来源

人民网

https://bj.people.com.cn/n2/2026/0327/c14540-41536129.html

2026年3月25日，中关村论坛年会在北京开幕，以“科技创新与产业创新深度融合”为主题，集中展示了中国AI在开源开放与自主创新协同发展上的关键突破。其中，众智FlagOS 2.0的发布尤为瞩目。这一国产开源操作系统栈成功打通18家厂商的32款AI芯片，将跨芯片适配时间从数月压缩至数天，对国产AI生态协同发展具有重要意义；与此同时，中国研发的开源模型全球下载量占比已达17.1%，首次超越美国。然而，FlagOS 2.0在高端芯片深度适配、开源生态协同机制及全球标准话语权等方面仍面临挑战。本文将分析开源开放如何成为中国突破生态壁垒、实现自主创新、引领产业发展的关键命题与核心路径展开。

01

论坛概况

2026年3月25日，2026中关村论坛年会在北京正式开幕，为期五天。本届年会以“科技创新与产业创新深度融合”为主题，吸引了来自政府、学术界和产业界的专家学者与企业代表。中关村论坛作为国内领先的科技创新平台，旨在推动前沿科技和产业的深度融合，并展示最新的科研成果和技术发展。本次年会由科技部、国家发展改革委、工业和信息化部、中国科学院等八大政府部门联合主办，规格空前，是迄今为止最盛大的中关村论坛年会。

在年会的核心活动之一—“人工智能主题日”上，AI开源前沿论坛成为了本届年会的焦点。论坛由北京智源人工智能研究院主办，围绕前沿科技、开源开放等议题展开深入讨论，吸引了北京市政府领导、工业和信息化部科技司领导以及国内外知名学者的参与。论坛的亮点之一是国产AI操作系统众智FlagOS 2.0的发布，被认为是国产AI算力生态建设的重大突破，标志着国产AI产业在技术突破和产业生态建设方面取得了重要进展。

众智FlagOS 2.0的发布，最突出的优势在于其跨芯片兼容性。过去，国产AI芯片厂商各自为战，各家产品和技术之间缺乏统一的标准与兼容性，导致开发者面临巨大的适配工作。FlagOS 2.0的出现打破了这一瓶颈。该系统支持18家厂商的32款AI芯片，覆盖数据中心、高性能计算、边缘设备等多个应用场景，能够让不同芯片之间实现互通。这意味着，开发者可以使用同一套工具链开发AI应用，而不需要为每种芯片单独开发和调试代码，从而大大提高了开发效率和降低了适配成本。根据发布会数据显示，跨芯片适配的时间已经从几个月缩短至几天，这对于AI应用的普及具有深远影响。

此外，FlagOS 2.0在性能方面也进行了重大优化。通过引入FLIR统一中间表示层、Triton-TLE编程语言以及KernelGen 2.0算子自动生成平台，系统不仅解决了跨芯片适配问题，还提升了计算性能。特别是在大模型的训练和推理过程中，FlagOS 2.0的性能显著超过传统方案，展示了国产AI芯片在处理复杂任务时的强大能力。通过这些创新，FlagOS 2.0使得国产AI技术与国际顶级方案的差距进一步缩小，增强了国产芯片的市场竞争力。

FlagOS 2.0的发布不仅解决了技术层面的难题，还为国产AI产业的生态建设提供了强大的推动力。过去几年，国产AI芯片厂商面临的最大问题之一是“芯片孤岛”现象。由于各厂商使用不同的技术标准，AI芯片和应用之间的壁垒使得产业链的发展受限，限制了技术的普及和应用的推广。而FlagOS 2.0的发布，如同架起了一座“桥梁”，将不同厂商的技术和产品连接起来，推动了产业链的融合。这一创新促进了国产AI产业的协同发展，为厂商提供了更多的市场机会，也为下游开发者提供了更大的选择空间。

02

开源开放作为战略选择的

动因、定位与实践

1.动因

开源开放战略的确立根植于全球AI竞争逻辑的转变。过去十年，AI产业的竞争焦点始终集中在GPU算力、显存带宽等核心芯片指标，是一场单向的算力冲刺，技术指标的刷新被视为核心竞争力的标志。然而，随着基础模型能力趋于收敛，单一模型的技术代差正在缩小，AI技术的价值实现逐渐转向依赖于以算力基础设施、数据资源整合能力与生态组织能力为支撑的全链条，协同竞争的重心悄然向生态层面转移。

从产业经济学的视角看，生态壁垒比技术代差更具决定性。当某一技术路线形成事实标准后，后来者即便在单项指标上实现超越，也难以撼动既有生态的惯性。相反，开源开放通过降低技术使用门槛、汇聚群体智能资源，能够加速生态的自我强化。中国科学院院士王怀民认为，开源本质是激发汇聚人类群体智能，AI开源在软件开源基础上拓展了模型、数据等内容。中国大模型开源生态发展向好，需依托开源打造有世界影响力的基础设施。¹由此可以得出中国选择开源开放的根本动因：在尚未形成全球主导生态的窗口期，通过开放战略吸引全球开发者共同参与，以集体力量对冲封闭生态的锁定效应。

2.定位

中国在开源体系中的角色正经历由“参与者”向“贡献者”的转变，全球影响力已不容忽视，这体现为技术供给能力的提升和规则塑造能力的增强。根据美国麻省理工学院与Hugging Face此前发布的联合报告，2025年中国研发的开源模型全球下载量占比达到17.1%，首次超过美国，位居全球第一。FlagOS软件栈目前已成为全球规模最大的开源软件栈，DeepSeek、千问、智谱等主流模型全部适配，生态合作伙伴近百家，全球已有20万用户使用。²中国AI开源已从“借船出海”进入“造船出海”阶段。海淀区委书记张革在中关村论坛上指出，今年《政府工作报告》提出深化拓展“人工智能+”，培育智能原生新业态新模式，促进开源生态繁荣，“开源成为驱动我国人工智能发展的国家战略，指明了从AI‘技术突破’迈向‘产业落地’的清晰路径”。³开源开放强调通过共享与协同实现技术进步，这不仅有助于提升全球创新效率，也在客观上缓解了技术发展不平衡所带来的结构性矛盾。

中美AI发展的战略路径差异在这一维度上尤为明显。美国主导的当下AI叙事，集中在闭源、算力和AGI通用能力的突破，巨额资本集中投向基座模型、参数竞赛和算力集群，诞生了OpenAI、Anthropic等头部公司。尽管在技术的“排他性”之下可以保持商业优势，但普通开发者调用API成本不菲，中小企业和非英语国家被挡在停留在付费墙之外，难以深度参与。OpenAI、谷歌和Anthropic等公司更倾向于完全控制其最先进的技术，通过用户订阅或企业合作获利。中国正通过构建自主可控的开源体系，推动形成具有国际影响力的技术平台，并在此基础上参与全球开源社区的协同发展，从而逐步提升在全球AI治理与技术标准中的话语权。以众智FlagOS 2.0为代表的开源基础设施，是在统一软件栈、多芯片适配及智能体开发支持等方面提供原创性解决方案。

3.制度开放实践

从实践路径看，开源开放战略正在通过一系列制度化举措落实到国家创新体系的长期制度安排之中。一方面，依托中关村论坛等平台，中国推动建立跨主体协同的开源联盟，整合科研机构、企业与开发者社区资源，形成多元参与的创新网络。另一方面，通过建设统一的软件平台与评测体系，降低技术使用门槛，促进技术成果向产业应用的转化。论坛开幕式上，《开放科学国际合作行动计划》正式发布，宣布推动10个重大科研基础设施面向全球开放共享。作为国家战略科技力量的主要承载地，北京推动“空间环境地基综合监测网（子午工程）、综合极端条件实验装置”两大“国之重器”纳入该计划，怀柔综合性国家科学中心37个设施平台落地建设中已有17个面向全球开放运行。⁴开源开放从技术层面拓展到基础设施、科研资源、标准制定等更广泛的领域。与此同时，在国际层面，中国亦通过参与跨国开源合作与技术交流机制，拓展开源开放的外部空间，推动全球智算资源的互联互通。

在保护主义抬头的全球环境中，中国的战略选择以开放对冲封闭，以共享争取信任。技术开源降低技术准入门槛，制度开放提供可预期的合作框架，从而形成协同效应，共同构成中国AI发展战略的完整图景，中国模型的竞争力核心在于“高规低价”，让全球开发者能以极低门槛获得接近前沿水平的AI推理能力。对于全球开发者而言，获取接近前沿的AI能力从未如此广泛且经济实惠。⁵中国公司以每周或每两周的节奏持续推出模型，与美国AI公司每半年或一年发布一个系列的模式形成鲜明对比，开创了一种“范式转移”的模型发布方式，⁶极大地加速了全球AI技术的迭代周期。

03

挑战与展望

技术底座与生态体系的博弈是如今AI产业的重要竞争内容，中国AI开源生态在从“跟跑”向“引领”跨越的过程中，仍面临技术深层突破、生态协同构建、全球话语权博弈与产业落地转化的多重挑战，类似FlagOS 2.0生态纽带，也为中国AI发展勾勒出清晰的升级路径。

当前中国AI开源生态的发展挑战，首先体现在核心技术的深层短板尚未完全突破。FlagOS 2.0虽实现对32款AI芯片的全场景支持，但在高端芯片的深度适配优化、底层编程语言的生态完善上仍有提升空间，部分核心算力架构仍面临海外专利壁垒，且开源项目存在“重发布轻维护”的行业通病，高质量开源成果的持续迭代能力有待加强。其次，开源生态的协同性与包容性亟待提升，中关村人工智能开源联盟虽汇聚40余家单位，但跨芯片、大模型、科研院所的技术标准统一、数据共享与利益分配机制尚未成熟，中小企业与开发者的参与度偏低，易形成资源孤岛。同时，全球AI开源的话语权博弈日趋激烈，海外已有成熟的AI开源生态体系，中国开源成果在全球技术标准制定中的参与度不足，且面临高端算力出口管制、闭源模式商业壁垒等外部限制。此外，AI技术落地的难题仍未破解，尽管FlagOS 2.0实现云到端的全场景覆盖，但当前行业仍存在“重算力建设、轻场景应用”的问题，部分智算中心算力利用率不足30%，技术底座与工业、金融等关键领域的定制化适配不足，难以快速转化为实际产业价值。

面向未来，以开源开放为路径、以自主创新为核心，将成为中国AI突破挑战、实现高质量发展的核心方向。技术层面，持续深化算子库扩容与芯片适配能力，完善工具链的自主研发，推动从“全场景支持”向“全场景优化”升级，夯实智能体时代的智算基础。生态层面，以中关村人工智能开源联盟为纽带，建立跨主体的协同创新机制，统一AI开源技术标准，打通数据与算力资源的共享通道，吸引中小企业与全球开发者参与，构建“研发-开源-应用-反哺”的生态闭环，提升自主可控AI开源生态的活力与包容性。产业层面，坚持“场景驱动”的发展逻辑，推动AI技术与工业、机器人、金融等领域深度融合，从“技术基建”转向“价值创造”，解决算力闲置与场景适配问题，形成可持续的商业闭环。全球层面，以“技术开源—全球合作”为战略，在新兴市场构建“普惠-数据反哺-再创新”的飞轮效应，提升中国在全球AI开源技术标准制定中的话语权，实现从全球AI开源生态的“参与者”向“贡献者”“引领者”的转变，构建互利共赢的全球AI创新生态。

未来中国AI产业唯有以自主创新突破技术壁垒，以开源开放激活生态活力，才能在全球AI竞争中占据主动，走出一条兼具中国特色与全球视野的AI发展道路，真正实现人工智能科技自立自强。

参考文献

¹李政葳. AI开源开放有多重要、生态如何建? [EB/OL]. (2026-04-02). 光明网, https://digital.gmw.cn/2026-04/02/content_38687670.htm.

²杨学聪. 以开源之力共筑AI未来[EB/OL]. (2026-03-31). 中国经济网. http://m.ce.cn/bwzg/202603/t20260331_2867277.shtml.

³王昊男,施芳. 北京奋力打造全球人工智能创新高地 [EB/OL]. (2026-03-31). 人民网. https://cpc.people.com.cn/n1/2026/0331/c64387-40692197.html.

⁴董城,李春剑. 科技创新的沃土生机盎然[EB/OL]. (2026-03-26). 光明日报.https://epaper.gmw.cn/gmrb/html/content/202603/26/content_9518.html.

⁵Caiwei Chen. What’s next for Chinese open-source AI [EB/OL]. (2026-02-12). MIT Technology Review, https://www.technologyreview.com/2026/02/12/1132811/whats-next-for-chinese-open-source-ai/?utm_source=aireport.kdnuggets.com&utm_medium=referral&utm_campaign=chinese-open-source-ai-is-winning.

⁶箫雨. 英媒：中国在“开放”AI模型市场首超美国，获关键优势 [EB/OL]. (2025-11-26). 凤凰网科技. https://i.ifeng.com/c/8oalg7PL8Fo.