8月30日,第二届龙蜥操作系统大会在京举办。
作为国内领先的开源操作系统根社区,龙蜥社区Anolis OS及衍生版装机量已突破800万套,并在会上推出Anolis OS 23官方正式版,全面兼容国内外主流CPU、GPU架构。基于“云+AI”创新,龙蜥社区发布“Anolis OS 23生态衍生计划”“CentOS替代计划”“AI应用推广计划”等三大计划,推动开源操作系统实现商业化的良性循环发展。

龙蜥社区Anolis OS及衍生版装机量已突破800万套
操作系统是现代信息产业核心基础技术,它向下调度硬件资源,向上支撑软件应用,为AI大模型大规模落地提供关键环境保障。以前,操作系统技术及产品主要被欧美企业把持,现在,通过开源开放的技术合作创新,中国操作系统产业正逐渐迎头赶上。
阿里云是龙蜥社区创始成员之一并担任理事长单位。在中国计算机学会开源发展委员会、中关村科学城委员会、海淀区委网信办、中国开源软件推进联盟等指导下,阿里云与中兴通讯、Intel、浪潮信息、Arm、中科方德等24家理事单位共同承办了第二届龙蜥操作系统大会。
随着开源的服务器操作系统CentOS正式停服,业界“用脚投票”首选迁移到龙蜥操作系统,带动了一批基于龙蜥的服务器操作系统新发展。数据显示,2023年中国操作系统市场增速高达23.2%,主要增长动力就来自服务器操作系统。目前,龙蜥操作系统装机量突破800万套,合作伙伴超过1000家,服务用户超过100万,是国内规模最大、生态最全面的服务器操作系统之一。
本次大会,龙蜥社区发布全新的Anolis OS 23 官方正式版,该版本由龙蜥社区十余家头部企业参与全链条适配优化,完成了从底层芯片到上层软件的产品级稳定性验证及升级。新版本采用最通用的Linux ANCK 6.6 内核,可全面支持主流国内外CPU、GPU架构,在特定国产芯片平台上还可提升11%的性能;核心软件包的优化升级,带来安全性的大幅提升;通过创新适配AI容器服务生态,在操作系统层面首次原生支持AI算力调用和应用。

阿里云坚持长期投入共建龙蜥社区
阿里云基础设施事业部总经理蒋江伟表示,得益于众多通用、异构芯片厂商、特别是国产自主芯片厂商在龙蜥社区的积极参与和贡献,阿里云可以更好地发展“一云多芯”战略,在获得更健壮的硬件供应链保障的同时,实现统一资源管理和调度,进而向广大用户提供更高效的算力基础设施服务。本届龙蜥大会上,Arm、阿里云、平头哥、中兴新支点等公司联合宣布组建龙蜥社区Arm工作组,将协同推进基于Arm架构的基础软件生态。
中国工程院院士、龙蜥高级顾问团代表陈纯表示,云计算的调度与弹性,大模型的训练与推理,都离不开一个稳定、安全、高效的服务器操作系统。龙蜥立足云计算建设自主技术路线,积极探索云计算与 AI 技术融合及应用创新,在助力传统应用生态应对停服断供挑战的同时,也推动新兴应用生态创新成长。

中国工程院院士、龙蜥高级顾问团代表 陈纯
“云+AI”开启算力新时代,龙蜥则让更多AI大模型新应用长在开源操作系统上。据了解,龙蜥社区是业界最早展开操作系统AI探索的,现已兼容国内外主流GPU,并针对广泛使用的AI框架提供OpenVino在内的原生支持。本次大会,龙蜥社区公布了“AI原生操作系统”发展路线,提出AI容器镜像、智能运维AIOps、OS Copilot文档建设等三大探索方向,加速AI与操作系统的融合发展。
通过自研技术开源开放与生态社区建设并举,阿里云与合作伙伴将龙蜥打造为产业协同的最佳实践。会上,龙蜥社区还推出三大生态计划——“Anolis OS 23生态衍生计划”“CentOS替代计划”“AI应用推广计划”,包含商业版合作、智能运维等20余个专项,进一步推动社区版及商业衍生产品的生态繁荣。

龙蜥社区三大计划正式发布
“开源社区在提升我国创新体系整体效能方面要发挥独特作用,龙蜥社区有力推动了我国云计算产业链的完善和发展,为我国数字产业生态繁荣注入了新活力。目前,龙蜥等中国开源操作系统社区已经就Linux内核选择等达成一致,希望未来业界共同努力,促进产、学、研、用的深度融合,探索中国式开源新模式,形成更强大的开源创新合力。”中国科学院院士、CCF开源发展委员会主任王怀民在龙蜥大会上表示。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。