Web的未来 新技术和新语言带来的改变 hanguokai@gmail.com 韩国恺 @hanguokai 韩国恺 开发者9Y+ 技术爱好者 学习 上网 动漫、电影 健身 Google fans 与 Dart 的缘分 1. Web的演化 2. 语言篇 a. 语言的发展 b. Dart 介绍 3. 技术篇 a. Web Components b. Polymer

政企、创业者必读 国内DeepSeek最前沿资料 政企、创业者必读 《DeepSeek给我们带来的创业机会》 360集团创始人 周鸿祎 3 政企、创业者必读政企、创业者必读 一张图读懂一堂DeepSeek课政企、创业者必读 AI给了一个比互联网更大的机会  互联网是连接平台，人工智能是生产力  互联网是赋能性技术，生产力属性较弱  人工智能既能单兵作战，也能外部赋能 互联网 以大模型为代表的 人工智能革命 人工智能是新质生产力的关键支撑技术，人工智能+百业千行将带动新一轮工业革命，为高质量发展注入强大动能 大模型的进一步突破将引领人类社会进入智能化时代，对我们的生活方式、生产方式带来巨大变革 重塑经济图景 解决复杂问题 7政企、创业者必读 8 AI不仅是技术革新，更是思维方式和社会结构的变革 国家 产业 个人 企业政企、创业者必读 人工智能发展历程（一）  AGI之战 应用场景之战 大模型安全之战 • 探索超越人类的超级人工 智能AGI • 不仅是科技之争，更是国 运之争 • 不发展是最大的不安全， 发挥举国体制优势，打赢 追赶之战 • 大模型带来前所未有安全 挑战 • 外挂式传统安全手段难以 应对 • 应对模型安全新挑战，打 赢未雨绸缪之战 • 大模型是能力而非产品， 结合场景才能发挥价值 • 中国拥有最完整的产业链、 最全的工业门类、最丰富

EfficientRep Backbone 和 Rep-PAN Neck。 ● 优化设计了更简洁有效的 Efficient Decoupled Head，在维持精度的同时， 进一步降低了一般解耦头带来的额外延时开销。 ● 在训练策略上，我们采用 Anchor-free 无锚范式，同时辅以 SimOTA[2] 标签 分配策略以及 SIoU[9] 边界框回归损失来进一步提高检测精度。 2.1 因此，我们对解耦头进行了精简设计，同时综合考虑到相关算子表征能力和硬件上计 算开销这两者的平衡，采用 Hybrid Channels 策略重新设计了一个更高效的解耦头 结构，在维持精度的同时降低了延时，缓解了解耦头中 3x3 卷积带来的额外延时开 销。通过在 nano 尺寸模型上进行消融实验，对比相同通道数的解耦头结构，精度提 升 0.2% AP 的同时，速度提升 6.8%。 8 > 2022年美团技术年货 图 6 Efficient 杂度；同时，在一些边缘端的应用中，需要在硬件之间搬运大量检测结果的步骤，也 会带来额外的延时。而 Anchor-free 无锚范式因其泛化能力强，解码逻辑更简单， 在近几年中应用比较广泛。经过对 Anchor-free 的实验调研，我们发现，相较于 算法 < 9 Anchor-based 检测器的复杂度而带来的额外延时，Anchor-free 检测器在速度上 有 51% 的提升。 SimOTA

www.iresearch.com.cn 来源：艾瑞咨询研究院自主研究及绘制。 摘要 SMS 开源与云计算：开源软件与云计算产业既有互相促进的良性合作，也有因利益纠纷带来的冲 突和矛盾。一方面，云计算产业的大量的基础软件都是开源软件，开源生态为云计算行业的 产品创新提供了持续的动力，而云服务企业的平台也为众多开源软件提供了市场分发渠道； 另一方面，由于全球范围内普遍 www.iresearch.com.cn 来源：艾瑞咨询研究院自主研究及绘制。 开源软件的发展理念（一） 与世界上绝大多数商品不同，使用一款软件不仅不会损耗它 的价值量，还有可能为之带来增长 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 务能力，协同开展项目的开源运营活动，促进项目发展 • 开源项目的代码在托管平台上开放， 二次开发者和最终用户均可以免费取 得 • 在二次开发和使用过程中，开发者和 用户也会通过开源社区指出项目缺陷， 为项目的发展带来启发和思考 软件雏形/起步 开源运营和治理 二次开发和使用 or 初步开发 项目捐献 自主开源 社区运营 贡献 反馈 提供 提供 10 ©2022.2 iResearch Inc

模态过去⼏年也是卡在 架构上，缺少真正通⽤的、有⼈愿意去
scale
的模型。Diffusion
明显不是，scale
上天了它也不可能 是
AGI。今天
auto-regressive
的架构带来了⼀些新的可能，牺牲了⼀些效率解决了通⽤性。
Auto-regressive
本⾝是
scalable
的，但是
tokenizer
不⼀定，或者最后就不需要
tokenizer，这是
24
如果限定了问题，⽐如数学或者写代码，数据是相对好⽣成的。通⽤的问题现在还没有完全的解法， 但是存在⼀些⽅向可以去探索。
海外独⻆兽：2025
年的瓶颈会是能源？因为到时候单个集群规模很⼤，对能源带来挑战。
杨植麟：这些问题其实是连在⼀起的，最后可能是多模态解决数据问题，合成数据解决能源问题。 到了
GPT-6
这⼀代，掌握合成数据技术的玩家会体现出明显差距。因为数据其实有两种，⼀种是做
全取代微调？
我认为现在正在往这个⽅向⾛，未来模型不需要微调，⽽是通过强⼤的上下⽂⼀致性和指令跟随能⼒ 来解决问题，⻓期趋势应该是底层技术个性化，这会是⼀个很重要的变化。 ⽐如，GPT-4
带来的新的计算范式，创建
GPTs
并不需要微调。以前的定制化是通过
programming
实 现的，今天实际上是通过让模型的
prefix
变得⾮常复杂，从这个通⽤的集合中抽出你想要的东西。通

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，促进全球开发者之间的协作与创新，还能推动技术的普惠化，让更多的 24 / 111 人能够平等地享受人工智能带来的便利与机遇。 在未来，中国开源模型有望继续引领全球技术进步，为全人类的智能化生活提供更丰富的解 决方案与可能性。我们希望看到更多来自中国的开源 AI 团队“出海”，积极融入和参与全球人 工智 中文社区项目经理。拥有 10 年以上国际化工作经验，足 迹遍及亚洲、非洲和欧洲。从社会科学研究员到科技公司项目专员，积累 了丰富的跨领域与跨文化经验。专注推动人工智能在中文开源社区的应用 与发展，为开发者和企业带来更多价值，助力知识共享与技术协作。 Lu Cheng Hugging Face Fellow，致力于推动 AI 和开源软件的采纳和开发者 体验。拥有超过十年的开发者关系、产品营销和开源生态构建的经验， 其次，我们得明确一点——大模型竞争的赛点是什么？常用的判断依据包括：技术的先进性， C 端用户基数，依赖这个软件的生态系统大小等等。其中哪个更关键一点？ 技术先进是好事，但大模型领域的先进技术远没有达到能为大模型企业带来可观收入的程度。 整个大模型赛道还处在商业化的摸索阶段。这个时间点上的“技术先进性”更多是用于公关宣传 的素材。考虑到数据获取、加工的成本，模型训练的成本，这是一种相当昂贵的宣传方式。 C 端

互联网、 大数据 AI、 IoT 数字化转型  应用价值提升  应用数量增长  应用类型丰富  应用需求多变 企业从信息化到数字化的转型带来大量的应用需求 软件组件 运行环境 部署平台 …… …… 应用丰富及架构演进带来的开发和运维复杂性 本地IDC 虚拟化 超融合 公有云 …… 测试环境 生产环境 以及数字疆域规 模扩张 1 技术架构变化：因商业或者演化而 变带来不稳定因素 2 制品变化：代码因商业而变带来新 的功能缺陷 3 配置变化：因环境而变带来的不稳 定性因素 6 外部依赖变化：ERP可用性变化 带来的不稳定因素 5 人员变化：没有知识沉淀导致的 不稳定因素 4 环境变化：因安全、流量、故障、环境崩 溃、底层IT变更而变带来的不稳定因素 非云原生：无法对应变 化=稳定性无法保证 云原生：主动对应变化= 年双11的230%，研发效率交付提效超过 30%，弹性资源成本减少 40% 以上。 总体趋势分析 在多种新旧应用承 载诉求推动下，催 熟云计算架构的全 栈化和软硬一体化 带来更敏捷的体验 容器多样化 应用规模的剧增，成 本诉求越来越成为主 体，基于AI的自动化 将精益化资源管理， 带来更好的成本控制 高度自动化 应用上云，安全问题 凸现，在云原生新架 构下，需要打造端到 端的容器安全网 零信任 企业数字化转型急需高度自动化 的、面向应用的极简云体验

重点领域使用者安全应用指引 ……………………… 14 6.4 社会公众安全应用指引 ……………………………… 15 目 录- 1 - 人工智能安全治理框架 人工智能是人类发展新领域，给世界带来巨大机遇，也带来各类风险挑战。 落实《全球人工智能治理倡议》，遵循“以人为本、智能向善”的发展方向，为 推动政府、国际组织、企业、科研院所、民间机构和社会公众等各方，就人工 智能安全治理达成共识、协调 领域用户和社会公众用户，开发应用人工智能技术的若干安全指导规范。 3. 人工智能安全风险分类 人工智能系统设计、研发、训练、测试、部署、使用、维护等生命周期 各环节都面临安全风险，既面临自身技术缺陷、不足带来的风险，也面临不当 使用、滥用甚至恶意利用带来的安全风险。 3.1 人工智能内生安全风险 3.1.1 模型算法安全风险 （a）可解释性差的风险。以深度学习为代表的人工智能算法内部运行逻 辑复杂，推理过程属黑灰盒模 结果存在偏见或歧视， 甚至输出存在民族、宗教、国别、地域等歧视性内容。 （c）鲁棒性弱风险。由于深度神经网络存在非线性、大规模等特点，人 工智能易受复杂多变运行环境或恶意干扰、诱导的影响，可能带来性能下降、 决策错误等诸多问题。- 4 - 人工智能安全治理框架 （d）被窃取、篡改的风险。参数、结构、功能等算法核心信息，面临被 逆向攻击窃取、修改，甚至嵌入后门的风险，可导致知识产权被侵犯、商业机

应用覆盖更多的交互场景和设备类型，从而带来新的增长点。 与面临的机遇相比，适配鸿蒙系统带来的挑战同样巨大。当前手机端，尽管鸿蒙系统 仍然支持安卓 APK 安装及运行，但长期来看，华为势必会抛弃 AOSP，逐步发展出 自己的生态，这意味着现有安卓应用在鸿蒙设备上将会逐渐变成“二等公民”。然而， 如果在 iOS 及 Android 之外再重新开发和维护一套鸿蒙应用，在如今业界越来越注 重开发迭代效率的环境下，所带来的开发成本也是难以估量的。因此，通过打造一套 估量的。因此，通过打造一套 合适的跨端框架，以相对低的成本移植应用到鸿蒙平台，并利用好该系统的特性能 力，就成为了一个非常重要的选项。 在现有的众多跨端框架当中，Flutter 以其自渲染能力带来的多端高度一致性，在新 系统的适配上有着突出的优势。虽然 Flutter 官方并没有适配鸿蒙的计划，但经过一 段时间的探索和实践，美团外卖 MTFlutter 团队成功实现了 Flutter 对于鸿蒙系统的 文件过大，单一文件加载、解析时间过长，势 必会影响首屏的渲染时间。 ● 无法使用 CDN：Flutter 仅支持相对路径的加载方式，无法使用当前域名以外 的 CDN 域名，导致无法享受 CDN 带来的优势。 为此，在加载部分我们对 Flutter SDK 增加了如下三方面的优化，以达到线上运行的 标准，优化步骤如下图所示： 优化步骤 资源文件 Hash 化 除了 web/index.html

Greenplum 的 成长，见证了 Greenplum 从闭源到开源的成长历程，一路给 Greenplum 做各种补丁 脚本，也看到了 Greenplum 的大幅进步，甚至我们以前的小技巧也不再需要，持续的 进步，带来的是生态的蓬勃发展。 Greenplum Database 管理员指南 V6.2.1 版权所有：Esena(陈淼 +86 18616691889) 编写：陈淼 - 2 - 序言 全根据最新的版本特性进行重新整理，希望能对中文爱好者提供一些帮助，在编写过程 中，仍会参考官方文档，但绝不是简单的翻译，甚至有些内容会与官方文档不一致。 编者提醒，升级版本极其重要，4 版本早该淘汰了，5 版本和 6 版本都带来了极大 的性能和稳定性的提升。 声明 本文档的版权归[陈淼]个人所有，未经许可和授权不得抄袭和引用。 本文档中的绝大部分内容都经过编者重新考量和实测验证，有些观点与官方手册有 .................................................................................... - 191 - Orca 带来的改变 ...............................................................................................