背靠24 年互联网技术积累 成熟可靠 年 24 140 余项技术专利 140 12 亿终端用户体验支持 亿 12 100 余家行业头部客户 + 100 产品与方案均经 网易大规模内部实践验证； 标杆项目均与行业龙头企业共建。 自主可控 产品基于开源内核， 底层实现全面跨云； 基础软件实现国产兼容，推动信创。 原厂服务 原厂服务，核心技术方案不外包； 全过程服务覆盖咨询、 规划、实施、运维各环节。 infoQ 中国技术力量年度榜单 InfoQ2020 最有价值技术团队 InfoQ2020 最佳技术社区驱动力奖 思否 SegmentFault 中国技术品牌影响力企业 DTCC 第十一届中国数据库技术大会创新产品奖 《Gartner 2021 中国 ICT 技术成熟度曲线》数据中台领域标杆厂商 信通院可信云计算最佳实践服务网格 2021 数博会“十佳大数据案例” 《Gartner 2019中国 ICT 技术成熟度曲线》Cloud ABI 领域标杆厂商 CCF Top10 大数据应用最佳实践案例 中国长三角数字经济大会“数字经济优秀案例企业” CTDC 年度优秀微服务创新产品奖 浙江省大数据应用服务创新奖 信通院 OSCAR 尖峰开源用户奖 教育部科技进步一等奖（ “海量混合时态数据融合处理关键技术及应用”项目） 全球云计算大会“全球最佳实践奖” 2021 2020 2019 2018 HONOR

CoT链式思维的出现将大模型分为了两类：“概率预测（快速反应）”模型和“链式推理（慢速思考）”模型。 前者适合快速反馈，处理即时任务；后者通过推理解决复杂问题。了解它们的差异有助于根据任务需求选择合 适的模型，实现最佳效果。 提示语策略差异 1 2 推理模型 通用模型 • 提示语更简洁，只需明确任务目标和 需求（因其已内化推理逻辑）。 • 无需逐步指导，模型自动生成结构化 推理过程（若强行拆解步骤，反而可 内容深度 通过多步引导，实现更深入的内容 探讨 控制每个步骤的输出深度，避免冗余 创意激发 多角度提示激发AI的创造性思维 在创意和连贯之间找到平衡 质量控制 多次迭代提高内容质量 需要更多的实践和计算资源 灵活调整 可根据中奖结果随时调整后续提示 实时调整需要较高的判断和决策能力 提示语链的优势与挑战 提示语链的设计原则 01 目标明确性 02 逻辑连贯性 03 渐进复杂性 04 （Generate-Explore Model）， 创造性思维包括两个主要阶段： 思维拓展的提示语链设计 聚合思维的提示语链设计 基于“FOCUS”框架 • Filter（筛选）：评估和选择最佳想法 • Optimize（优化）：改进选定的想法 • Combine（组合）：整合多个想法 • Unify（统一）：创建一致的叙述或解决方案 • Synthesize（综合）：形成最终结论

CoT链式思维的出现将大模型分为了两类：“概率预测（快速反应）”模型和“链式推理（慢速思考）”模型。 前者适合快速反馈，处理即时任务；后者通过推理解决复杂问题。了解它们的差异有助于根据任务需求选择合 适的模型，实现最佳效果。 提示语策略差异 1 2 推理模型 通用模型 • 提示语更简洁，只需明确任务目标和 需求（因其已内化推理逻辑）。 • 无需逐步指导，模型自动生成结构化 推理过程（若强行拆解步骤，反而可 内容深度 通过多步引导，实现更深入的内容 探讨 控制每个步骤的输出深度，避免冗余 创意激发 多角度提示激发AI的创造性思维 在创意和连贯之间找到平衡 质量控制 多次迭代提高内容质量 需要更多的实践和计算资源 灵活调整 可根据中奖结果随时调整后续提示 实时调整需要较高的判断和决策能力 提示语链的优势与挑战 提示语链的设计原则 01 目标明确性 02 逻辑连贯性 03 渐进复杂性 04 （Generate-Explore Model）， 创造性思维包括两个主要阶段： 思维拓展的提示语链设计 聚合思维的提示语链设计 基于“FOCUS”框架 • Filter（筛选）：评估和选择最佳想法 • Optimize（优化）：改进选定的想法 • Combine（组合）：整合多个想法 • Unify（统一）：创建一致的叙述或解决方案 • Synthesize（综合）：形成最终结论

Hugging Face 的中文模型社群中对各个领域的开源模型进行了系统整理。 展望 2024 年，中国开源模型的发展展现了技术、生态和社会价值之间的深度协同。无论是从技 术创新到社区建设，还是从行业实践到合规探索，中国开源生态体系的完善正在为全球人工智能 发展注入源源不断的动力。 在 Hugging Face，我们坚信开源是推动人工智能技术进步和生态繁荣的核心力量。开源 不仅能够打破技术壁垒 费的问题。因此，算力层可以根据大模 型底层技术的特性，产出针对性的芯片，尤其是加速运算和降低能耗。这是未来 AI 芯片领域的 最优竞争力。 那么，把 transformer“焊死”到板子上就是最佳方案吗？我知道你很急，但你先别急。大 模型底层框架还存在底层路线之争。 32 / 111 我们知道，Transformer 架构呈现了 O(n²)的理论计算复杂度，这里的 n 指的是大模型输入 Generated Data’ 【15】The Platonic Representation Hypothesis 傅聪 浙江大学计算机博士，美国南加州大学访问学者，《业务驱动的推荐系 统：方法与实践》作者。高性能检索算法 NSG、SSG 的发明者，知乎 科技博主“傅聪 Cong”。 前阿里巴巴算法专家，目前就职于 Shopee（新加坡）任资深算法专家。 在顶会和期刊 TPAMI、KDD、

应用生态链，明确模型算法研发者、服务提供者、使用者等相关主体的安全责 任，有机发挥政府监管、行业自律、社会监督等治理机制作用。 1.4 开放合作、共治共享。在全球范围推动人工智能安全治理国际合作， 共享最佳实践，提倡建立开放性平台，通过跨学科、跨领域、跨地区、跨国界 的对话和合作，推动形成具有广泛共识的全球人工智能治理体系。 2. 人工智能安全治理框架构成 基于风险管理理念，本框架针对不同类型的人工智能安全风险，从技术、 及应用特点，明确人工智能训练、标注、使用、输出等各环节的数据安全和个 人信息保护要求。 5.4 构建负责任的人工智能研发应用体系。研究提出“以人为本、智能 向善”在人工智能研发应用中的具体操作指南和最佳实践，持续推进人工智能 设计、研发、应用的价值观、伦理观对齐。探索适应人工智能时代的版权保护 和开发利用制度，持续推进高质量基础语料库和数据集建设，为人工智能安全 发展提供优质营养供给。制定人工智能伦理审查准则、规范和指南，完善伦理 研究成立人工智能安全治理联盟，增强发展中国家在全球人工智能治理中的代 表性和发言权。鼓励人工智能企业、机构开展跨国交流合作，分享最佳操作实 践，共同制定人工智能安全国际标准。 6. 人工智能安全开发应用指引 6.1 模型算法研发者安全开发指引 （a）研发者应在需求分析、项目立项、模型设计开发、训练数据选用等 关键环节，切实践行“以人为本、智能向善”理念宗旨，遵循科技伦理规范，采 取开展内部研讨、组织专家评议、科技伦理审查、听取公众意见、与潜在目标

Rainbond v5.14.0发布 Prometheus v2.44.0发布 Rainbond是一款以应用为中心的开源PaaS，深 度整合Kubernetes的容器管理和Service Mesh 微服务架构最佳实践，满足支撑业务高速发展所 需的敏捷开发、高效运维和精益管理需求。 Prometheus是一个开源的系统监控和报警系统， 受启发于Google的Brogmon监控系统（相似的 Kubernetes 的正当手段取得源代码，且与我国著作权保护的精神相违背，不应认定其获取了权利人软件的 GPL授权许可。另一方面，非正当手段获取包含GPL协议软件源代码的行为人，由于对权利人软 件实施了复制、修改、分发等行为，其实际上以实践行为做出了对GPL协议要约的承诺，其负有 GPL协议中的所约定的相关义务。 2、“传染性”的认定。判断GPL协议所能传染的衍生软件或修订版本，区分开源代码与自有代 码，即确定自有代码是如何与开源代 一方面，如果不想将自己开发的源代码贡献给社区，则要做好技术隔离措施，根据开源协议的要 求，从技术上将自己开发的代码与开源软件隔离开来。 商标裸许可（naked licensing）失权制度首见于美国商标法律实践：由于在商标许可中，商标 所有人应当对商标被许可人提供的相关商标商品或服务进行质量控制，故而因商标所有人缺失对 该等商品或服务质量控制而导致消费者遭受欺诈的情形即为“裸许可”，这将导致推定商标所有

发展理念也存在一定矛盾。 中国的开源软件法制建设：国内涉及开源的法律诉讼主要包含两种，其一是软件侵权案被告 方以原告所诉软件为开源软件为由进行抗辩，其二是开源软件作者起诉被告企业未遵守开源 协议。国内开源司法实践以保护软件研发的创造性劳动为核心，对上述两类案件通常支持原 告方立场。涉及开源的法律法规建设正在进一步完善，有望为我国的开源软件产业创设更有 序的发展环境。 SMS 中国的开源软件产业发展：得益于 不能够闭源商用。 EPL：没有修改过，可以直接商用；有修改过，必须在公布源代码的条件下商用，这种 情况下与GPL的发布条件类似。 • 从定义上看，所有的开源协议本质上都是允许“商用”的，之所以在实践中存在一系列开源软件商用后的侵权问题，本质上说 是由于开源许可证的“传染性”。带有“传染性”开源许可证的软件要求企业/个人在对其进行修改发布时保留原来的开源许 可证——这就意味着必须将修改后的软件也 5.1% cross-technology 4.8% 物联网与嵌入式 4.6% 区块链 4.3% DevOps, CI/CD & Site Reliability 3.8% 开源最佳实践 3.8% 其他 11.5% 库 22.9% 大数据 11.1% 网络服务器 8.9% 可扩展标记语言 6.8% 数据库 5.7% web框架 5.4% 网络客户端 5.4%

来源：根据专家访谈、公开资料，由艾瑞咨询研究院自主研究及绘制。 开源产业链 运营： 发起者为运营者 开源技术论坛\开源社区评估机构\开源产业联盟 提供参与者交流的平台，推动开源技术发展、打造最佳实践 赋能开源全产业生态的循环流转与运行规范 发起者 代码/文档贡献 参与社区互动 开发者 运营： 开 源 基 金 会 为 运营者 使用者 开源代码托管平台 代码维护：对代码进行日常维护，如 多样性存储 智能运维 资源管理 安装部署 数据迁移 数据建模 数据开发 openGauss DataPod 资源池化架构 全站可观测、可追踪、全加密 SQL引擎插件化 开箱性能即最佳 openGauss DataKit 插件化架构 标准化插件接口 数据全生命周期管理 覆盖部署开发运维等阶段 社区发行版 打造根技术、提供企业级内核能力 商业发行版 集中式数据库、多模数据库 中间件市场基本由商业闭源中间件厂商占据，提供应用服务器中间件、负载均衡、消息中间件等基础中间件和服务总线等数据类 中间件，帮助企业在自有架构上提供更稳定的应用程序运行环境。而中间件开源主要由科技巨头领导，结合了企业内部应用实践， 开源范围覆盖底层通信框架与相关服务治理，与云环境的关联更多，并在一些功能性较强的板块衍生出开源小领域，但是从中间 件功能板块、开源项目数量角度、商用活跃状态等角度看，整体开源生态仍较为薄弱。

DeepSeek出现之前的十大预判 之三 模型越做越专  除了少数科技巨头，大多数公司都专注于做专业大模型  MoE架构盛行，本质是多个专家模型组成一个大模型  Deepmind的Alpha系列产品是这一趋势的最佳诠释 16政企、创业者必读 DeepSeek出现之前的十大预判 之四 模型越做越小 17  大模型进入「轻量化」时代，上车上终端，蒸馏小模型  先做得更大，然后探索能做多小政企、创业者必读 算力见顶，变成少数巨头游戏 预训练大模型 推理大模型 预训练大模型难以通往AGI之路  推理模型如R1——通过逻辑链条推导答案， 分解规划，自我反思  预训练范式像是记忆和模仿，强化学习范 式更像探索实践  记住很多东西只是基础，真正有价值的是 融会贯通 R1找到了人类通往AGI的方向 DeepSeek颠覆式创新——技术创新 27 DeepSeek-R1和GPT-4o不是同一个物种政企、创业者必读 工具：已经有全套工具 走专业化大模型 之路，大模型落 地门槛大幅降低 从原子弹变成 「茶叶蛋」 52政企、创业者必读 基于DeepSeek是打造专业大模型、 垂直大模型、场景大模型的最佳选择 DeepSeek开源，可本地部署，能力强，免费 53政企、创业者必读 利用DeepSeek打造专业模型 不用卷算力、卷数据、卷参数  可用本地算力（自有机房或一体机）  接入企业内部专业数据，无需互联网全量数据

成熟，我们有机会去从零搭建⼀个组织去做这件事。 02
⼤模型时代的创新很难被规划 底层逻辑变了，做事的⽅式也要变 张鹏：是什么让你认为组织是⼀个核⼼的问题，以⾄于要利⽤这个契机去构建这样的组织？ 杨植麟：更多的还是实践。 今年之前我们也尝试过很多，⽤不同的⽅式，不同的组织。⼀种就是传统的，在企业内部去做事的⽅ 式。还有就是我也参与了⼀些独⽴研究机构（的⼯作）；甚⾄还有其它⼀些⾼效的模式。然后就发现 这⼏种不 ⾼。
36氪：好多⼤模型公司忙着在硅⾕挖⼈，⽐如从OpenAI、Google、微软。你是怎么组建起⽉之暗⾯ 的团队的？ 杨植麟：我们很多⼈还是重新招的。我们更多是找这种30岁左右，有很多⼀⼿实践经验的⼈。从去年 12⽉开始，我就去了⼀趟海外，开始为招⼈做储备了。
36氪：海外的AI⼈才愿意回来吗？
杨植麟：我们在海外有office，其实两边还是可以相结合的。
36氪：现在⽉之 是商业化，都存在创新的机会。我们的愿景是建⽴⼀个全新的组织，能与⽤⼾共情，也能⽤客观数据 来定义美和智能标准，将科技与⼈⽂融为⼀体。 36氪：OpenAI会是这种组织的理想状态吗？
杨植麟：我觉得他们提供了很多很好的实践。⽐如他们就不搞赛⻢，这是⾮常重要的例⼦。这并不是 因为他们资源或者⼈不够。他们资源挺多，但是会把资源放到⼀个统⼀的scope下⾯。⽐如，他们希望 花10%的精⼒去探索⼀些新的东西，那会有⼀个团