北京时间2020年4月24日,Linux基金会亚太区(LFAPAC)与开源中国战略发布会暨LF开源软件大学联合启动仪式圆满落幕。发布会获得了多家业内知名企业的大力支持,邀请了50余家国内外新闻媒体参与直播报道。
会上,Linux基金会亚太区(LFAPAC)和开源中国运营负责人分别从全球科技人才的角度,介绍了LF开源软件大学最新的开源技术培训和认证教育资源,并与华为、百度、腾讯、中国移动的行业专家一同就开源生态的构建和展望展开讨论。
近年来,随着技术的日新月异,IT技能培训需求与日俱增。根据中信证券研究所数据统计,预计2020年国内IT教育行业市场规模达到500亿元,伴随高新技术企业对IT人才需求的攀升,未来市场仍有较大的上升潜力,预计2020-2025年复合增长率为25%-30%;到2025年,中国IT教育行业市场规模将突破500亿元。
为了给国内开发者提供便利,同时完善开源生态,Linux基金会亚太区(LFAPAC)联手开源中国,共同搭建一个国际技术交流平台(training.linuxfoundation.cn),提供本地化的一站式培训/认证服务,为中国开发者赋能,为中国企业培养具有国际视野的开源人才!
作为专门为中国开发者量身定制的线上培训平台,LF开源软件大学提供Linux基金会所有官方课程和认证考试,以及权威的师资团队和认证导师为培训品质保驾护航。与传统线下培训不同,LF开源软件大学采用灵活的线上教学模式,开发者可以随时线上自主学习,预约认证考试,还原与生俱来的“互联网基因”。
“我们欣喜的看到,这次合作将为中国开源社区和有兴趣深入学习开源软件相关知识的研习者带来诸多机遇。通过与中国领先的开源社区开源中国(OSChina)的合作,我们将触达更多感兴趣的研习者,提供更广泛的开源技术培训课程,包括为全球重要开源项目(例如Kubernetes或Hyperledger) 提供的免费课程、在线自学课程、讲师指导课程或认证考试。现在,中国作为拥抱开源软件方面的领导者,因此我们相信这次合作恰逢其时,Linux基金会也非常愿意提供培训课程和认证考试支持这些努力。”
——Jim Zemlin, Linux基金会执行董事
Linux基金会亚太区(LFAPAC)负责人杨轩表示,“Linux基金会亚太区(LFAPAC)与开源中国一直致力于推动和领导中国的开源创新运动,有着长期的合作经验和共同的理念,我们的合作伙伴都是高瞻远瞩的企业和不断追求进步的科技精英。今天,Linux基金会亚太区(LFAPAC)与开源中国强强联手,推动国际技术交流和人才交流,为社会培养更多的开源软件人才,让LF开源软件大学成为您成就事业最值得信赖的合作伙伴。”
开源中国运营负责人李晨表示,“开源中国是中国最大的开源技术社区,致力于推动国内开源软件的应用和发展,服务好本土开发者。希望这次与Linux基金会亚太区(LFAPAC)合作引入顶级开源项目,以培训的方式让国内开发者了解开源项目及其运作方式,提升本土开发者的国际化视野,同时让开源技术更好的在企业中释放价值。”
未来,LF开源软件大学将走进各大品牌院校,寻找开源的“明日之子”,联合国内外优秀开源厂商,将本土开源项目推向国际舞台,培养既具备国际视野,又熟悉本土开源环境的复合型人才,完成从“陪伴式成长”到专业实践的引导。LF开源软件大学将不仅是有本土情怀的品牌,为梦想增值的育人摇篮,更是企业最值得信赖的合作伙伴,是开源人才培养体系的终极布道师。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。