過去一年，AI 領(lǐng)域在開源力量的推動下呈現(xiàn)爆發(fā)式增長。大模型不再是少數(shù)巨頭專屬的技術(shù)高地，而是在社區(qū)協(xié)作與開放共享中不斷演化，覆蓋基礎(chǔ)架構(gòu)、算法優(yōu)化、推理部署等多個層面。開源，讓 AI 更快、更平、更廣，也讓越來越多的開發(fā)者、研究者、創(chuàng)業(yè)者擁有了參與下一代智能系統(tǒng)構(gòu)建的機(jī)會。

在這一背景下，5 月 6 日，由 GOSIM、CSDN 和1ms.ai 聯(lián)合主辦的 GOSIM AI Paris 2025 大會于法國巴黎盛大啟幕。聚焦開源 AI 的技術(shù)突破與未來路徑，為全球技術(shù)實踐者與研究者搭建起一座連接創(chuàng)新與協(xié)作的橋梁。

本次大會陣容空前強(qiáng)大，匯聚了來自阿里巴巴、Hugging Face、BAAI、MiniMax、Neo4j、Dify、MetaGPT、智譜AI、Eigent.AI、Docker、英飛流、北京大學(xué)、德國 Fraunhofer、牛津大學(xué)、法國 openLLM 社區(qū)等企業(yè)與機(jī)構(gòu)的 80 余位技術(shù)專家與學(xué)者。同時，華為、全法中國青年科創(chuàng)協(xié)會、中法人工智能協(xié)會、Apache 軟件基金會、Eclipse 基金會、The Khronos Group 科納斯標(biāo)準(zhǔn)聯(lián)盟、WasmEdgeRuntime、LF Generative AI Commons、Linux 基金會研究部、OpenWallet 基金會、開放源代碼促進(jìn)會（OSI）、Software Heritage、K8SUG等合作伙伴也積極參與其中。大會圍繞AI模型、基礎(chǔ)設(shè)施、應(yīng)用落地與具身智能等核心議題，展開60多場重磅技術(shù)分享，共同解讀開源生態(tài)的演進(jìn)脈絡(luò)與創(chuàng)新趨勢。

AI 與開源的共振時刻

大會伊始，GOSIM 聯(lián)合創(chuàng)始人 Michael Yuan 發(fā)表了主題為《開源已經(jīng)迎頭趕上，下一步是什么？》的演講，分享了他對開源 AI 發(fā)展現(xiàn)狀與未來趨勢的觀察。他指出，開源人工智能正邁入一個重要的轉(zhuǎn)折點。

“曾經(jīng)我們預(yù)測開源要 5-10 年才能追上閉源模型，但現(xiàn)在看來，這一目標(biāo)已經(jīng)提前實現(xiàn)。”他以近期發(fā)布的 Qwen 3 為例指出，開源模型已經(jīng)不再僅與同行比較，而是開始正面對標(biāo)閉源旗艦?zāi)Ｐ?，甚至在部分基?zhǔn)測試中實現(xiàn)了超越。Yuan 也表示，這并非單方面的技術(shù)突破，而是閉源發(fā)展未達(dá)預(yù)期，出現(xiàn)了性能瓶頸。與之形成對比的是，開源模型正快速演進(jìn)，性能增長曲線陡峭，帶來了真正的“趕超”態(tài)勢。

這也引出了一個問題：我們離 AGI 還有多遠(yuǎn)？在Michael Yuan 看來，AGI 的未來可能不是一個萬能模型，而是由多個專業(yè)模型、知識庫與工具組成的智能體網(wǎng)絡(luò)，部署在私有硬件或機(jī)器人設(shè)備上。

Michael Yuan 表示，AI 架構(gòu)正在從中心化走向去中心化。以 OpenAI 為例，其正在用新的 Responses API 取代舊的 Completion API，構(gòu)建大規(guī)模智能體平臺。已有近 60 萬用戶和開發(fā)者加入這場變革，參與構(gòu)建分布式 AI 應(yīng)用。

“未來 AGI 不應(yīng)由某家資金最雄厚的公司獨(dú)占開發(fā)，”他強(qiáng)調(diào)，“而應(yīng)通過全球協(xié)作，共建一個覆蓋模型、知識庫、機(jī)器人和執(zhí)行系統(tǒng)的生態(tài)網(wǎng)絡(luò)?！?/p>

GOSIM 聯(lián)合創(chuàng)始人 Michael Yuan

緊接著，OpenWallet 基金會執(zhí)行董事 Daniel Goldscheider 在《GDC Wallets & Credentials》的演講中重點介紹了一個由聯(lián)合國大會通過的《全球數(shù)字契約》(Global Digital Compact，GDC)項目。他解釋說，《全球數(shù)字契約》的核心目標(biāo)有兩個：

• 一方面，數(shù)字技術(shù)已經(jīng)深刻改變了我們的生活和社會發(fā)展，它們帶來了很多新機(jī)會，但同時也伴隨著一些不可預(yù)知的風(fēng)險；

• 另一方面，要想讓數(shù)字技術(shù)真正造福全人類，就必須推動全球范圍的合作，打破國家、行業(yè)甚至公私部門之間的壁壘。
  

基于這樣的共識，GDC進(jìn)一步衍生出了“全球數(shù)字協(xié)作”（Global Digital Collaboration）的聯(lián)合倡議，旨在促進(jìn)各國政府、企業(yè)、非營利組織等多方展開真正意義上的合作。

在談到運(yùn)作方式時，Goldscheider 強(qiáng)調(diào)，這項協(xié)作并不是由某個機(jī)構(gòu)說了算，而是采用“聯(lián)合召集”的形式，歡迎所有感興趣的國際組織、標(biāo)準(zhǔn)制定者、開源社區(qū)和政府間組織參與。他特別指出，這不是一個“誰領(lǐng)導(dǎo)誰”的項目，而是一個平等合作的平臺，每一方都有話語權(quán)，沒有誰比誰更重要。

此外，他還說明，全球數(shù)字協(xié)作的目標(biāo)不是直接制定標(biāo)準(zhǔn)或開發(fā)技術(shù)，而是幫助來自不同背景的組織坐在一起，把各自的觀點和需求擺上臺面，先達(dá)成共識。之后，具體的標(biāo)準(zhǔn)和技術(shù)工作再由對應(yīng)的專業(yè)機(jī)構(gòu)去推動。他舉了“數(shù)字身份”和“生物識別技術(shù)”為例，說目前很多組織都在做這方面的工作，因此更需要這樣一個中立的平臺，把大家聚集起來，避免重復(fù)、沖突和資源浪費(fèi)。

OpenWallet 基金會執(zhí)行董事 Daniel Goldscheider

四大分論壇聯(lián)動，開源 AI 全鏈路解析

值得關(guān)注的是，本次大會特別設(shè)置了 AI 模型、AI 基礎(chǔ)設(shè)施、AI應(yīng)用和具身智能四大分論壇，涵蓋從底層架構(gòu)到應(yīng)用落地、從模型能力到智能體實踐的關(guān)鍵議題。每個分論壇均邀請來自全球一線企業(yè)與科研機(jī)構(gòu)的技術(shù)領(lǐng)軍者進(jìn)行分享與交流，既有對最新技術(shù)趨勢的深入解析，也有豐富的工程實踐案例，全面展現(xiàn)開源 AI 在多領(lǐng)域的融合與演進(jìn)。

七位專家聯(lián)袂拆解 AI 大模型底層邏輯

在 AI 模型論壇上，來自開源社區(qū)與研究機(jī)構(gòu)的多位專家圍繞大模型的架構(gòu)創(chuàng)新、開源協(xié)作與生態(tài)演進(jìn)進(jìn)行了精彩分享。

其中，Hugging Face 機(jī)器學(xué)習(xí)研究工程師 Guilherme Penedo 帶來了《Open-R1：對 DeepSeek-R1 的完全開源復(fù)現(xiàn)》主題演講，展示了Open-R1 項目在復(fù)現(xiàn) DeepSeek-R1 模型方面的工作成果，重點推動推理任務(wù)相關(guān)數(shù)據(jù)的開放與標(biāo)準(zhǔn)化。智源研究院數(shù)據(jù)研究團(tuán)隊技術(shù)負(fù)責(zé)人 Guang Liu分享了《OpenSeek：協(xié)同創(chuàng)新，邁向下一代大模型》，強(qiáng)調(diào)通過全球協(xié)作在算法、數(shù)據(jù)和系統(tǒng)等層面推動大模型性能突破，旨在開發(fā)出超越 DeepSeek 的下一代大模型。

隨后，CSDN 高級副總裁 Jason Li 在《解碼 DeepSeek：技術(shù)創(chuàng)新及其對 AI 生態(tài)系統(tǒng)的影響》中，深入剖析了 DeepSeek 在技術(shù)范式、模型架構(gòu)和產(chǎn)業(yè)生態(tài)方面的創(chuàng)新及其對全球 AI 生態(tài)系統(tǒng)的潛在影響。MiniMax 高級研究總監(jiān) Yiran Zhong帶來了《Linear 未來：大語言模型架構(gòu)的演變》主題演講，介紹了團(tuán)隊提出的 Lightning Attention 機(jī)制，在效率和性能上為替代 Transformer 架構(gòu)提供了可能。牛津大學(xué)皇家學(xué)會牛頓國際研究員 Shiwei Liu在《大語言模型中的深度詛咒》中探討了深層神經(jīng)網(wǎng)絡(luò)在模型加深時貢獻(xiàn)遞減的問題，并提出通過 LayerNorm Scaling 改進(jìn) Pre-LN 機(jī)制以提升深層利用率和整體效率。智譜 AI 研究工程師 Diego Rojas 在《代碼大語言模型：超越 Token 的探索》指出，當(dāng)前的大模型雖然很強(qiáng)，但還要依賴分詞這一步，而這一步不夠高效，因此其與與會觀眾分享了如何跳過分詞，讓模型變得更快更強(qiáng)的新方法。本論壇的最后，F(xiàn)raunhofer IAIS 基礎(chǔ)模型團(tuán)隊負(fù)責(zé)人 Nicolas Flores-Herr在《如何打造具備全球競爭力的“歐洲制造”大語言模型？》的分享中強(qiáng)調(diào)，歐洲正通過多語種、開源和可信賴的本地化大模型項目，克服數(shù)據(jù)、多樣性與監(jiān)管挑戰(zhàn)，以打造體現(xiàn)歐洲價值觀的下一代人工智能。

AI 基礎(chǔ)設(shè)施三要素：數(shù)據(jù)、算力與算法的協(xié)同演進(jìn)

聚焦于構(gòu)建更加開放、高效與普惠的大模型底座，本場 AI 基礎(chǔ)設(shè)施論壇匯聚了科研機(jī)構(gòu)與企業(yè)的一線專家，圍繞數(shù)據(jù)、算力、系統(tǒng)架構(gòu)等關(guān)鍵問題展開深入探討。

首先，智源研究院（BAAI）副院長 Yonghua Lin 在《AI 開源向善：包容性應(yīng)用、公平性數(shù)據(jù)與普惠算力》中重磅發(fā)布中文互聯(lián)網(wǎng)語料庫 CCI 4.0，覆蓋 CCI4.0-M2-Base V1（https://huggingface.co/datasets/BAAI/CCI4.0-M2-Base-v1）、CCI4.0-M2-CoT V1（https://huggingface.co/datasets/BAAI/CCI4.0-M2-CoT-v1）和 CCI4.0-M2-Extra V1（https://huggingface.co/datasets/BAAI/CCI4.0-M2-Extra-v1）共 3 大數(shù)據(jù)集。其中，CCI4.0-M2-Base V1 數(shù)據(jù)量為 35000GB，為中英雙語，中文數(shù)據(jù) 5000GB，與 CCI3.0 相比數(shù)據(jù)規(guī)模增加了 5 倍；CCI4.0-M2-CoT V1 包含了用于提升推理能力的 4.5 億條逆向合成人類思考軌跡數(shù)據(jù)，總 token 數(shù)量達(dá) 425B（4250億），與現(xiàn)有全球最大的已開源的合成數(shù)據(jù)集Cosmopedia（由 Hugging Face 開源）相比，規(guī)模提升了近 20 倍。

緊接著，華為高級軟件工程師 Xiyuan Wang 在《基于昇騰 CANN 的訓(xùn)練與推理最佳實踐》中介紹了 CANN 架構(gòu)如何連接 AI 框架與昇騰硬件，并通過支持 PyTorch 與 vLLM 等生態(tài)，實現(xiàn)高效訓(xùn)練推理的最佳實踐。Carrefour 數(shù)據(jù)架構(gòu)師 Guillaume Blaquiere 在《讓你的 LLM 實現(xiàn)無服務(wù)器化》中展示了如何通過 Google Cloud Run 部署支持 GPU 的無服務(wù)器大模型實例，從而降低成本并提高資源利用效率。北京大學(xué)工程師 Yinping Ma 發(fā)表了《開源智能計算一體化管理與調(diào)度基礎(chǔ)軟件 —— SCOW 與 CraneSched》主題演講，介紹了北大研發(fā)的 SCOW 和 CraneSched 兩大開源基礎(chǔ)軟件，已在全國數(shù)十家高校與企業(yè)部署，支撐智能計算資源的統(tǒng)一管理與高性能調(diào)度。北京航空航天大學(xué)博士研究生 Yaowei Zheng 在《verl：基于混合控制器的 RLHF 系統(tǒng)》演講中分享了 Verl 系統(tǒng)中混合控制器架構(gòu)的設(shè)計理念，并探討其在大規(guī)模強(qiáng)化學(xué)習(xí)訓(xùn)練中的效率優(yōu)勢。Oxen.ai 首席執(zhí)行官 Greg Schoeninger 帶來了《用于 DeepSeek-R1 式的強(qiáng)化學(xué)習(xí)（GRPO）的訓(xùn)練數(shù)據(jù)集和基礎(chǔ)設(shè)施》主題分享，并詳解了面向推理 LLM 的強(qiáng)化學(xué)習(xí)訓(xùn)練流程，包括數(shù)據(jù)集構(gòu)建、基礎(chǔ)設(shè)施搭建及本地訓(xùn)練代碼生成模型的實踐路徑。

從“能不能用”到“用得好不好”，AI 應(yīng)用進(jìn)入實戰(zhàn)時刻

在AI 應(yīng)用分論壇中，來自企業(yè)一線的研發(fā)實踐者與技術(shù)決策者帶來了豐富多元的分享，展現(xiàn)了大模型驅(qū)動下 AI 應(yīng)用的真實落地路徑與未來想象。

阿里巴巴通義實驗室首席研究員 Yongbin Li 以《通義靈碼：從Coding Copilot到Coding Agent》為題，分享了通義靈碼在技術(shù)演進(jìn)和產(chǎn)品應(yīng)用方面的最新進(jìn)展。華為軟件工程師 Dongjie Chen 帶來《倉頡 Magic：大模型時代下，開發(fā)者的新選擇》主題演講，介紹了基于倉頡編程語言構(gòu)建的 AI 大模型 Agent 開發(fā)框架，該框架能顯著提升開發(fā)者構(gòu)建智能鴻蒙（HarmonyOS）應(yīng)用的效率，帶來卓越的開發(fā)體驗。LangGenius 開發(fā)者生態(tài)系統(tǒng)總監(jiān) Xinrui Liu 則圍繞《攜手共進(jìn)，由 Dify 賦能的技術(shù)力量》展開介紹，強(qiáng)調(diào)了Dify 的開源生態(tài)系統(tǒng)及其在加速 AI 應(yīng)用普及方面所發(fā)揮的作用。

而在 AI 與系統(tǒng)工程的結(jié)合方面，Makepad 聯(lián)合創(chuàng)始人 Rik Arends 帶來了一場別具特色的分享：《通過氛圍編碼，用 AI 打造面向移動設(shè)備、網(wǎng)頁以及混合現(xiàn)實的 Rust UI》，探索如何利用氛圍編碼構(gòu)建UI 的新范式。博通 Spring 團(tuán)隊研發(fā)軟件工程師 Christian Tzolov則在《通過 MCP 實現(xiàn) AI 集成的統(tǒng)一范式》中，重點展示如何通過 MCP Java SDK 以及 Spring AI MCP，將 AI 模型與現(xiàn)有系統(tǒng)和資源進(jìn)行高效集成。Futurewei 技術(shù)戰(zhàn)略高級總監(jiān) Wenjing Chu 帶來的《MCP 和 A2A 中的 “T” 代表信任》則將視角進(jìn)一步提升，深度解析了如何在基于智能體的應(yīng)用中構(gòu)建真正可信的 AI 系統(tǒng)。此外，Cegid 軟件工程經(jīng)理 Hong-Thai Nguyen 在《Cegid Pulse：多智能體商業(yè)管理平臺》演講中，結(jié)合實際場景介紹了多智能體如何重塑商業(yè)流程，實現(xiàn)更智能的企業(yè)決策與運(yùn)營。

當(dāng)大模型裝上“身體”：具身智能來了

具身智能正在成為AI領(lǐng)域最具挑戰(zhàn)性與前景的發(fā)展方向之一。在本場分論壇中，諸多業(yè)界頂尖技術(shù)專家圍繞“具身智能”這一主題展開深入交流，分享了各自在架構(gòu)設(shè)計、模型應(yīng)用與場景落地上的實踐探索。

其中，ZettaScale 首席執(zhí)行官兼首席技術(shù)官 Angelo Corsaro 在《心智、身體與 Zenoh》演講中，介紹了 Zenoh 協(xié)議如何在智能機(jī)器人時代打通感知、執(zhí)行與認(rèn)知之間的壁壘。Dora 項目負(fù)責(zé)人 Philipp Oppermann 則帶來《在 Dora 中使用 Zenoh 實現(xiàn)分布式數(shù)據(jù)流》的主題分享，講解了Zenoh 協(xié)議在 Dora實現(xiàn)分布式數(shù)據(jù)流中的重要應(yīng)用。中國科學(xué)技術(shù)大學(xué)教授 James Yang 發(fā)表了《自動駕駛中對抗性安全關(guān)鍵場景的生成》演講，介紹如何通過生成對抗性場景來提升自動駕駛技術(shù)的安全性，確保在復(fù)雜環(huán)境下的穩(wěn)定性與可靠性。

除此之外，智源研究院具身智能研究員 Minglan Lin也圍繞《RoboBrain：用于機(jī)器人操作的統(tǒng)一大腦模型 & RoboOS：RoboBrain 與機(jī)器人智能體的分層協(xié)作框架》主題，展示了 RoboBrain 如何提升機(jī)器人的智能化水平以及 RoboOS 在機(jī)器人協(xié)作中的重要作用。Voyage Robotics 創(chuàng)始人 Ville Kuosmanen 帶來了《用開源 VLA 模型構(gòu)建機(jī)器人應(yīng)用》的精彩演講，講解了如何利用開源 VLA 模型為機(jī)器人應(yīng)用提供強(qiáng)大的支持。最后，Menlo Research 大語言模型研究員 Huy Hoang Ha 在《空間推理 LLM：增強(qiáng)對 2D 和 3D 的理解以支持機(jī)器人操作與導(dǎo)航》的主題演講中，探討了空間推理如何幫助機(jī)器人更好地理解復(fù)雜的 2D 和 3D 環(huán)境，從而提升其操作與導(dǎo)航能力。

在 Spotlight Talks Day 1 中，眾多業(yè)內(nèi)專家圍繞前沿技術(shù)與創(chuàng)新應(yīng)用展開了精彩分享。作為大會的重磅單元，Spotlight Talks 匯聚了來自各個領(lǐng)域的技術(shù)實踐者，共同探討 AI 技術(shù)的最新進(jìn)展與落地實踐。法國原子能委員會（CEA）研究工程師 Cyril Moineau 在《Aidge》演講中，介紹了 Eclipse Aidge 項目如何通過提供完整的工具鏈，支持深度神經(jīng)網(wǎng)絡(luò)在嵌入式平臺上的部署與優(yōu)化，從而加速邊緣智能系統(tǒng)的發(fā)展。

緊接著，Bielik.ai 數(shù)據(jù)科學(xué)家 Pawe? Kiszczak 于本次大會上首次公開分享了波蘭本土 AI 項目 Bielik 的最新進(jìn)展，并以《Bielik.AI 的崛起》為題，講述了該項目如何通過開源語言模型與完整工具生態(tài)，推動本地自主 AI 體系的構(gòu)建。Bielik 項目不僅發(fā)布了多個開源語言模型（參數(shù)規(guī)模涵蓋 1.5B、4.5B 和 11B），還打造了覆蓋數(shù)據(jù)集、評測、訓(xùn)練與微調(diào)的端到端工具鏈，支持研究團(tuán)隊與開發(fā)者基于基礎(chǔ)模型進(jìn)行微調(diào)或持續(xù)預(yù)訓(xùn)練，大幅降低大模型研發(fā)門檻，激發(fā)本地技術(shù)創(chuàng)新能力。

來自 Second State 的技術(shù)負(fù)責(zé)人 Hung-Ying Tai 分享了《使用 LlamaEdge 在邊緣設(shè)備上運(yùn)行 GenAI 模型》，展示了 LlamaEdge 在邊緣設(shè)備上部署生成式 AI 模型的輕量化與高性能能力，帶來更靈活高效的本地推理體驗。北京大學(xué)博士研究生 Tianyu Chen 在《基于自我進(jìn)化框架，實現(xiàn)自動為 Rust 代碼生成形式化驗證》中，介紹了 SAFE 框架如何通過“數(shù)據(jù)合成—模型微調(diào)”的自進(jìn)化機(jī)制，緩解訓(xùn)練數(shù)據(jù)稀缺的問題，從而顯著提升 Rust 代碼形式化驗證的效率與準(zhǔn)確率。Illuin Technology 研發(fā)主管Gautier Viaud在《ColPali：基于視覺語言模型的高效文檔檢索》演講中，分享了團(tuán)隊基于 ColBERT 架構(gòu)與 PaliGemma 模型構(gòu)建的 ColPali 系統(tǒng)，如何通過結(jié)合圖文信息，有效提升文檔檢索的準(zhǔn)確性與效率。最后，Dynamia.ai 首席執(zhí)行官 Xiao Zhang 帶來《解鎖異構(gòu) AI 基礎(chǔ)設(shè)施的 K8s 集群能力：釋放 HAMi 的強(qiáng)大力量》，介紹了如何借助 HAMi 更好地管理與調(diào)度異構(gòu) GPU 資源，提升 AI 基礎(chǔ)設(shè)施的利用率與可觀測性。

多元碰撞，首日亮點紛呈

除了高密度的主題演講，大會還特別設(shè)置了多個特色單元，其中閉門會單元（Closed-door Meeting）聚焦戰(zhàn)略對話與深度行業(yè)交流，推動跨界合作落地；展示單元（Showcase Sessions）集中呈現(xiàn)企業(yè)與科研機(jī)構(gòu)的 AI 最新技術(shù)產(chǎn)品，吸引了大量觀眾駐足交流；而在競賽單元（Competition Sessions）中，來自全球的人工智能與機(jī)器人技術(shù)開發(fā)者、工程師及機(jī)器人愛好者，圍繞開源 SO-ARM100 機(jī)械臂套件展開了模仿學(xué)習(xí)的實踐探索。該套件集成了 Hugging Face 的 LeRobot 框架，并結(jié)合 NVIDIA 的 AI 與機(jī)器人技術(shù)，支持包括 ACT 和 Diffusion Policy 在內(nèi)的前沿 AI 架構(gòu)，為參賽者提供了堅實的技術(shù)基礎(chǔ)。參賽者在真實場景中進(jìn)行了實踐探索，全面評估其效果與可行性。

值得關(guān)注的是，動手單元（Workshop Sessions）以 OpenHarmony 生態(tài)為核心議題，圍繞這一由開放原子開源基金會孵化和運(yùn)營的開源項目展開深入探索。OpenHarmony 致力于構(gòu)建面向全場景、全連接、全智能時代的智能終端操作系統(tǒng)框架，打造一個開放、全球化、創(chuàng)新領(lǐng)先的分布式操作系統(tǒng)平臺，服務(wù)多樣化的智能設(shè)備，助力萬物互聯(lián)產(chǎn)業(yè)發(fā)展。大會現(xiàn)場，參會者將通過一系列實操工作坊，親身參與從驅(qū)動開發(fā)到應(yīng)用部署的關(guān)鍵流程，深入理解 OpenHarmony 在多設(shè)備協(xié)同、輕量系統(tǒng)設(shè)計等方面的核心優(yōu)勢。動手實踐不僅幫助開發(fā)者打通“從底到端”的技術(shù)路徑，更全面提升系統(tǒng)級開發(fā)與調(diào)試能力。

至此，GOSIM AI Paris 2025 首日議程落下帷幕，但精彩仍在繼續(xù)。明日大會將繼續(xù)圍繞 AI 模型、AI 基礎(chǔ)設(shè)施、AI 應(yīng)用和具身智能四大論壇持續(xù)推進(jìn)，并迎來備受關(guān)注的 PyTorch Day，更多重磅嘉賓與一線實戰(zhàn)內(nèi)容即將登場，敬請期待！