海㡳AI开源新突破！甲子光年解析产业未来

首页

热心网友

转载

2026-03-28

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

从模型到基础设施，再到社区，开源在海淀意味着什么？

作者｜周悦

编辑｜王博

“你心目中的AI社区是什么样的？”

当主持人提出这一话题，来自AI公司的创业者、开发者、投资人、媒体人、AGI Bar老板，甚至一位热衷“搞AI”的小学生都上台分享了自己的观点。

Party Nights现场，图片来源：中关村科学城公司

这场活动是2026中关村论坛年会“人工智能主题日”期间举办的Party Nights的一部分，虽然现场有海淀区委区政府领导，但是大家的表达毫不拘束，开放、自由、创新、碰撞、共享……这都是他们提到的标签。但如果把大家的观点提炼一下，我们发现一个理想的AI社区最离不开的是“开源生态”和“人才密度”。

北京有着丰富的开源积淀：2014年，大量来自清华、中科院的学者参与了Caffe的开发，这代表着中国AI工程能力第一次和全球开源体系接轨；2015年，Apache顶级项目MXNet也得到了来自清华、北大、中科院等高校学者的支持，这也是中国学术力量首次深度参与国际开源框架标准；2016年，由百度研发并开源的PaddlePaddle成为了国内最早完整开源深度学习平台之一，这是中国企业第一次系统性推动AI框架开源。

而到了AI大模型时代，这种积累开始集中释放：位于海淀的智源研究院、智谱、Kimi、百川智能、面壁智能都发布过开源模型或开源项目，不计其数的高校、研究机构及个体也对开源生态做出了巨大贡献，推动了全球AI行业的发展。

在年初OpenClaw爆火之后，开源的重要性被更多人认识到，围绕AI Agent的开源项目也不断涌现出来，这不仅涉及Agent的planning（规划）、memory（记忆）和skills（技能），也涉及更加适配Agent的软件协议及AI基础设施。

「甲子光年」注意到，2026中关村论坛年会“人工智能主题日”的核心论坛定为了AI开源前沿论坛。论坛期间，海淀区将“百年京张AI创新带”征集内容与公开政策深度融合，封装为可供调用的“技能包”，并在主流开源平台上贡献“海淀Skill”。这一步更像是在用开源的方式，邀请全球开发者共同参与城市创新实践。

如果以北京市海淀区五道口的东升大厦为中心画一个圆，1公里半径内汇聚了30余所高校和科研机构，1000余位AI科学家、1.3万余名AI开发者、10万余名AI及相关专业青年学子。而放眼整个海淀区，这个数字进一步放大，37所高校、96家国家级科研机构和超过200万人才集中分布，AI企业超2000家，独角兽26家，备案大模型130款。

开源生态离不开社区、人才和场景。人与技术持续碰撞、彼此催化，新的项目、合作和连接也不断从中生长出来。

1.开源生态繁荣与模型持续迭代相辅相成

智谱的路径很能反映一家“AI原生”企业的成长特质。

今年1月，智谱在港交所挂牌，成为全球首家以通用人工智能基座模型为核心业务的上市公司。但把时间再往前拨，会发现这个团队最早还是从清华大学计算机系知识工程实验室里长出来的。从实验室到上市，这条路走了将近二十年。

2006年，清华大学长聘教授唐杰带着团队做出AI科研助手AMiner。围绕知识工程、学术信息挖掘和自然语言处理，团队积累了十多年，直到2019年才正式走向产业化。

这个节奏看上去不快，却也说明，技术积累和人员磨合在公司成立前就已经完成，商业化只是顺势迈出的一步，公司从清华孵化出来时是“带着技术、团队、客户”直接启程。

这种从高校里长出来的技术成果，也回流到开源社区。今年2月，智谱开源新一代基座模型GLM-5，在真实编程场景的使用体感逼近顶尖闭源模型Claude Opus 4.5，擅长复杂系统工程与长程Agent任务。

另外，智谱还在3月16日推出了一个面向OpenClaw龙虾场景深度优化的基座模型GLM-5-Turbo，尽管模型本身并不是开源的，但也是专门服务于开源生态。

智谱华章CEO张鹏在3月27日举行的AI开源前沿论坛上把OpenClaw比作一个灵活的“脚手架”，它让普通人也能更方便地调动顶尖模型的能力，开始“干活”。智谱刚更新的GLM-5 Turbo，强化了长程任务规划、上下文压缩、调试和多模态处理能力。

智谱华章CEO张鹏，图片来源：中关村论坛

月之暗面的时间线要短一些，但组队逻辑几乎一样。2024年，创始人兼CEO杨植麟组建团队时，核心成员几乎都出自清华体系。外界往往更关注它快速的融资和百亿美元估值，但更值得注意的是，这支团队在创业前就已经合作多年，彼此对技术的判断和工作方式都磨合过了。

这份积累，最近又在Agent热潮里再次显露。就在几天前，估值即将冲击500亿美元的AI编程独角兽Cursor高调发布Composer2模型，随后被全球开发者发现，其底层基座是月之暗面早前开源的Kimi K2.5。之后最新证实，这是一笔基于Fireworks AI的授权商业合作。

Kimi在X上的表态，图片来源：X

在开源发展的时间线上，这是一个值得记一笔的节点。过去，外界更熟悉的叙事是中国企业跟随；而这一次，一个由中国企业开源的基座模型，成了美国头部AI应用的底层选择。

小米虽然发布模型时间较晚，但最近明显加快节奏，尤其是在罗福莉加盟之后，开源的力度也进一步加大。

小米MiMo团队在2025年12月16日晚上发布并开源了MiMo-V2-Flash。团队在最新博客中介绍，这是一款强大、高效且超快速的基座语言模型，在推理、编程和智能体场景中表现尤为出色，同时也是处理日常任务的优秀通用助手。

2026年3月19日凌晨，小米面向Agent时代的旗舰基座模型Xiaomi MiMo-V2-Pro，专为现实世界中高强度的Agent工作场景而打造，并可以成为OpenClaw的原生大脑，支撑高强度的真实Claw复杂应用流。面对这一轮开源热潮，小米MiMo负责人罗福莉的表态很能代表小米的节奏：新模型会在“足够稳定、值得开源时”再对外开放，不一定抢跑，更看重工程成熟度和可复现性。

在AI开源前沿论坛上，罗福莉则把OpenClaw当作“非常革命性和颠覆性的事件”。

在她看来，OpenClaw的价值不只在于开源，更在于它第一次明显抬高了国产模型在Agent场景里的能力上限，同时又把任务完成度和准确率的下限稳住了。更重要的是，它让更多人意识到，大模型之外的Agent层还有很大的创新空间。

罗福莉认为，在Agent框架的加持下，预训练模型的上限正在被释放出来，这使得接下来一年模型“自进化”成为可能。原本以为还要三到五年才会出现的进展，可能一到两年内就会发生，“实现对于科学研究至少呈指数级的加速”。

小米MiMo负责人罗福莉，图片来源：中关村论坛

2.开源从模型层进一步下沉到基础设施层

模型层的开源很重要，但基础设施层的开源也不容忽视。

过去两年，围绕生成式AI的讨论大多集中在模型能力和算力规模，但最近黄仁勋发文，给出了一个更系统的框架——AI是一块“五层蛋糕”（AI is a five-layer cake）：从底部的能源，到芯片、AI基础设施，再到模型与应用，层层叠加，构成一整套新的工业体系。

五层蛋糕框架，图片来源：英伟达

这个比喻背后的含义很清晰：AI是一场基础设施革命。

今年是CUDA的二十周年，黄仁勋认为，CUDA真正的壁垒在于二十年间积累的数以亿计的GPU装机量，覆盖了全球每一家云厂商和几乎每一个行业。庞大的装机量吸引开发者，开发者带来算法突破，如深度学习等。而突破催生新市场，新市场又进一步扩大装机量，形成持续加速的飞轮。

一直以来，凭借GPU架构和CUDA生态的壁垒，英伟达缔造了AI时代的算力帝国，占据全球90%的算力市场份额。

在AI开源前沿论坛上，中国科学院院士王怀民也语重心长地提醒，中国大模型在全球的下载量和访问量虽然表现亮眼，但算力、基础设施、社区治理和基础软件栈，尤其是对CUDA等关键环节的依赖，仍然是短板。

在他看来，未来，中国若想进一步提升全球影响力，需要建设更完整的开源基础设施，吸引更多开发者参与，并推动开源生态持续发展。

中国科学院院士王怀民，图片来源：中关村论坛

智源研究院在中关村论坛现场发布的众智FlagOS 2.0就是对这一问题的回应。

众智FlagOS是智源研究院联合国内外多家高校、芯片厂商和科研机构共同打造的面向多种AI芯片的开源统一系统软件栈，被誉为“人工智能大模型的操作系统”。

再通俗一点解释，众智FlagOS可以被当做“AI时代的Windows + Android + CUDA的合体版，而且是开源的、跨芯片的版本”。

从技术形态上看，这次发布的众智FlagOS 2.0不再只是服务于大模型训练与推理的工具集合，而是一个面向多芯片、多场景的统一系统软件栈。它由包括北京智源研究院、中科院计算所、清华大学、北京大学、硅基流动、摩尔线程在内的等23家机构共同完成，支持18家厂商、32款AI芯片，覆盖从数据中心到边缘、再到机器人等多种应用场景。这意味着，在当前高度割裂的算力生态中，FlagOS试图构建一种“跨芯片通用层”，让不同硬件之间具备可迁移、可复用的能力。

图片来源：智源研究院

这种“统一”的背后，是一整套系统性补齐。FlagOS 2.0不仅扩展了算子库规模至497个，覆盖从大模型到科学计算的更广泛场景，还引入了多芯片统一编译体系与中间表示层，使不同架构之间能够共享优化路径。与此同时，通过KernelGen 2.0实现算子自动生成，通过Skills技能库将复杂的模型迁移、调优流程封装为可调用能力，开发者甚至可以通过自然语言完成跨芯片部署。

对于今年以来的“龙虾”热潮，北京智源人工智能研究院副院长、总工程师林咏华关心的不是OpenClaw热度本身，而是它落地时会碰到的底层问题：系统软件、算力适配和基础设施，能不能真正接住这一轮开源浪潮？

林咏华的判断是：“从ChatGPT到OpenClaw这样一个时代的跃迁，最大的挑战是来自对AI智算的需求。”要解决的，不只是多支持几种芯片，而是怎么为智能体提供一套更通用、更高效、也更开放的算力底座。

众智FlagOS的意义，在于它把开源推进到了“算力操作系统层”。它试图回答一个更基础的问题：AI的计算标准，是否可以不由单一厂商定义。

更重要的是，它让开源从模型层进一步下沉到基础设施层。此前，北京已经在大模型开源与评测体系上形成影响力，而众智FlagOS，则使得“从模型到系统”的闭环逐渐成形。

可以说，众智FlagOS 2.0不仅是一项新的开源技术成果，也是在AI时代尝试构建“开源基础设施能力”的一次标志性动作。

而在AI基础设施领域，脱胎于清华大学的AI基础设施公司无问芯穹一直和智谱、月之暗面等开源核心力量保持着深入的技术协作。

无问芯穹联合创始人夏立雪在AI开源前沿论坛也谈到了对OpenClaw的直观感受，他认为OpenClaw给整个AI背后的大型系统和生态都带来了更多机遇和挑战。

算力的暴增瞬间把基建推向了压力点。夏立雪透露，从今年1月底开始，无问芯穹平台上的Token调用量每两周翻一番，至今已经增长了10倍。“上次见到这个速度还是当时3G时代手机流量普及的时候”。更关键的问题是把能调动的资源组织得更高效、生产Token。

夏立雪认为，今天很多云基础设施本质上还是为人类工程师设计的，而不是为AI设计的，真正面向Agent时代，还需要新的Agent Infra。“我们需要打造一个更智慧化的token工厂，”他说，放到更长远的AGI时代看，连基础设施都应该是由智能体运行的。

无问芯穹联合创始人兼CEO夏立雪，图片来源：中关村论坛

在夏立雪看来，行业眼下有一个很现实的问题：Token正在朝着“水电煤”式的标准资源走，但它所对应的“智能性”还没有完全标准化，供需双方对价值的判断常常错位。

在这个标准缺位的过渡期，开源起到的作用就很关键。“开源能够极大地降低大家的试错成本，让大家广泛尝试不同的模型，”夏立雪告诉「甲子光年」。也正因为能和这些开源模型充分结合，无问芯穹才更像一个“Token工厂”在运转，更快看见真实需求里的卡点，用更高的效率造出Token，推动底层基础设施往前走。

无问芯穹的北京办公室就在AI原点社区，在AI基础设施层面，还有大量的高校、科研机构、企业在贡献力量。

如果从更长周期来看，在基础设施层探索开源的潜在意义在于：AI基础设施是否会出现类似Linux的统一开源层。当前，这一问题仍无定论，CUDA体系的惯性依然强大，多芯片生态也面临工程与商业的双重挑战。但以众智FlagOS为代表的开源系统出现，至少提供了一种路径——通过开源系统，将碎片化的算力资源重新组织。

我们发现了一个新的信号：AI竞争正在从模型能力，转向基础设施能力；而开源，也正在从“共享成果”，走向“定义规则”。

海淀，恰恰就在扮演一个“超级平台”的角色。它不仅让散落的连接更容易发生，更在通过顶层设计，将这种自发生长的力量制度化、常态化。

海淀布局建设“1+X+1”现代化产业体系，把人工智能放在塔尖位置，今年2月，启动“五方六力”科技成果转化机制，并提出2026年统筹安排不低于90亿元产业创新专项资金。

这些都为AI开源生态提供了强有力的支持。

AI原点社区，图片来源：中关村科学城公司

3.开源离不开“活人感”和“氛围感”

Hugging Face亚太生态负责人王铁震曾用藕粉颗粒和热水来形容开发者和开源社区的关系。藕粉中的颗粒就像是一位位开发者，或者一行行封闭的代码，而开源社区就像热水，冲泡之后这些颗粒就会发生相互作用，“这就是我们开源社区的精神，我们就是让这些孤独的开发者之间产生交流和合作。最后形成一个能够承载价值的社区。”

很多改变行业的合作，不是从一封“专门约见”的邮件开始的，而是先在同一片区域里自然发生。白天在学校或公司楼下碰到，晚上又在另一场活动里继续聊。今天先交换一个想法，过几天可能就约着再拉一个人一起试试。

从高校实验室里长出来的团队中，他们的组队故事都踩着这样的节奏，先彼此熟悉，再慢慢变成更稳定的项目和公司。更重要的是，这里的关系网极具韧性。一个项目没做成，线索不会就此消失，几年后，新的项目、新的团队，往往又会从旧连接里长出。

在2026中关村论坛年会“人工智能主题日”期间的Party Nights上，我们就感受到了AI时代少有的“活人感”和“氛围感”。

在几百平方米的空间里，讲述前沿学术成果的学者、刚写完论文的博士、思考落地路径的大厂工程师、带着硬件找模型底座的创业者同时出现。

你能看到多位创业者盯着屏幕上的技术细节，低声讨论推理成本；也能看到几位高校研究生正讨论某家具身智能公司的新模型，当场建群，约着之后细聊。在这里，一个想法从“听起来成立”到“要不要试一下”，中间往往隔不了多久。

香港大学数据科学研究所及计算与数据科学学院助理教授、博士生导师黄超就在其中。

黄超的研究方向涵盖大模型、AI Agents和图机器学习。他的研究成果在Google Scholar上被引用超过16000次。团队已推出多个影响力开源项目，包括nanobot、LightRAG、DeepCode、CLI-Anything等。其中nanobot在GitHub上已获得超过3.6万的Stars，团队打造的HKUDS GitHub开源平台累计获得超过18万GitHub Stars，位列全球Top 100，并超过90次登上GitHub Trending榜单。

在Party Nights活动上，他告诉「甲子光年」，再次来到被称为“宇宙中心”的五道口，最明显的感受是人才密度高、思维活跃极度活跃。这片区域天然带着的一种“要把AI玩出来”的极客劲头。从中关村论坛到线下圆桌，“开源”都是被反复提到的关键词。身处其中，他明显感觉到，不管是学术界还是工业界都在积极拥抱开源。

实际上，黄超与海淀结缘始于去年的中关村论坛年会“AI 100”青年人才评选活动，黄超入选。海淀相关团队和他建立联系，并持续保持交流。恰好在这一年里，黄超团队在开源社区迎来了爆发式成长。当他今年作为“老朋友”回到北京时，双方的合作也更加紧密。

黄超认为，OpenClaw这次爆火，首先是因为它第一次给了用户一种更强的“活人感”，之前Agent给人感觉更强的是一种工具感。黄超对未来12个月AI发展的关键词，不是某个单点技术的突然突破，而是“生态”。在他看来，OpenClaw要真正从“好玩”走向“好用”，靠的不是某一家公司单独往前推，而是模型、skills平台、工具链和开源社区一起，把Agent生态补足。