创业公司的“AI
ChatBots”产品中排在第⼀；⽉环⽐增⻓率
94.1%，增⻓速度也在⼤模型创业 公司的第⼀位。
“Kimi
智能助⼿”详细介绍
Kimi
是由⽉之暗⾯（Moonshot
AI）提供的超⻓记忆
AI
助⼿，⽀持约
20
万汉字的上下⽂输⼊，具备 显著的中⽂优势，随时为你回答问题、速读⽂件、整理资料、激发灵感、辅助创作。你可以与
Kimi
聊 天，发送⽹址链接，上传⽂件。 提醒： ⾼效阅读：⻓⽂快速摘要，打破语⾔壁垒，帮你精准理解⽂献书籍、⻓篇报告、复杂合同、⽹⻚⻓ ⽂，提供深⼊洞察和分析。 • 专业解读⽂件：⽆论是⾦融分析、法律咨询还是市场调研，Kimi
都能以专业⽔准提供⽀持。超⻓⽂ 档、多个⽂件，都可以快速摘要、翻译、答疑，⽀持上传
PDF、Word、Excel、PPT、TXT⽂件和 图⽚。 • 整理资料：⽆论是堆积如⼭的发票，还是复杂冗⻓的会议记录，Kimi
都能智能识别整理，⾃动提取 hub
Copilot
或者
Midjourney，本质上其实 没有什么不同，主要是定义的数据不同。 所以我觉得这是极⼤的范式创新，产品经理越来越多需要想的事情是怎么通过两个数据集去开发⼀款 产品，定义好了数据集，其实产品就定义完成了。⼀个是训练数据，⼀个是测试数据，训练数据决定 了模型能提供什么能⼒，测试数据决定了模型的实际可⽤程度。 以前没有
AI
Native
的产品，只有
AI

的人已经在生产中进行了应用。  16% 从事 AI 工作的受访者表示正在使用开源模型。  意外结果、安全性、公平性、偏见和隐私是采用者测试 的最大风险。 工业和信息化部赛迪研究院数据显示，目前，我国已有超 过 19 个大语言模型研发厂商。其中，15 家厂商的模型 产品已经通过备案，预计今年我国大语言模型市场规模将 达到 132.3 亿元，增长率将达到 110%。到 2027 年， 我国大语言模型市场规模有望达到 担任首席执行官，OpenAI 成立全新董事会，微软 将在董事会中获得一个无投票权的观察员席位。 最火热 LLM 应用框架 LangChain 与此同时，零一万物完成由阿里云领投的新一轮融资，估值已超 10 亿美 元，跻身独角兽行列。 8 / 87 1 1 开源开发者事件回顾 京东发布言犀大模型 百度推出 AI 编程助手 "Comate" 2023 年 3 月，微软亚洲研究院和浙江大学的研究团队联合发布论文 月，阿联酋研究团队宣布开源阿拉伯语大模型 Jais。Jais 是一个 经过 130 亿个参数预训练的阿拉伯语和英语双语大型语言模型，在包含 720 亿个阿拉伯语词块和 2790 亿个英语 / 代码词块的数据集上进行训练。 谷歌发布 AI 代码编辑器：Project IDX 2023 年 8 月，Meta 开源了号称是编程领域 “最先进的大语言模型”——Code Llama，完全免费且可用于研究和商业用途。

和协 作，形成了国际化开源生态。 北京智源研究院和上海人工智能实验室等研究机构，通过与企业和高校合作及开源平台的建 设，建立了更完善的协作机制，从而在开源模型 (如 InternLM) 和数据集 (如 Infinity-MM) 领 域贡献了大量有影响力的基础工作和资源。 2024 年，中国开源社区涌现出众多高质量的自发研究成果。其中，MAP 团队推出的全开 源模型 Map Neo 引人 础要素并不为权力机构垄断，大多要从市场上获得。 26 / 111  大模型作为一项令人激动的技术，商业化场景覆盖了对企业(2B)与对个人(2C)两个 大方向。  大模型赛道在海外是“一超多强”，在国内则是“多头并举”，两种典型的竞争格 局都全了。 以上，大模型赛道的元素非常丰富，各种商业化方法的排列组合都不缺，为我们的分析与推 演提供了可贵的素材。对软件商业化问题感兴趣的朋友一定要长期关注这个赛道。只有这样的对 GPT、OpenAI o1、Llama 等） 的崛起，开源数据和算法在大模型训练中的重要性愈发显著。开源数据集和算法不仅推动了 AI 研究的进步，也在应用层面带来了深远的影响。然而，伴随这些机遇的还有诸多风险与挑战，如 数据质量、版权问题和算法透明性等。本文将浅析大模型训练过程中开源数据集和算法的重要性 和影响，分析其在促进 AI 研究和应用中的机遇，并警示相关的风险与挑战。 任何方案都具有

模式，软件代码公开，海量用户和开发者在了解软件的过程中不断提出改进意见并查缺补漏，并都在开源社区中交换彼此 的创意和意见，满足市场需求的开发路径自然会获得更多人的青睐和进一步的改进。热衷于开源运动的开发者认为，“集 市”模式通过市场的自然选择，能够发掘出真正具备潜力和价值的项目和创意，从而为软件的持续发展赋能。 “大教堂”和“集市”开发模式的对比和适用性 对于软件产业而言，“大教堂”模 式仍然是众多企业在激烈的市场竞 华为OpenGauss开源数据库架构 应用层 内核层 框 架 层 系 统 服 务 层 内核子系统 驱动子系统 系 统 基 本 能 力 子 系 统 集 基 础 软 件 服 务 子 系 统 集 增 强 软 件 服 务 子 系 统 集 硬 件 服 务 子 系 统 集 系统应用 扩展应用/三方应用 遵循分层设计，按照系统 > 子系统 > 组件的结构逐级展开，在使 用时可以根据实际需要对组件进行裁剪 网络通道10GE 人数超过250人 250+ 100+ 3.3k 30+ KubeSphere社区论 坛注册用户数3.3k KubeSphere社区合 作伙伴数量超30家 30k 30+ 活动覆盖人数 超30k 社区组织活动场 数超30次 用户覆盖国家和地区 超100个 KubeSphere主要企业用户 1256 18.4.24 19.7.1 20.10.1 21.12.31 1.3k 截 止 到

テクスチャテンプレート レイヤーとマスクの紹介 レイヤー管理 レイヤータイプ レイヤーは Krita でどのように合成されるの？ アルファやクリッピングレイヤーの継承 マスクとフィルタ 選択 選択を作る 選択を編集する 選択を削除する 表示モード グローバス選択マスク (選択に描く) レイヤーの透過性から選択 ピクセルとベクター選択タイプ 選択を使うときの主なショートカット Python スクリプト Python シェイプを整理する シェイプを編集する 他のプログラムと一緒に作業する スナップ Krita を使ったアニメーション ワークフロー アニメーションへの導入: 歩くサイクルの作り方 日本式アニメのテンプレート テンプレート内のレイヤーの基本的な構造 レイヤーの内容 アニメを作るための基本的な手順 色域マスク 色域マスクを選択 色選択で カスタム色域マスクを編集/作成する インポートとエクスポート がラスターメインのアプリケーションであるとはいえ、いくらかのベク ター編集の能力も備えています。もしデジタル絵描きの手法が初めてなら、画像 のラスターと ベクター の概念の違いは知っておく必要があります。 デジタルな描画では、画像の基本かつ最小の単位はピクセル(画素)です。基本的 に特定の色を表示する点を意味します。ラスター編集はこれらピクセルを操作編 集していきます。例えば1ピクセルの黒色のブラシを使って Krita

方向。 专家点评 堵俊平：开源的参与者中非技术人员比例提高说明开源在向各行各业渗透，同时开源自身也需要法务，公共政 策等领域的支撑才能更好的发展。 20 3.7 开发语言 开发语言呈现多超多强的状态，Python 后来居上，超过 Java 成为榜首， JavaScript/TypeScript 位居第三。 专家点评 堵俊平：Python 和 Java 并驾齐驱，某种程度反映了当下 uent、Elastic、GitLab 等优秀开源企业 2017 至 2020 的收入年复合增长率都达到 55% 左 右，且 2020 年毛利率超过 70%，除此之外，2020 年 NDR 全部超 过 120%，其中 GitLab 的表现尤其亮眼，NDR 达到 152%。 图表 1 ：部分开源企业的上市表现 图表 2 ：开源企业的业绩表现 资料来源：Crunchbase，Pitchbook，云启资本 docs 等。其次是阿里，TOP 10 项目中上榜的项目有 2 个，分别是蚂蚁金服采用 React 封装的一套组 件库 Ant Design ( 位于第 2 名 )，以及致力于配置和管理微服务的特性集 Nacos。百度也上榜了 2 个 项目，主要集中在人工智能领域，是百度深度学习平台 PaddlePaddle 的 2 个项目，分别是核心框架 Paddle 以及相关工具库。

注：GitHub Star 数量统计截⽌⾄ 2022 年 6 ⽉ 21 ⽇。 Star 6,000+ DataEase 开源项⽬概览 仪表板 视图 数据集 数据源 本地模式基于 Apache Doris 和 Kettle ⽀持多数据集关联 ⽀持数据集字段计算 ⽀持定时同步 直连模式 本地模式 多图库⽀持 可视化配置多种属性与样式 ⽀持指标计算与过滤规则 ⽀持多级下钻 ECharts 图库 AntV 数据源 数据集 仪表板 数据源 1 数据源 2 数据源 3 数据源 n … 数据库数据集 SQL 数据集 Excel 数据集 ⾃定义数据集 数据查询 数据分析 数据挖掘 数据图表 仪表板编辑 仪表板分享 仪表板收藏 仪表板模板 ETL 数据服务 Kettle Apache Doris 功能架构 直连模式 关联数据集 API 数据集 DataEase ⽀持常⻅的数据源，更多数据源⽀持持续增加中 DataEase 核⼼概念 数据集 通过对表的数据进⾏关联与处理，通过⾃由组合形成⽤户⾃有数据集，供后续进⾏业务分析与视图制作使⽤ • ⽀持直接抽取表 • ⽀持⽴即与定时抽取 • ⽀持全量与增量抽取 • ⽀持字段管理 数据库数据集 SQL 数据集 Excel 数据集 • ⽀持直接查询 • ⽀持⽴即与定时同步 • ⽀持全量与增量同步 •

注：GitHub Star 数量统计截⽌⾄ 2023 年 6 ⽉ 1 ⽇。 Star 11,300+ DataEase 开源项⽬概览 仪表板 视图 数据集 数据源 本地模式基于 Apache Doris 和 Kettle ⽀持多数据集关联 ⽀持数据集字段计算 ⽀持定时同步 直连模式 本地模式 多图库⽀持 可视化配置多种属性与样式 ⽀持指标计算与过滤规则 ⽀持多级下钻 ECharts 图库 AntV 功能架构 数据源 数据集 仪表板 数据源 1 数据源 2 数据源 3 数据源 n … 数据库数据集 SQL 数据集 Excel 数据集 数据查询 数据分析 数据挖掘 数据图表 仪表板编辑 仪表板分享 仪表板收藏 仪表板模板 ETL 数据服务 Kettle Apache Doris 功能架构 直连模式 关联数据集 API 数据集 DataEase ⼯作原理 ⽀持常⻅的数据源，更多数据源⽀持持续增加中 DataEase 核⼼概念 数据集 通过对表的数据进⾏关联与处理，通过⾃由组合形成⽤户⾃有数据集，供后续进⾏业务分析与视图制作使⽤ • ⽀持直接抽取表 • ⽀持⽴即与定时抽取 • ⽀持全量与增量抽取 • ⽀持字段管理 数据库数据集 SQL 数据集 Excel 数据集 • ⽀持直接查询 • ⽀持⽴即与定时同步 • ⽀持全量与增量同步 •

注：GitHub Star 数量统计截⽌⾄ 2022 年 12 ⽉ 12 ⽇。 Star 8,400+ DataEase 开源项⽬概览 仪表板 视图 数据集 数据源 本地模式基于 Apache Doris 和 Kettle ⽀持多数据集关联 ⽀持数据集字段计算 ⽀持定时同步 直连模式 本地模式 多图库⽀持 可视化配置多种属性与样式 ⽀持指标计算与过滤规则 ⽀持多级下钻 ECharts 图库 AntV 功能架构 数据源 数据集 仪表板 数据源 1 数据源 2 数据源 3 数据源 n … 数据库数据集 SQL 数据集 Excel 数据集 数据查询 数据分析 数据挖掘 数据图表 仪表板编辑 仪表板分享 仪表板收藏 仪表板模板 ETL 数据服务 Kettle Apache Doris 功能架构 直连模式 关联数据集 API 数据集 DataEase ⼯作原理 ⽀持常⻅的数据源，更多数据源⽀持持续增加中 DataEase 核⼼概念 数据集 通过对表的数据进⾏关联与处理，通过⾃由组合形成⽤户⾃有数据集，供后续进⾏业务分析与视图制作使⽤ • ⽀持直接抽取表 • ⽀持⽴即与定时抽取 • ⽀持全量与增量抽取 • ⽀持字段管理 数据库数据集 SQL 数据集 Excel 数据集 • ⽀持直接查询 • ⽀持⽴即与定时同步 • ⽀持全量与增量同步 •

Star 数量统计截⽌⾄ 2023 年 04 ⽉ 30 ⽇。 Star 10,600+ DataEase 开源项⽬概览 仪表板 视图 数据集 数据源 本地模式基于 Apache Doris 和 Kettle ⽀持多数据集关联 ⽀持数据集字段计算 ⽀持定时同步 直连模式 本地模式 多图库⽀持 可视化配置多种属性与样式 ⽀持指标计算与过滤规则 ⽀持多级下钻 ECharts 图库 AntV 功能架构 数据源 数据集 仪表板 数据源 1 数据源 2 数据源 3 数据源 n … 数据库数据集 SQL 数据集 Excel 数据集 数据查询 数据分析 数据挖掘 数据图表 仪表板编辑 仪表板分享 仪表板收藏 仪表板模板 ETL 数据服务 Kettle Apache Doris 功能架构 直连模式 关联数据集 API 数据集 DataEase ⼯作原理 ⽀持常⻅的数据源，更多数据源⽀持持续增加中 DataEase 核⼼概念 数据集 通过对表的数据进⾏关联与处理，通过⾃由组合形成⽤户⾃有数据集，供后续进⾏业务分析与视图制作使⽤ • ⽀持直接抽取表 • ⽀持⽴即与定时抽取 • ⽀持全量与增量抽取 • ⽀持字段管理 数据库数据集 SQL 数据集 Excel 数据集 • ⽀持直接查询 • ⽀持⽴即与定时同步 • ⽀持全量与增量同步 •