂产业面临技术、运输能力不足等短板，中国可考虑投资拉美地区，建设基础设施，在当地开采锂资源、生产锂电池产品[17] - 南美洲有很长的光照时间适宜发展光伏发电产业，玻利维亚希望学习中国经验建设光伏发电，以支持其发展自主可控人工智能的构想[18]

战略定位 - 公司定位发生巨变，正在All in AI，这是迄今为止最大胆的战略赌注之一 [1] - 公司通过“技术引领”与“生态落地”的双轮驱动战略，确立其在全球AI版图中的核心地位 [1] - 在中国迈向2030年主导AI竞赛的蓝图中，公司扮演着至关重要的角色 [6] 技术研发 - 公司AI征程始于2016年建立第一个AI实验室，后成立世界级研究机构达摩院，并构建自己的基础模型和研发自研芯片 [4] - 面对激烈竞争，公司千问团队能迅速推出性能强大的模型，如千问2.5和更先进的千问3，始终保持在技术演进的第一梯队 [4] - 公司处于中国AI产业顶尖水平的领跑位置 [4] 生态与应用落地 - 公司将顶尖技术通过开源和云服务转化为现实世界的影响力，其千问大模型坚定走开源路线，与美国主流“闭源模式”形成对比 [5] - 开源战略吸引了全球1600万开发者汇聚到“魔搭”（ModelScope）社区，构建庞大且活跃的AI生态系统 [5] - 智能助手“夸克”（Quark）拥有近1.5亿月活用户，被形容为基于智能AI算法的生活操作系统 [5] - 千问App开启公测仅一周，下载量已突破1000万次，超越ChatGPT等国际知名AI应用的同期表现，创下全球AI应用增长新纪录 [5] 商业价值与市场认可 - 阿里云智能集团的AI相关项目已实现连续八个季度三位数增长，证明其AI战略已进入收获期 [5] - 全球顶级企业如德国汽车巨头宝马选择将千问模型集成到其下一代智能汽车中，证明其技术、云基础设施和生态系统的综合实力获得信任 [6] - 与苹果的潜在合作等案例，表明全球巨头选择的是拥有深厚技术底蕴和完善生态的综合性AI合作伙伴 [6]

行业背景与转折点 - CentOS停服事件成为国产服务器操作系统发展的关键转折点，倒逼产业构建具备自主演进能力的“根”系统 [1] - 云计算与人工智能技术变局为中国操作系统从“跟随者”向“定义者”跃迁提供了历史性窗口 [1] 龙蜥社区市场地位与生态建设 - 龙蜥操作系统装机量已突破1000万套，在国产服务器操作系统市场中占比近50%，成为企业用户迁移意愿最高的国产系统 [1] - 社区拥有24家理事单位与超1000家生态伙伴，覆盖芯片、整机、操作系统到云厂商的全产业链，形成互补性“竞合”生态 [2][4] - 社区已孵化14个衍生版本，完成近4800项软硬件兼容认证，构建起从技术研发到产业落地的完整链条 [5] 中国开源社区治理与商业模式 - 中国开源社区在治理上展现出与国外迥异的“中国模式”，更注重商业利益导向和效率，可大幅缩短项目从发起到商业化落地的时间 [5] - 社区与欧拉等其他国产根社区构建了高频互动机制，共同商讨国内操作系统的软硬件兼容规范与选型事宜 [5] “云+AI”时代操作系统的角色演变 - AI推理的成本与复杂性使底层算力高效调度成为焦点，操作系统从资源管理者转变为决定AI应用成败的关键变量 [5] - AI基础设施呈现“双轨并行”态势：十万卡超大规模集群与强调异构融合的超节点算力单元，操作系统需在两者间找到技术平衡点 [6] 龙蜥社区的技术战略与AI布局 - 社区选择“以模型为中心”的路径，旨在聚合超1000家产学研力量构建开放的AI引擎生态 [7] - 社区联合多家伙伴发布支持RVA23高性能扩展的Anolis23 RISC-V预览版，推动RISC-V开放架构向高性能数据中心迈进 [7] - 在主流AI训推框架（如SGLang、MoonCake、DeepSpeed）中拥有Maintainer角色，并推动其与DeepSeek、通义千问等开源大模型深度适配 [8] - 推动技术方案解决AI推理规模化部署的脆弱性，例如让不同型号、不同代的AI加速卡能在同一集群内协同工作的“AFD”技术 [9] 国际参与与标准制定 - 多位龙蜥社区成员已在RISC-V国际基金会担任主席或副主席职务，直接参与数据中心SIG运作及RAS/PMU云场景方案增强、AIOE扩展等关键技术国际标准制定 [10] - 中国开源社区在国际舞台上的角色从代码贡献者，逐步迈向规则共商者 [10] 中国操作系统的挑战与机遇 - 中国开源社区创新力强，但在全局性系统设计哲学和贯穿全局的纲领上，与国外顶级系统存在隐性差距 [10] - 在AI新赛道上，通过深度绑定主流模型架构和应用场景，有机会反向定义底层系统的接口与行为，实现“换道超车” [11] - 技术的生命力最终取决于生态的采纳，从“参与定义”到“主导定义”需跨越巨大的生态鸿沟 [11]

公司关停事件概述 - 人形机器人初创公司K-Scale Labs于2025年11月正式关停，其巅峰时估值曾超过5000万美元，关停时现金储备不足40万美元 [1] - 公司产品与工程负责人在10月离职并创立新公司，预示了公司可能存在的现金流问题 [3] - 公司将逐步取消K-BOT人形机器人的预订单并退还客户定金，其官方社交账号罕见地公布了12位前核心员工信息，部分企业为这些员工提供的最高年薪达128万元人民币 [4] 创业背景与公司文化 - 公司CEO Benjamin Bolte的创业动机源于对美国市场缺乏可直接购买的人形机器人产品的不满，其背景包括在Meta从事语音表征研究以及在特斯拉Autopilot团队的工作经验 [6] - 创业初期缺乏硬件背景，但凭借对机器人的热爱，通过3D打印和商用现成部件搭建出第一代原型机 [8] - 公司形成了高强度、开源、工程师友好的文化，团队成员在18个月内超过40人，采用同吃同住同研发的模式，以此筛选并凝聚真正热爱机器人的工程师 [10][12][14] 产品战略与关键转折 - 为应对融资困难并证明商业价值，公司内部通过黑客马拉松竞赛开发出低成本小型机器人Kbot，其定价仅数百美元，而计划中的大型机器人Zbot定价为8000美元 [15][17][19] - Kbot推出后在社交平台迅速走红，甚至带动了伺服电机供应商FTEC的行业地位，公司原计划以Kbot的营收支撑Zbot的研发 [21] - 一位知名风险投资人的建议使公司改变了战略，暂缓Zbot的开发，全力押注Kbot以获取100个订单来争取2000万美元的A轮融资，但这一定位调整被复盘认为是最大的战略失误 [23][26] 关停原因分析 - 融资失败是公司关停的直接导火索，Kbot在2024年7月开启预售后融资遇冷，风险投资人对商业化成本和市场竞争提出质疑 [24][27] - 融资希望渺茫导致核心团队流失，原本40多人的团队迅速缩水，开源文化难以维持团队稳定 [27] - 公司运营成本高昂，包括租金和材料采购，同时人形机器人行业出现降温迹象，中国公司的低价产品冲击市场，使得继续运营的机会成本过高 [29][30] 行业洞察与未来展望 - 未来两年人形机器人市场可能迎来低成本小型产品泛滥的阶段，中国生态系统成熟且供应链成本持续下降，而美国公司更倾向于高投入的工业机器人路线 [34] - 行业格局可能类似智能手机初期，大量中小厂商通过开源和模块化设计竞争，最终形成硬件商品化、软件差异化的局面 [36] - 技术层面的关键包括模块化设计以降低维修成本和创造持续收入、步态设计应借力物理规律而非完全依赖AI算法，以及AI落地需要海量真实世界交互数据 [37][39] - 腿式机器人相比轮式在适应人类环境方面具有本质优势，但当前面临动态稳定性和可靠性挑战，执行器的平均无故障时间约1万小时 [40] 经验教训与行业意义 - 公司18个月的历程证明了没有硬件背景也能做出机器人原型，验证了开源模式在技术普及中的价值，也暴露了初创公司在融资和商业化方面的脆弱性 [41] - 公司留下的开源代码、模块化设计思路和低成本产品探索将成为行业发展的铺路石，其开源精神被视为留给行业的珍贵遗产 [42]

论坛核心观点 - 论坛以“携手共建生态，共享发展机遇”为主题，探讨网络信息技术产业未来发展方向与路径 [1] - 开放的生态被视为技术加速迭代和价值充分释放的关键，开源模式是连接创新力量、打破发展壁垒的重要纽带 [1] 开源生态与标准 - 开放的标准和架构能提供自由度进行创新，过去十年全球开放标准与生态系统持续扩容 [1] - 开源模式能够更快地跨边界协作，加速芯片科技发展，同时带来商业竞争并深化行业合作 [1] - 在万物互联时代，需要构建适配多元设备的操作系统底座，“芯片+操作系统”是信息技术的核心底座 [1] 操作系统与生态构建 - 开源鸿蒙操作系统以设备协同为核心，通过完成芯片适配、开源包共享等基础工作降低开发者步入生态的门槛 [2] - 构建方便异构机器人协同的操作系统底座，旨在让机器人更容易地进入人类生活的方方面面 [2] 人工智能（AI）生态挑战与架构 - AI技术正深刻改变产业形态，但碎片化的部署现状制约了其价值发挥 [2] - 行业面临构建高效协同、安全可靠AI应用生态的重要挑战 [2] - AI统一体架构需实现从数据搜集、训练、推理到自动化的无缝集成，解决云端与边缘端分裂问题，通过数据双向流动实现自适应优化 [2] 终端智能体发展与保障 - 围绕终端智能体发展，需要构建有效的测评体系以确保行为可知可溯 [2] - 需建立评估方法以精准识别功能缺陷和潜在风险，为终端智能体可靠运行提供保障 [2]

开源生态与协作模式 - 开放的生态是技术加速迭代和价值充分释放的关键，开源模式正成为连接创新力量和打破发展壁垒的重要纽带 [1] - 开源能够更快地跨边界协作并加速芯片科技发展，同时带来商业竞争并深化行业合作 [3] - 通过开源鸿蒙操作系统以设备协同为核心，完成芯片适配和开源包共享等基础工作，以降低开发者步入生态的门槛 [3] 信息技术核心底座 - 在万物互联时代需要构建适配多元设备的操作系统底座，其中“芯片+操作系统”是信息技术的核心底座 [3] - 需要一个方便异构机器人协同的操作系统底座，让机器人之间的协同变得容易，使其真正融入人类生活各方面 [3] AI技术发展与生态构建 - AI技术正深刻改变产业形态与发展模式，但碎片化的部署现状制约了其价值发挥，构建高效协同、安全可靠的AI应用生态是行业重要挑战 [3] - AI统一体架构需实现从数据搜集、训练、推理到自动化的无缝集成，解决传统部署中云端与边缘端分裂的问题，通过数据双向流动实现自适应优化 [4] - 围绕终端智能体发展，需要构建有效的测评体系以确保行为可知可溯，并建立评估方法以精准识别功能缺陷和潜在风险 [4]