2025 年 6 月 13 日，由中国开源软件推进联盟（COPU）主办的第二十届“开源中国开源世界”大会在北京隆重召开。大会以“共建人工智能时代的开源生态”为主题，邀请了来自国内外近 30 位 AI 与开源领域专家学者，共同探讨如何在技术变革与产业升级交织的时代背景下，推动开源 AI 生态体系的协同演进与持续繁荣。
共建人工智能时代的开源生态，共建基于开源的人工智能
本届大会在中国开源软件推进联盟（COPU）名誉主席陆首群的开场报告中正式拉开帷幕。
他指出，当下开源正处于从传统 IT 时代的“开放源代码”向 AI 时代的“全面透明”进化的关键转折点。为应对新趋势，开源的内涵正在被重新定义，正如 OSI 在 2024 年 10 月 28 日正式发布的《开源 AI 定义》（OSAID-1.0），提出开源 AI 应当包含 AI 系统详细的训练数据说明、完整源代码、模型参数（包括设置与权重）等要素，同时支持使用、研究、修改和共享。这一新定义旨在提升 AI 技术的透明度、可访问性和协作性，推动技术创新更高效地落地。
要理解这一转变，必须重新认识开源的价值。陆首群强调，开源能够加快 AI 的技术迭代、拓展生态边界、形成可持续的商业模式，并推动产业规模化落地。例如，DeepSeek 大模型就探索出一条兼顾开放与可持续的路径：面向中小企业和个人开发者（C 端）免费开放，面向大客户（B 端）则以服务形式进行商业化收费。
大会现场上，陆首群还宣布，将有多项基于开源的人工智能前沿成果发布，包括：
一、华为：在 5G 通信、智能手机操作系统（采用自制及国内协作的高性能芯片：7nm/5nm）、算力（单芯片和算力集成）、生成式语言大模型等的研发方面，均取得了全面、重大的成果。
二、涌现出一批生成式自回归语言大模型精品
阿里魔搭社区开发的通义千问 Qwen3 混合推理开源大模型。其旗舰模型为 Qwen3-235B-A22B 等 8 款大模型，性能一度全面超越 DeepSeek-R1 和 OpenAI o1，正式登顶全球开源大模型王座！
小米 Xiaomi MiMo 推理开源大模型：在较低参数领域，MiMo-7B 超越了超越了 OpenAIo1-mini 和阿里 Qwen 推理模型 QwQ-32B-Preview，作为行业内强化学习的起步模型潜力领先。
三、中兴通讯（ZTE）研发的超级智能体 CO-Sight，在通过国际权威的 Agent GAIA 基准测试中，力压国际四强：谷歌 DeepMind 的 Langfun Agent、微软（+OpenAI）的 Aworld、麻省理工学院（MlT）的 lnfant Agent、Meta 的 OWL-Workforce，排名榜首，掀起了 AI 的下一个浪潮（“世界模型”）。
四、京东方研制第六代半导体显示器超高像素前沿技术（超高像素密度：2.24 英寸，1700 个像素），打破了现有的王牌地位， 并建成全球最先进的第六代新型半导体显示器件生产线，并可量产。
五、COPU 组织十几家公司研发 AIOS。AIOS 有两种类型：一种是从应用入手，在开源 OS 中加入智能模块，另一种是从框架或内核入手，实现开源 OS 研发的全智能化。
中国开源 AI 迈上新高度
谈及为什么开源对人工智能如此重要？Linux 基金会执行董事 Jim Zemlin 表示，今年 1 月 DeepSeek R1 模型的发布，向业界展示了小型组织借助开源技术也能实现突破，撼动行业格局。引得在开源这件事，萨姆·奥尔特曼反思 OpenAI 或许站在了历史的对立面、Meta 的马克·扎克伯格全力投入开源、李开复称“开源 AI 已胜出”......时下，Linux 基金会联合哈佛商学院合作评估得出，全球 70% 以上的现代系统基础由开源构成，若重建将耗资逾 9 万亿美元，可见其基础地位之牢不可破。与此同时，Zemlin 观察到一种兴起的开源新趋势——代理式 AI。他表示，在代理 AI 中，开源同样实现了降本增值，围绕 MCP、A2A 等标准和协议，开源社区正在逐步达成共识，开发者可据此构建支持安全探索和编排的系统、插件与工具，确保隐私与安全性符合协议要求。当然，这也为企业创造了更多商机，助力打造面向大众的专业化代理服务与使用体验。
紧接着，中国工程院院士倪光南指出，开源承载着知识共享与科学开放的精神，历经 40 余年发展，已成为全球信息技术演进的核心动力。从开源软件到开源硬件，RISC-V 等项目的崛起印证了其强大生命力。尽管开源生态近年来屡遭政治、经济等因素的影响，但全球开发者始终坚持开放协作，持续推动创新。中国正加快构建本土开源体系，在政策支持、教育培养和国际合作等方面全面发力，力求从开源大国迈向开源强国。
开放原子开源基金会教培部负责人韩江在大会发言中谈到，当前开源人才培养面临学校参与动力不足、要素协同不全、生态共建不强三大挑战。为应对这些问题，基金会已启动“校源行”计划，推进通识与技术课程资源建设，并组织开源导师走进 200 多所高校，助力高校生态培育。基于此，韩江还提出三项倡议：共建教育资源池、推动多学科融合培养跨界人才，以及探索开源人才评价与认证机制的国际互认，携手打造持续繁荣的开源人才生态。
华为开源业务总监、华为标准与产业发展部周楠以“全球开源趋势下的思考与探索”为题，分享了华为的开源实践成果：“当前，全球开源发展已进入生态化与社会化的 3.0 阶段。华为深度参与其中。我们持续贡献 openEuler 和开源鸿蒙社区、不仅在国内构建开源开放的软硬件生态、也在积极探索社区全球化的路径和方法，同时在智能化时代为云原生和 AI 应用打造新一代调度系统 openFuyao，充分证明开源协作激发潜能、创造奇迹的力量。”
据阿里魔搭社区研发与产品负责人陈颖达介绍，魔搭社区成立三年来已托管超过 7 万个开源模型，服务开发者超 1600 万人。为帮助用户高效发现、理解并使用模型，社区构建了完整的搜索、分类、标注及示例体系，支持本地加载、API 调用及云端 Notebook 等多种使用方式，目前已有超过万种模型支持 API 推理。通过 MCP 广场和 ModelScope Agent，社区也在探索模型与外部服务的集成路径，拓展模型实际应用边界。同时，魔搭构建了覆盖训练、评估、推理的开源工具链，支持与 FastChat、vLLM、Ollama 等主流框架的无缝集成。陈颖达表示，魔搭希望通过开放底座与云上支持，为更广泛的开发者群体提供低门槛、高灵活度的模型使用体验。
中兴通讯 Co-Sight 首席架构师杜永生表示，Co-Sight 作为中兴智能体战略在应用层的代表，基于“世界模型”理念，围绕推理、动作、认知与感知四个层次展开设计，尤其在认知与感知层面实现了差异化创新。其核心技术包括基于预测的深度思考（预演多种路径、优选方案）、结构化思考机制（以 DAG 图替代线性推理）、以及多 Agent 协同推理（借助问题分解与强化学习实现协作决策）。此外，针对模型在长上下文处理上的局限，CO-Sight 开发了动态上下文管理系统，结合权威检索、小模型排序与多模态精炼，有效提升信息处理效率与质量。杜永生表示，面对行业认知断层、数据孤岛与工具适配难等挑战，Co-Sight 通过知识图谱、模型协同推理、认知反馈与迁移学习等手段，逐步构建行业认知与自我演进能力，推动“行业级世界模型”落地通信等垂直领域，并在 GAIA 测试中展现出与国际标杆模型竞争的技术实力。
最后，Linux 基金会亚太区副总裁陈泽辉表示，云原生已成为 AI、边缘计算等技术的核心基础设施，AI 与云原生正在深度融合，推动“Cloud Native AI”迅速发展。在开源生态方面，陈泽辉强调全球对于开源 AI 的高度需求，并以 PyTorch、企业开放平台 OPEA 等项目为例，展示了 Linux 基金会如何通过中立托管和分支策略保障开源可持续性。同时，他还提到中国开源力量的崛起——包括 Karmada、Volcano、HAMi、AIbrix 等项目已在 CNCF 毕业并走向国际，甚至支撑了很多前沿场景。而面对专利流氓、数字信任、供应链安全以及有些项目先开源后闭源等挑战，Linux 基金会也正在通过 OpenSSF、LFDT 等机制构建开源可信体系。
芯片、算力、系统共振，AI 基座正在被构建
下午场，北京智源人工智能研究院副院长兼总工程师林咏华指出，当前 AI 生态存在严重的碎片化问题——无论是芯片厂商的指令集、编译器，还是通信库、算子库、并行框架，几乎都处于各自为政的状态，极大影响了系统级创新的可持续性。为破解这一难题，智源研究院联合国内外多方机构，共同打造了一个统一开源的系统软件栈 FlagOS。它涵盖了目前全球最大的 Triton 算子库 FlagGems、统一编译器 FlagTree、通信库 FlagCX、并行框架 FlagScale 等多个核心组件，并支持 GPGPU、DSA、RISC-V AI、ARM 等多种芯片架构。林咏华强调，统一技术栈是一个开源生态问题，她呼吁大模型、应用、系统软件等各种团队和厂商共同参与，一起解决过程中遇到的各种技术难题。
其后，麒麟软件市场与政府事务部总经理李震宁指出，当前全球三大操作系统厂商（微软、苹果、谷歌）均已将 AI 融入系统，而我国 “百模大战” 与复杂硬件架构的现状，对桌面操作系统的 AI 化提出了三大核心挑战：端侧大模型支持、开发者低门槛接入、行业协同发展。作为国内传统操作系统厂商，麒麟软件主导的 OpenKylin 社区已形成自主根社区生态，覆盖全球 188 个国家和地区，累计 210 万注册用户。在技术层面，其 AI 操作系统子系统具备四大核心能力：AI 实时运行环境、统一推理框架、跨硬件调度内核及 60+ 原生 AI 开发接口 SDK。李震宁指出，AI 是未来发展的核心趋势，而中国在 AI 领域弯道超车的过程中，操作系统是整个产业不可或缺的一环。
围绕 Apache 与 AI 浪潮的结合，Apache 基金会董事会成员陈梓立首先回顾了 Apache 发展历和治理结构，并提到 2015 年后 Hadoop、Kafka 等项目在中国爆发，吸引了众多中国开源项目通过孵化机制加入 Apache，本土化发展成果显著。谈及 AI 时代，陈梓立表示，尽管当前 AI 浪潮未催生 Apache 原生项目，但 Apache 在数据底座层面发挥关键作用，其旗下 Spark、Iceberg 等软件为模型训练与服务提供计算和存储支持。同时，Apache 也在 AI 合规领域展开探索，通过指导性文件规范 AI 工具使用中的数据隐私与代码产权问题。
GitHub 开源负责人 Abigail Cabunoc Mayes 透露，这是自己第一次来中国，不过，中国已有约一千万开发者活跃在 GitHub 上，在全球开源生态中发挥着重要作用。她强调，面对全球性挑战，跨越国界、语言和文化的协作至关重要，而开源正是推动数字化转型与智能化重构的基础。时下，对于基础设施、本地化支持等障碍，GitHub 正通过提供 Copilot Pro、密钥扫描、许可证合规与供应链安全工具等，助力全球开发者更安全、高效地参与开源。在她看来，开源不仅是技术手段，更是一种文化力量，推动社会进步与多元共生。
开源社理事、微软首席产品经理陈阳指出，“主权人工智能”（Sovereign AI）的核心在于通过开源协作实现技术自主与文化多元的平衡，涵盖数据主权、技术自主、文化表达、治理合规与战略安全五大维度。近年来，这一概念的兴起其实是源于全球对美国大模型体系依赖的风险、数据本地化政策推动、技术产业自主需求，以及譬如以 LLaMA 2 为代表的模型中文语料占比仅 0.13% 所反映出的文化保护的紧迫性。陈阳强调，主权 AI 的构建无法由单一国家或企业独立完成，必须依靠政府、高校、研究机构与企业的共同推动。她总结道，未来的 AI 不属于任何公司，而应成为国家与人民的资源；技术可以全球共享，但文化必须扎根本土；主权 AI 应在多元文化中共生，在全球开源协作中共赢。
Intel 中国云原生软件研发总监王庆指出，企业在落地 AI 时常受限于技术复杂、GPU 成本高和人才短缺等问题。为此，LFAI&Data 基金会孵化了 OPEA（开放企业人工智能平台）项目，旨在降低门槛、提升效率。OPEA 基于 Kubernetes 构建微服务架构，兼容 LangChain、VLM、PyTorch 等主流技术，底层支持多种芯片平台，中间层提供二十余种容器化功能模块，统一兼容 OpenAI API，并借助 Mega service 串联各类服务。2024 年已完成核心功能，2025 年将持续集成 MCP、AI Agent 等技术。王庆强调，通过解耦硬件、模型与推理框架，OPEA 让企业专注于调用微服务实现 AI 应用，助力生成式 AI 在企业中高效落地、规模化应用。
超睿科技系统软件总监夏鸣远表示，RISC-V 的开放性为全球协作提供了平台，尤其在当前地缘政治紧张背景下，正成为实现芯片自主可控的重要路径。他介绍，超睿科技自研的高性能 RISC-V 平台已支持硬件虚拟化，规格达到 Spec 06 单核 10.4分/GHz、主频 2.3GHz，配备 PCIe 4.0 和 DDR4 接口，可搭配高端显卡运行大模型推理，推动国产芯片在桌面和服务器端落地。夏鸣远指出，RISC-V 硬件虚拟化标准早在 2022 年就已确立，但因缺乏支持的实际CPU，相关发展长期停留在 Hypervisor 以下的软件层。如今，随着新一代芯片的问世，OpenStick 等系统软件正加速适配，云原生与信息化应用也同步推进，生态正在快速成长。
“想象将代码部署到卫星上运行，这本身就是件令人兴奋的事。但卫星边缘计算也伴随诸多挑战，如硬件故障、单粒子反转等数据错误，以及网络连接不稳定。”九州未来研发总监吴文相说道，这正是他们提出“无单点失效”解决方案的初衷。该团队从硬件层面的抗辐射材料、电路冗余、纠错机制，到软件层面的容错设计与边缘自治能力，构建出一整套适配太空环境的系统。吴文相表示，在故障诊断与自动恢复方面，其引入 AI 大语言模型与知识库进行初步分析，再结合小模型和规则库进行精确判断，兼顾功耗与处理精度；同时，借助全球流量管理（GTM）与轻量级推荐算法优化数据流，进一步提升系统整体性能。
共识凝聚，开源迈向智能新时代
除了首日密集的信息输出，集中展示了国内外开源 AI 的发展新动向之外，6 月 14 日，大会聚焦“发展人工智能时代的开源”、“开源创新，数字化转型与智能化重构”、“推动大模型在企业中的应用”、“推动语言大模型转轨发展”四大核心议题，邀请来自产学研各界的重磅嘉宾展开深度交流，碰撞出丰富观点与可落地的思路，就技术路径与生态共建达成多项共识。从底层技术到产业变革，从模型创新到生态构建，讨论不仅回应了当下最紧迫的挑战，也勾勒出开源 AI 未来可期的图景。
