過去一年，AI 領域在開源力量的推動下呈現爆發式增長。大模型不再是少數巨頭專屬的技術高地，而是在社區協作與開放共享中不斷演化，覆蓋基礎架構、算法優化、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者、研究者、創業者擁有了參與下一代智能系統構建的機會。

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

本次大會陣容空前強大，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、德國 Fraunhofer、牛津大學、法國 openLLM 社區等企業與機構的 80 余位技術專家與學者。同時，華為、全法中國青年科創協會、中法人工智能協會、Apache 軟件基金會、Eclipse 基金會、The Khronos Group 科納斯標準聯盟、WasmEdgeRuntime、LF Generative AI Commons、Linux 基金會研究部、OpenWallet 基金會、開放源代碼促進會（OSI）、Software Heritage、K8SUG等合作伙伴也積極參與其中。大會圍繞AI模型、基礎設施、應用落地與具身智能等核心議題，展開60多場重磅技術分享，共同解讀開源生態的演進脈絡與創新趨勢。

AI 與開源的共振時刻

大會伊始，GOSIM 聯合創始人 Michael Yuan 發表了主題為《開源已經迎頭趕上，下一步是什么？》的演講，分享了他對開源 AI 發展現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折點。

“曾經我們預測開源要 5-10 年才能追上閉源模型，但現在看來，這一目標已經提前實現。”他以近期發布的 Qwen 3 為例指出，開源模型已經不再僅與同行比較，而是開始正面對標閉源旗艦模型，甚至在部分基準測試中實現了超越。Yuan 也表示，這并非單方面的技術突破，而是閉源發展未達預期，出現了性能瓶頸。與之形成對比的是，開源模型正快速演進，性能增長曲線陡峭，帶來了真正的“趕超”態勢。

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

Michael Yuan 表示，AI 架構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，構建大規模智能體平臺。已有近 60 萬用戶和開發者加入這場變革，參與構建分布式 AI 應用。

“未來 AGI 不應由某家資金最雄厚的公司獨占開發，”他強調，“而應通過全球協作，共建一個覆蓋模型、知識庫、機器人和執行系統的生態網絡。”

GOSIM 聯合創始人 Michael Yuan

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

• 一方面，數字技術已經深刻改變了我們的生活和社會發展，它們帶來了很多新機會，但同時也伴隨著一些不可預知的風險；

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

基于這樣的共識，GDC進一步衍生出了“全球數字協作”（Global Digital Collaboration）的聯合倡議，旨在促進各國政府、企業、非營利組織等多方展開真正意義上的合作。

在談到運作方式時，Goldscheider 強調，這項協作并不是由某個機構說了算，而是采用“聯合召集”的形式，歡迎所有感興趣的國際組織、標準制定者、開源社區和政府間組織參與。他特別指出，這不是一個“誰領導誰”的項目，而是一個平等合作的平臺，每一方都有話語權，沒有誰比誰更重要。

此外，他還說明，全球數字協作的目標不是直接制定標準或開發技術，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，先達成共識。之后，具體的標準和技術工作再由對應的專業機構去推動。他舉了“數字身份”和“生物識別技術”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、沖突和資源浪費。

OpenWallet 基金會執行董事 Daniel Goldscheider

四大分論壇聯動，開源 AI 全鏈路解析

值得關注的是，本次大會特別設置了 AI 模型、AI 基礎設施、AI應用和具身智能四大分論壇，涵蓋從底層架構到應用落地、從模型能力到智能體實踐的關鍵議題。每個分論壇均邀請來自全球一線企業與科研機構的技術領軍者進行分享與交流，既有對最新技術趨勢的深入解析，也有豐富的工程實踐案例，全面展現開源 AI 在多領域的融合與演進。

七位專家聯袂拆解 AI 大模型底層邏輯

在 AI 模型論壇上，來自開源社區與研究機構的多位專家圍繞大模型的架構創新、開源協作與生態演進進行了精彩分享。

其中，Hugging Face 機器學習研究工程師 Guilherme Penedo 帶來了《Open-R1：對 DeepSeek-R1 的完全開源復現》主題演講，展示了Open-R1 項目在復現 DeepSeek-R1 模型方面的工作成果，重點推動推理任務相關數據的開放與標準化。智源研究院數據研究團隊技術負責人 Guang Liu分享了《OpenSeek：協同創新，邁向下一代大模型》，強調通過全球協作在算法、數據和系統等層面推動大模型性能突破，旨在開發出超越 DeepSeek 的下一代大模型。

隨后，CSDN 高級副總裁 Jason Li 在《解碼 DeepSeek：技術創新及其對 AI 生態系統的影響》中，深入剖析了 DeepSeek 在技術范式、模型架構和產業生態方面的創新及其對全球 AI 生態系統的潛在影響。MiniMax 高級研究總監 Yiran Zhong帶來了《Linear 未來：大語言模型架構的演變》主題演講，介紹了團隊提出的 Lightning Attention 機制，在效率和性能上為替代 Transformer 架構提供了可能。牛津大學皇家學會牛頓國際研究員 Shiwei Liu在《大語言模型中的深度詛咒》中探討了深層神經網絡在模型加深時貢獻遞減的問題，并提出通過 LayerNorm Scaling 改進 Pre-LN 機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，當前的大模型雖然很強，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的新方法。本論壇的最后，Fraunhofer IAIS 基礎模型團隊負責人 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？》的分享中強調，歐洲正通過多語種、開源和可信賴的本地化大模型項目，克服數據、多樣性與監管挑戰，以打造體現歐洲價值觀的下一代人工智能。

AI 基礎設施三要素：數據、算力與算法的協同演進

聚焦于構建更加開放、高效與普惠的大模型底座，本場 AI 基礎設施論壇匯聚了科研機構與企業的一線專家，圍繞數據、算力、系統架構等關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：包容性應用、公平性數據與普惠算力》中重磅發布中文互聯網語料庫 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 大數據集。其中，CCI4.0-M2-Base V1 數據量為 35000GB，為中英雙語，中文數據 5000GB，與 CCI3.0 相比數據規模增加了 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據，總 token 數量達 425B（4250億），與現有全球最大的已開源的合成數據集Cosmopedia（由 Hugging Face 開源）相比，規模提升了近 20 倍。

緊接著，華為高級軟件工程師 Xiyuan Wang 在《基于昇騰 CANN 的訓練與推理最佳實踐》中介紹了 CANN 架構如何連接 AI 框架與昇騰硬件，并通過支持 PyTorch 與 vLLM 等生態，實現高效訓練推理的最佳實踐。Carrefour 數據架構師 Guillaume Blaquiere 在《讓你的 LLM 實現無服務器化》中展示了如何通過 Google Cloud Run 部署支持 GPU 的無服務器大模型實例，從而降低成本并提高資源利用效率。北京大學工程師 Yinping Ma 發表了《開源智能計算一體化管理與調度基礎軟件 —— SCOW 與 CraneSched》主題演講，介紹了北大研發的 SCOW 和 CraneSched 兩大開源基礎軟件，已在全國數十家高校與企業部署，支撐智能計算資源的統一管理與高性能調度。北京航空航天大學博士研究生 Yaowei Zheng 在《verl：基于混合控制器的 RLHF 系統》演講中分享了 Verl 系統中混合控制器架構的設計理念，并探討其在大規模強化學習訓練中的效率優勢。Oxen.ai 首席執行官 Greg Schoeninger 帶來了《用于 DeepSeek-R1 式的強化學習（GRPO）的訓練數據集和基礎設施》主題分享，并詳解了面向推理 LLM 的強化學習訓練流程，包括數據集構建、基礎設施搭建及本地訓練代碼生成模型的實踐路徑。

從“能不能用”到“用得好不好”，AI 應用進入實戰時刻

在AI 應用分論壇中，來自企業一線的研發實踐者與技術決策者帶來了豐富多元的分享，展現了大模型驅動下 AI 應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演進和產品應用方面的最新進展。華為軟件工程師 Dongjie Chen 帶來《倉頡 Magic：大模型時代下，開發者的新選擇》主題演講，介紹了基于倉頡編程語言構建的 AI 大模型 Agent 開發框架，該框架能顯著提升開發者構建智能鴻蒙（HarmonyOS）應用的效率，帶來卓越的開發體驗。LangGenius 開發者生態系統總監 Xinrui Liu 則圍繞《攜手共進，由 Dify 賦能的技術力量》展開介紹，強調了Dify 的開源生態系統及其在加速 AI 應用普及方面所發揮的作用。

而在 AI 與系統工程的結合方面，Makepad 聯合創始人 Rik Arends 帶來了一場別具特色的分享：《通過氛圍編碼，用 AI 打造面向移動設備、網頁以及混合現實的 Rust UI》，探索如何利用氛圍編碼構建UI 的新范式。博通 Spring 團隊研發軟件工程師 Christian Tzolov則在《通過 MCP 實現 AI 集成的統一范式》中，重點展示如何通過 MCP Java SDK 以及 Spring AI MCP，將 AI 模型與現有系統和資源進行高效集成。Futurewei 技術戰略高級總監 Wenjing Chu 帶來的《MCP 和 A2A 中的 “T” 代表信任》則將視角進一步提升，深度解析了如何在基于智能體的應用中構建真正可信的 AI 系統。此外，Cegid 軟件工程經理 Hong-Thai Nguyen 在《Cegid Pulse：多智能體商業管理平臺》演講中，結合實際場景介紹了多智能體如何重塑商業流程，實現更智能的企業決策與運營。

當大模型裝上“身體”：具身智能來了

具身智能正在成為AI領域最具挑戰性與前景的發展方向之一。在本場分論壇中，諸多業界頂尖技術專家圍繞“具身智能”這一主題展開深入交流，分享了各自在架構設計、模型應用與場景落地上的實踐探索。

其中，ZettaScale 首席執行官兼首席技術官 Angelo Corsaro 在《心智、身體與 Zenoh》演講中，介紹了 Zenoh 協議如何在智能機器人時代打通感知、執行與認知之間的壁壘。Dora 項目負責人 Philipp Oppermann 則帶來《在 Dora 中使用 Zenoh 實現分布式數據流》的主題分享，講解了Zenoh 協議在 Dora實現分布式數據流中的重要應用。中國科學技術大學教授 James Yang 發表了《自動駕駛中對抗性安全關鍵場景的生成》演講，介紹如何通過生成對抗性場景來提升自動駕駛技術的安全性，確保在復雜環境下的穩定性與可靠性。

除此之外，智源研究院具身智能研究員 Minglan Lin也圍繞《RoboBrain：用于機器人操作的統一大腦模型 & RoboOS：RoboBrain 與機器人智能體的分層協作框架》主題，展示了 RoboBrain 如何提升機器人的智能化水平以及 RoboOS 在機器人協作中的重要作用。Voyage Robotics 創始人 Ville Kuosmanen 帶來了《用開源 VLA 模型構建機器人應用》的精彩演講，講解了如何利用開源 VLA 模型為機器人應用提供強大的支持。最后，Menlo Research 大語言模型研究員 Huy Hoang Ha 在《空間推理 LLM：增強對 2D 和 3D 的理解以支持機器人操作與導航》的主題演講中，探討了空間推理如何幫助機器人更好地理解復雜的 2D 和 3D 環境，從而提升其操作與導航能力。

在 Spotlight Talks Day 1 中，眾多業內專家圍繞前沿技術與創新應用展開了精彩分享。作為大會的重磅單元，Spotlight Talks 匯聚了來自各個領域的技術實踐者，共同探討 AI 技術的最新進展與落地實踐。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，支持深度神經網絡在嵌入式平臺上的部署與優化，從而加速邊緣智能系統的發展。

緊接著，Bielik.ai 數據科學家 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，推動本地自主 AI 體系的構建。Bielik 項目不僅發布了多個開源語言模型（參數規模涵蓋 1.5B、4.5B 和 11B），還打造了覆蓋數據集、評測、訓練與微調的端到端工具鏈，支持研究團隊與開發者基于基礎模型進行微調或持續預訓練，大幅降低大模型研發門檻，激發本地技術創新能力。

來自 Second State 的技術負責人 Hung-Ying Tai 分享了《使用 LlamaEdge 在邊緣設備上運行 GenAI 模型》，展示了 LlamaEdge 在邊緣設備上部署生成式 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。北京大學博士研究生 Tianyu Chen 在《基于自我進化框架，實現自動為 Rust 代碼生成形式化驗證》中，介紹了 SAFE 框架如何通過“數據合成—模型微調”的自進化機制，緩解訓練數據稀缺的問題，從而顯著提升 Rust 代碼形式化驗證的效率與準確率。Illuin Technology 研發主管Gautier Viaud在《ColPali：基于視覺語言模型的高效文檔檢索》演講中，分享了團隊基于 ColBERT 架構與 PaliGemma 模型構建的 ColPali 系統，如何通過結合圖文信息，有效提升文檔檢索的準確性與效率。最后，Dynamia.ai 首席執行官 Xiao Zhang 帶來《解鎖異構 AI 基礎設施的 K8s 集群能力：釋放 HAMi 的強大力量》，介紹了如何借助 HAMi 更好地管理與調度異構 GPU 資源，提升 AI 基礎設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，大會還特別設置了多個特色單元，其中閉門會單元（Closed-door Meeting）聚焦戰略對話與深度行業交流，推動跨界合作落地；展示單元（Showcase Sessions）集中呈現企業與科研機構的 AI 最新技術產品，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器人技術開發者、工程師及機器人愛好者，圍繞開源 SO-ARM100 機械臂套件展開了模仿學習的實踐探索。該套件集成了 Hugging Face 的 LeRobot 框架，并結合 NVIDIA 的 AI 與機器人技術，支持包括 ACT 和 Diffusion Policy 在內的前沿 AI 架構，為參賽者提供了堅實的技術基礎。參賽者在真實場景中進行了實踐探索，全面評估其效果與可行性。

值得關注的是，動手單元（Workshop Sessions）以 OpenHarmony 生態為核心議題，圍繞這一由開放原子開源基金會孵化和運營的開源項目展開深入探索。OpenHarmony 致力于構建面向全場景、全連接、全智能時代的智能終端操作系統框架，打造一個開放、全球化、創新領先的分布式操作系統平臺，服務多樣化的智能設備，助力萬物互聯產業發展。大會現場，參會者將通過一系列實操工作坊，親身參與從驅動開發到應用部署的關鍵流程，深入理解 OpenHarmony 在多設備協同、輕量系統設計等方面的核心優勢。動手實踐不僅幫助開發者打通“從底到端”的技術路徑，更全面提升系統級開發與調試能力。

至此，GOSIM AI Paris 2025 首日議程落下帷幕，但精彩仍在繼續。明日大會將繼續圍繞 AI 模型、AI 基礎設施、AI 應用和具身智能四大論壇持續推進，并迎來備受關注的 PyTorch Day，更多重磅嘉賓與一線實戰內容即將登場，敬請期待！