[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"site-home-live-entry-setting":3,"site-header-contests":8,"site-header-camps":49,"study-material-detail-study-104":104},{"enabled":4,"title":5,"statusText":5,"buttonText":5,"campSlug":5,"stage":6,"classroomId":7,"hasClassroom":4},false,"",0,null,{"total":9,"list":10,"pageNum":44,"pageSize":45,"size":9,"startRow":44,"endRow":9,"pages":44,"prePage":6,"nextPage":6,"isFirstPage":46,"isLastPage":46,"hasPreviousPage":4,"hasNextPage":4,"navigatePages":47,"navigatepageNums":48,"navigateFirstPage":44,"navigateLastPage":44},3,[11,25,35],{"slug":12,"title":13,"logo":7,"liveUrl":14,"prize":15,"sponsor":16,"description":17,"organizer":18,"startTime":19,"endTime":20,"registrationDeadline":21,"status":22,"dashboardVisibility":23,"createdAt":24},"spring2026","2026春季启元人工智能大赛","https:\u002F\u002Fwww.bilibili.com\u002Fblackboard\u002Flive\u002Flive-activity-player.html?cid=1822703816&quality=0","200,000","麒麟软件有限公司","“2026春季启元人工智能大赛”是由启元实验室主办的面向全国人工智能领域开发者、科研人员及高校学生的权威赛事。大赛旨在促进与培养具备工程实践能力和创新能力的优秀人工智能领域开发者、推广国产软硬件技术与生态、助力国家人工智能产业高质量发展。\n各参赛选手需在规定的比赛周期内，依据赛事规则选定赛题并完成相应挑战，优胜者将共同角逐总额20万元的赛事奖金池，并且还将有机会获得实习和知名企业优质岗位内推资格。","启元实验室","2026-04-19 16:00:00","2026-07-13 16:00:00","2026-06-16 16:00:00","ongoing","private","2026-04-16 08:00:00",{"slug":26,"title":27,"logo":7,"liveUrl":14,"prize":28,"sponsor":7,"description":29,"organizer":18,"startTime":30,"endTime":31,"registrationDeadline":32,"status":33,"dashboardVisibility":23,"createdAt":34},"autumn2025","2025秋季启元人工智能大赛","150,000","“2025秋季启元人工智能大赛”是由启元实验室主办的面向全国人工智能领域开发者、科研人员及高校学生的权威赛事。大赛旨在促进与培养具备工程实践能力和创新能力的优秀人工智能领域开发者、推广国产软硬件技术与生态、助力国家人工智能产业高质量发展。","2025-11-08 08:00:00","2026-01-13 08:00:00","2025-12-30 08:00:00","ended","2025-11-03 08:00:00",{"slug":36,"title":37,"logo":7,"liveUrl":14,"prize":38,"sponsor":7,"description":39,"organizer":18,"startTime":40,"endTime":41,"registrationDeadline":42,"status":33,"dashboardVisibility":23,"createdAt":43},"summer2025","启元人工智能大赛(系统方向)","80,000","启元人工智能大赛由启元实验室主办，其中系统赛道基于启元实验室九源软件栈的相关开源项目，通过拉动开源社区力量，一方面促进国产智能计算生态的发展，另一方面也为人工智能系统方向的学生及从业者提供一个实践平台。","2025-07-08 08:00:00","2025-08-25 08:00:00","2025-07-22 08:00:00","2025-06-22 08:00:00",1,5,true,8,[44],{"total":45,"list":50,"pageNum":44,"pageSize":45,"size":45,"startRow":44,"endRow":45,"pages":44,"prePage":6,"nextPage":6,"isFirstPage":46,"isLastPage":46,"hasPreviousPage":4,"hasNextPage":4,"navigatePages":47,"navigatepageNums":103,"navigateFirstPage":44,"navigateLastPage":44},[51,62,73,84,94],{"id":52,"slug":53,"title":54,"logo":55,"publicLiveEmbedUrl":14,"description":56,"introduction":57,"organizer":18,"coOrganizer":5,"sponsor":16,"startTime":58,"endTime":59,"status":22,"dashboardVisibility":60,"createdAt":58,"updatedAt":61},"019eeeff-6b00-7d55-a629-efafded3e232","summer2026","2026年夏季InfiniTensor大模型与人工智能系统训练营","https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fuploads\u002F2026-06\u002F019eef7f-7816-7828-9309-79c2c61dd568.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=57E8XTb%2Fnzgx%2BZPRmS9RXdPpSV4%3D","由启元实验室发起的InfiniTensor大模型与人工智能系统训练营，面向开源社区、高校及产业界伙伴开放。活动以「普及AI全栈知识技术、培养工程实践与创新型人才、推广国产软硬件技术生态」为核心目标，助力国家人工智能产业高质量发展。","...","2026-06-22 08:00:00","2026-10-19 08:00:00","public","2026-10-12 08:00:00",{"id":63,"slug":64,"title":65,"logo":66,"publicLiveEmbedUrl":7,"description":67,"introduction":57,"organizer":18,"coOrganizer":5,"sponsor":68,"startTime":69,"endTime":70,"status":33,"dashboardVisibility":23,"createdAt":71,"updatedAt":72},"019af3f3-e06a-7245-aa8d-37dc99a69c73","winter2025","2025年冬季InfiniTensor大模型与人工智能系统训练营","https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fuploads\u002F2025-12\u002F019afc69-b7ca-7805-91fb-605429671c01.png?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=ffQeXdWWzqhOe7PkXJfACndHPBs%3D","由启元实验室发起的InfiniTensor大模型与人工智能系统训练营，面向开源社区、高校及产业界伙伴开放。活动以「普及AI全栈知识技术、培养工程实践与创新型人才、推广国产软硬件技术生态」为核心目标，助力国家人工智能产业高质量发展。 \n","新华三技术有限公司","2025-12-25 08:00:00","2026-03-27 08:00:00","2025-12-06 08:00:00","2026-10-22 20:24:30",{"id":74,"slug":36,"title":75,"logo":76,"publicLiveEmbedUrl":7,"description":77,"introduction":57,"organizer":18,"coOrganizer":5,"sponsor":78,"startTime":79,"endTime":80,"status":81,"dashboardVisibility":23,"createdAt":82,"updatedAt":83},"01980342-208c-7803-b3f3-19e1d31960ba","2025年夏季InfiniTensor大模型与人工智能系统训练营","https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fuploads\u002F2025-07\u002F0198045e-28fe-78f0-95fe-23835ce58395.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=4KmlniJsErV9mBgUZZQfOEF5cBk%3D","InfiniTensor大模型与人工智能系统训练营由启元实验室及清华大学 AI 系统方向团队发起，面向开源社区、高校和产业界，普及人工智能各方面知识和技术，培养相关人才。训练营联合开源项目开发者、学术界大牛、工业界资深工程师参与授课与项目指导。课程采用「线上直播授课 + 在线答疑 + 项目实践辅导 」的方式进行，确保每位同学都能获得充分成长。训练营全程免费，通过视频、直播课、习题和项目实践，在人工智能飞速发展的背景下，为学员提供一窥深层技术的机会。","北京积算科技有限公司","2025-07-14 08:00:00","2025-09-30 08:00:00","upcoming","2025-07-13 08:00:00","2026-10-22 20:24:58",{"id":85,"slug":86,"title":87,"logo":88,"publicLiveEmbedUrl":7,"description":89,"introduction":57,"organizer":18,"coOrganizer":5,"sponsor":5,"startTime":90,"endTime":91,"status":81,"dashboardVisibility":23,"createdAt":92,"updatedAt":93},"01980cf9-a7d8-7796-ae86-0bbe05334add","winter2024","2024年冬季InfiniTensor大模型与人工智能系统训练营","https:\u002F\u002Ftesting-cdn.infinitensor.com\u002Fuploads\u002F2025-07\u002F01981269-ce23-7624-a287-9f07dd0d85f6.jpg","InfiniTensor大模型与人工智能系统训练营由清华大学发起，面向开源社区、高校和产业界，普及人工智能各方面知识和技术，培养相关人才。训练营全程免费，通过视频、直播课、习题和项目实践，在人工智能飞速发展的背景下，为学员提供一窥深层技术的机会。报名学员请阅读“导学”课程页的训练营介绍。","2025-01-05 08:00:00","2025-03-22 08:00:00","2025-07-15 08:00:00","2026-10-22 20:24:39",{"id":95,"slug":96,"title":97,"logo":98,"publicLiveEmbedUrl":7,"description":99,"introduction":57,"organizer":18,"coOrganizer":5,"sponsor":5,"startTime":100,"endTime":101,"status":81,"dashboardVisibility":23,"createdAt":92,"updatedAt":102},"01980c20-363a-7dc3-8f5a-58a68e08dcc4","summer2024","2024年夏季InfiniTensor大模型与人工智能系统训练营","https:\u002F\u002Ftesting-cdn.infinitensor.com\u002Fuploads\u002F2025-07\u002F01981269-fbfa-788a-afcd-17fa9be74ff9.jpg","InfiniTensor大模型与人工智能系统训练营由清华大学发起，面向开源社区和高校，普及人工智能各方面知识和技术，培养相关人才。训练营全程免费，通过课程、习题和项目实践，在人工智能飞速发展的背景下，为学员提供一窥深层技术的机会。","2024-07-20 08:00:00","2024-09-29 08:00:00","2026-10-22 20:24:49",[44],{"currentItem":105,"processedData":125},{"img":106,"keywords":107,"treeType":44,"description":108,"showStatus":44,"updateTime":109,"type":110,"title":111,"content":112,"nextArticle":113,"createTime":109,"sortOrder":117,"canonicalPath":118,"id":119,"contentType":120,"prevArticle":121},"https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002FKB_104_fm.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=oy%2FLA71aXGLh%2Fir%2BqR2oh3P7Zgg%3D","操作系统,AIOS,OpenKylin,银河麒麟,大模型系统优化","2026 夏季 InfiniTensor 训练营第三节大咖课国防科技大学余杰导师《人工智能时代操作系统的机遇与挑战》，解析人工智能时代操作系统的机遇与挑战，系统梳理 OS 发展历程、OS for AI 训练推理优化、OS with AI 智能化技术及AIOS架构演进，并结合麒麟团队 OpenKylin AIPC 端侧大模型部署实践揭示大模型作为内核的AI原生操作系统未来趋势。","2026-10-22 20:38:11",2,"2026 夏季 InfiniTensor 训练营大咖课 3：国防科技大学余杰老师 ——《人工智能时代操作系统的机遇与挑战》","![](https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002FKB_104_zw01.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=%2BoVvl52dTBvnj%2FnSnSD5AdKPWQM%3D)\r\n\r\n在大模型时代，操作系统（OS）将如何演进？AI 与 OS 如何相互赋能？\r\n\r\n8 月 11 日晚，2026 夏季 InfiniTensor 大模型与人工智能系统训练营迎来第三期大咖课。本次课程特邀**国防科技大学博士生导师余杰老师**从 OS 发展历程、OS for AI、OS with AI 及麒麟团队实践四个维度，解析智能时代操作系统的定位与未来。\r\n\r\n### 讲师介绍\r\n**余杰 | 国防科技大学计算机学院研究员、博士生导师**\r\n- 国家重点研发项目首席科学家，基础软件教育部工程研究中心常务副主任、openKylin 开源社区副主席\r\n- 长期从事操作系统与人工智能研究，研制麒麟系列操作系统，荣获国家科技进步一等奖 1 项、省部级科技进步特等奖 2 项、一等奖 3 项\r\n- 入选军队学科拔尖人才、湖南科技领军人才等，获中国杰出开源人物、中国开源先锋人物等称号，获评“中国杰出开源人物”、“中国开源先锋人物”\r\n- 带领团队在TKDE、SCIS、AAAI、ICPP、ACL、NIPS等国际顶刊\u002F顶会发表学术论文50余篇，申请国家发明专利 30 余项，培养博士、硕士 30 余人\r\n\r\n\r\n### 操作系统 OS 的发展历程与智能时代定位\r\n#### 1. 操作系统的核心使命与驱动力\r\n**（1）两大核心任务**：\r\n- 向下：高效管理软硬件资源（提供硬件虚拟化机制）。\r\n- 向上：为软件和用户提供运行环境与开发环境（GUI + API）。\r\n**（2）两大发展原动力**：\r\n- 计算机硬件的不断发展（促进底层技术革新）。\r\n- 计算机应用的不断发展（产生新的机理与技术需求）。\r\n\r\n#### 2. 操作系统发展的四个阶段\r\n\r\n![](https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002FKB_104_zw02.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=psPp8MRQpD8m6cFCXhtD%2BudbNkQ%3D)\r\n\r\n#### 3. 大厂商演进\r\n- **微软**：抓住互联网与云时代（云收入占比超 30%），但在移动时代（Win8）失利；现通过 Copilot+PC 及开源的 ONNX Runtime 等技术布局 AI 推理生态。\r\n- **苹果**：软硬一体开创图形化与移动时代；经历互联网低谷后靠 iPhone 复兴；AI 时代主打 Apple Intelligence 与端侧隐私安全。\r\n- **历史规律**：一项技术在成为 OS 标配前，往往是独立存在的（如 GUI、TCP\u002FIP、Browser）。**判断：人工智能技术最终将成为操作系统的一部分。**\r\n\r\n#### 4. AI 时代 OS 的两大推动力\r\n- **强大的推理引擎**：管理复杂本地资源，提供数据源与服务。\r\n-  **更自然的交互方式**：人机协同、智能化 UI、个性化需求。\r\n\r\n### OS for AI —— 操作系统助力人工智能发展\r\n#### 1. OS 支撑 AI 的三大维度\r\n- **高质量数据**：存储、管理、流通及高效处理。\r\n- **高效用算力**：硬件层、内核层、基础库层的调度与优化。\r\n- **高效能算法**：提升数据利用率，缓解算力瓶颈。\r\n\r\n![](https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002FKB_104_zw03.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=FwpWXLFXOkYfB0D8NKJSZhJILso%3D)\r\n\r\n#### 2. 两大定律与终端智能风口\r\n- **摩尔定律**：集成电路的晶体管集成度长期呈指数增长，通常以约18～24个月翻倍。\r\n- **知识密度定律**：清华刘知远团队观察到，大模型知识密度呈持续提升趋势\r\n- **趋势**：混合 AI 与端侧大模型加速普及，AI 将无处不在。\r\n\r\n![](https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002FKB_104_zw04.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=k4Hng51h3MHDsqp8IgvYLWb%2FjoI%3D)\r\n\r\n#### 3. 训练阶段的系统级优化\r\n- **模型架构设计**：DeepSeek MoE 架构，通过稀疏计算以经济成本训练强模型（专家分配减少算力滥用）。\r\n\r\n![](https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002FKB_104_zw05.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=iZyTVu62QSvtgRo3eVHyAzP0e7k%3D)\r\n\r\n- **并行策略优化**：DeepSeek DualPipe 双向流水线并行，通过重新组织前向\u002F反向计算与通信，实现计算—通信重叠，并减少流水线气。\r\n\r\n![](https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002FKB_104_zw06.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=EKZ2X6TjX1rPWb499vdoDlUqPww%3D)\r\n\r\n- **通信优化**：通信分区与分层调度（操作级、层级、模型级），重叠通信延迟。\r\n\r\n![](https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002FKB_104_zw07.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=hj%2BlktexBq6a4DWYcIdgSaABNJA%3D)\r\n\r\n- **内存优化**：利用 GPU\u002FCPU\u002F内存异构协同，无线卸载引擎、内存中心分块、带宽中心分区。\r\n\r\n![](https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002FKB_104_zw08.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=1UHlwnFiwyTovt8cej%2BE1jwPfU8%3D)\r\n\r\n#### 4. 推理阶段的系统级优化\r\n- **持续批处理**：Chunked Prefills + Decode-Maximal Batching，通过将长 Prefill 切分为多个 chunk，并与 Decode 请求混合批处理，提高 GPU 利用率并减少流水线气泡。\r\n- **PD 分离框架**（Mooncake）：Prefill 与 Decode 分离，最大化吞吐率，智能 KV Cache 调度。\r\n- **KV Cache 管理**（PagedAttention）：受虚拟内存启发，采用分页注意力机制，解决显存碎片化与冗余。\r\n- **KV Cache 管理**（Cached Attention）：针对多轮对话复用历史 KV Cache，通过 DRAM\u002FSSD 等分层存储及异步预取，减少历史上下文的重复计算。\r\n- **算子优化**（FlashAttention）：：通过分块（tiling）、在线 Softmax 等 IO-aware 机制，减少 HBM 与片上 SRAM 之间的数据搬运及 HBM 访问，并结合重计算降低中间结果的显存占用。\r\n\r\n#### 5. 产业界实践趋势\r\n- **开源OS**：Red Hat Enterprise Linux（AI 运维\u002F边缘等）、Ubuntu\u002FDebian 等 Linux 发行版。\r\n\r\n\r\n![](https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002FKB_104_zw09.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=rcJO%2FM%2FWLYMoGA05deQeA60cDSo%3D)\r\n\r\n- **芯片厂商**：高通（终端生成式 AI 全栈使能）、Intel（AI PC 增量市场）、联发科\u002F联想（端侧 AI 普惠化）。\r\n\r\n![](https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002FKB_104_zw10.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=uSOm55QkfcyFDY1CyCzT9KBz2Jw%3D)\r\n\r\n\r\n- **演进方向**：端侧部署三阶段技术成熟 -> OS 与 AI 向系统级 AI Agent 演进。\r\n\r\n\r\n### OS with AI —— AI 技术赋能操作系统智能化\r\n#### 1. 学术界探索：经典 AI 改进系统能力\r\n- **内核决策**：LAKE 技术，在内核空间收集ML特征，协调资源竞争。\r\n- **进程调度**：基于强化学习（状态-动作-奖励）替代传统优先级\u002F时间片轮询。\r\n- **内核模糊测试**：HEALER 方法，利用关系学习引导测试，提升漏洞发现效率与分支覆盖率。\r\n- **内核数据路径**：基于学习优化重构数据路径，适应动态应用需求与硬件平台。\r\n\r\n![](https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002FKB_104_zw11.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=B8fyacw9F08bY3Jbv3YBrAHm8y4%3D)\r\n\r\n#### 2. AIOS：大模型智能体操作系统\r\n- **范式转变**：从“传统 OS+AI 补丁”转向“AI 原生”。\r\n- **核心理念**：在传统 OS 之上引入面向 LLM Agent 的 AIOS Kernel，将智能体调度、上下文、内存、存储、工具访问等能力纳入系统级资源管理。\r\n- **关键机制**：独立的智能体调度器、上下文管理、内存\u002F存储管理、工具访问控制。\r\n- **代表工作**：AIOS、KAOS（桌面知识库与工具增强）。\r\n\r\n#### 3. 产业界布局\r\n*   **微软**：Copilot+PC 全栈融合，开源 Onnx 卡位推理引擎，SKS\u002FAutogen 智能体框架。\r\n*   **谷歌**：Android 集成 AI，Gmail 等产品深度融合，面向开发者提供 Agent 框架与云服务。\r\n*   **苹果**：从收购转向自研 Apple Intelligence，打通 ChatGPT 与本地生态。\r\n\r\n### 麒麟团队的创新与实践\r\n#### 1. 关键技术突破\r\n- **智能计算优化**：面向 CPU 的巨型页内存池管理（二维矩阵装箱算法）。\r\n- **算子自动选择**：基于内存感知的卷积算子选择策略。\r\n- **张量管理优化**：面向动态计算图，协同张量交换与重计算，运行时在线决策。\r\n- **内存分配优化**：深度学习框架缓存分配器，超额订阅虚拟内存拼接，三级缓存启发式分配。\r\n- **张量卸载**：资源受限下算子感知的大模型推理卸载，智能算子调度算法。\r\n\r\n#### 2. OpenTiny AIPC 版成果\r\n\r\n![](https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002FKB_104_zw12.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=7swfuJpK3b2bAl1dCA7O8Z4q0Qo%3D)\r\n\r\n- **四大特征**：离线高效推理、系统深度融合、端侧应用赋能、端云统一调度。\r\n- **三层架构**：\r\n  - **模型层**：轻量化推理加速、量化、微调。\r\n  - **系统层**：端侧推理优化、服务引擎、部署框架、指令对齐。\r\n  - **应用层**：AI 助手、WPS 离线 AI 能力对接（内网场景专用）。\r\n- **全开源演示**：OpenKylin OS + 九格大模型 + SenseVoice 语音识别，商用笔记本实机演示。\r\n\r\n### Q&A 精选答疑\r\n\r\n**Q1：OS for AI 和 OS with AI 在实际落地中的最大区别？**\r\n **A：** 目标不同。**OS for AI** 是从系统视角助力AI，让 AI 性能更强、效率更高；**OS with AI** 是将 AI 技术引入 OS，让操作系统本身更智能、更强。\r\n\r\n**Q2：大模型对操作系统内核会带来哪些实质性改动？**\r\n**A：** 在 AI 原生 OS（AIOS）愿景中，**大模型将成为真正的内核（Kernel）**，而传统的 Linux Kernel 将变为底层硬件使能组件。\r\n\r\n**Q3：OpenKylin 推进 OS+AI 开源生态，瓶颈在生态还是技术？**\r\n**A：** 当前瓶颈主要在技术。如何将大模型从“外挂引擎”真正变为“Inside”，需要架构级突破，而非单纯的 Scale 扩展。相比之下，得益于 AI 厂商已建好的硬件适配生态，当前的生态构建难度反而低于传统信创时代。\r\n\r\n**Q4：如何看待 macOS 集成通义千问？对国产 OS 有冲击吗？**\r\n**A：** 这是好事，说明国内开源成果获国际认可。国产 OS 已从弱到强，距离国际先进水平很近。**开放竞争是成长的必经之路**，国内外技术拉齐有助于整个生态的成熟。\r\n\r\n**Q5：AI 能力下沉到 OS 层会带来额外性能开销吗？**\r\n**A：** 若在传统 Linux 内核上强行叠加 AI，确实会降低效率。但若采用 AI 原生架构（大模型为脑，传统内核为组件），则是另一套逻辑。此外，OS 发展是“包容式”而非“替代式”，传统 OS 仍将长期存在于特定场景中。\r\n\r\n**Q6：端侧 AI OS 未来会像手机一样普及吗？**\r\n**A：** 是历史的必然。遵循摩尔定律与知识密度定律，端侧算力将持续爆发。未来 AI 将像今天的网络连接一样成为基础设施，实现真正的 AI 普惠。\r\n\r\n\r\n\r\n\r\n## 加入训练营\r\n📺**完整课程内容，请观看直播或查看课程回放：**\r\n\r\n**InfiniTensor 官网**： https:\u002F\u002Fwww.infinitensor.com\r\n\r\n**B站直播**： InfiniTensor 官方直播间\r\n\r\n**视频号直播**： InfiniTensor 视频号预约\r\n\r\n**答疑交流**： 训练营官方社群⬇️\r\n\r\n![](https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002Fqun_1072.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=UdGSwlHaJVSdguhTpDPoAJlY%2FWs%3D)\r\n\r\n## 关注与交流\r\n![](https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002Fportal_news\u002Fnews_ewm02.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=JkBpnT%2F1rX67p8apii%2Flw7UNvG0%3D)",{"publishTime":7,"createTime":109,"canonicalPath":114,"id":115,"title":116},"\u002Fstudy-material\u002Fstudy-103","study-103","2026 夏季 InfiniTensor 训练营通信与并行 3、推理引擎 7、训练系统 6：《基于九源平台的国产化集群应用实践及优化》",6,"\u002Fstudy-material\u002Fstudy-104","study-104","markdown",{"publishTime":7,"createTime":109,"canonicalPath":122,"id":123,"title":124},"\u002Fstudy-material\u002Fstudy-105","study-105","2026 夏季 InfiniTensor 训练营大咖课 4：清华大学陈键飞副教授——《大模型量化》 ",{"htmlContent":126,"headings":127},"\u003Cp>\u003Cimg src=\"https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002FKB_104_zw01.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=%2BoVvl52dTBvnj%2FnSnSD5AdKPWQM%3D\" alt=\"\">\u003C\u002Fp>\n\u003Cp>在大模型时代，操作系统（OS）将如何演进？AI 与 OS 如何相互赋能？\u003C\u002Fp>\n\u003Cp>8 月 11 日晚，2026 夏季 InfiniTensor 大模型与人工智能系统训练营迎来第三期大咖课。本次课程特邀\u003Cstrong>国防科技大学博士生导师余杰老师\u003C\u002Fstrong>从 OS 发展历程、OS for AI、OS with AI 及麒麟团队实践四个维度，解析智能时代操作系统的定位与未来。\u003C\u002Fp>\n\u003Ch3 id=\"讲师介绍\">\u003Ca class=\"anchor\" href=\"#讲师介绍\" aria-label=\"跳转到标题：讲师介绍\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>讲师介绍\u003C\u002Fh3>\u003Cp>\u003Cstrong>余杰 | 国防科技大学计算机学院研究员、博士生导师\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cul>\n\u003Cli>国家重点研发项目首席科学家，基础软件教育部工程研究中心常务副主任、openKylin 开源社区副主席\u003C\u002Fli>\n\u003Cli>长期从事操作系统与人工智能研究，研制麒麟系列操作系统，荣获国家科技进步一等奖 1 项、省部级科技进步特等奖 2 项、一等奖 3 项\u003C\u002Fli>\n\u003Cli>入选军队学科拔尖人才、湖南科技领军人才等，获中国杰出开源人物、中国开源先锋人物等称号，获评“中国杰出开源人物”、“中国开源先锋人物”\u003C\u002Fli>\n\u003Cli>带领团队在TKDE、SCIS、AAAI、ICPP、ACL、NIPS等国际顶刊\u002F顶会发表学术论文50余篇，申请国家发明专利 30 余项，培养博士、硕士 30 余人\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch3 id=\"操作系统-os-的发展历程与智能时代定位\">\u003Ca class=\"anchor\" href=\"#操作系统-os-的发展历程与智能时代定位\" aria-label=\"跳转到标题：操作系统 OS 的发展历程与智能时代定位\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>操作系统 OS 的发展历程与智能时代定位\u003C\u002Fh3>\u003Ch4 id=\"1-操作系统的核心使命与驱动力\">\u003Ca class=\"anchor\" href=\"#1-操作系统的核心使命与驱动力\" aria-label=\"跳转到标题：1. 操作系统的核心使命与驱动力\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>1. 操作系统的核心使命与驱动力\u003C\u002Fh4>\u003Cp>\u003Cstrong>（1）两大核心任务\u003C\u002Fstrong>：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>向下：高效管理软硬件资源（提供硬件虚拟化机制）。\u003C\u002Fli>\n\u003Cli>向上：为软件和用户提供运行环境与开发环境（GUI + API）。\u003Cbr>\u003Cstrong>（2）两大发展原动力\u003C\u002Fstrong>：\u003C\u002Fli>\n\u003Cli>计算机硬件的不断发展（促进底层技术革新）。\u003C\u002Fli>\n\u003Cli>计算机应用的不断发展（产生新的机理与技术需求）。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch4 id=\"2-操作系统发展的四个阶段\">\u003Ca class=\"anchor\" href=\"#2-操作系统发展的四个阶段\" aria-label=\"跳转到标题：2. 操作系统发展的四个阶段\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>2. 操作系统发展的四个阶段\u003C\u002Fh4>\u003Cp>\u003Cimg src=\"https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002FKB_104_zw02.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=psPp8MRQpD8m6cFCXhtD%2BudbNkQ%3D\" alt=\"\">\u003C\u002Fp>\n\u003Ch4 id=\"3-大厂商演进\">\u003Ca class=\"anchor\" href=\"#3-大厂商演进\" aria-label=\"跳转到标题：3. 大厂商演进\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>3. 大厂商演进\u003C\u002Fh4>\u003Cul>\n\u003Cli>\u003Cstrong>微软\u003C\u002Fstrong>：抓住互联网与云时代（云收入占比超 30%），但在移动时代（Win8）失利；现通过 Copilot+PC 及开源的 ONNX Runtime 等技术布局 AI 推理生态。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>苹果\u003C\u002Fstrong>：软硬一体开创图形化与移动时代；经历互联网低谷后靠 iPhone 复兴；AI 时代主打 Apple Intelligence 与端侧隐私安全。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>历史规律\u003C\u002Fstrong>：一项技术在成为 OS 标配前，往往是独立存在的（如 GUI、TCP\u002FIP、Browser）。\u003Cstrong>判断：人工智能技术最终将成为操作系统的一部分。\u003C\u002Fstrong>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch4 id=\"4-ai-时代-os-的两大推动力\">\u003Ca class=\"anchor\" href=\"#4-ai-时代-os-的两大推动力\" aria-label=\"跳转到标题：4. AI 时代 OS 的两大推动力\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>4. AI 时代 OS 的两大推动力\u003C\u002Fh4>\u003Cul>\n\u003Cli>\u003Cstrong>强大的推理引擎\u003C\u002Fstrong>：管理复杂本地资源，提供数据源与服务。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>更自然的交互方式\u003C\u002Fstrong>：人机协同、智能化 UI、个性化需求。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch3 id=\"os-for-ai-操作系统助力人工智能发展\">\u003Ca class=\"anchor\" href=\"#os-for-ai-操作系统助力人工智能发展\" aria-label=\"跳转到标题：OS for AI —— 操作系统助力人工智能发展\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>OS for AI —— 操作系统助力人工智能发展\u003C\u002Fh3>\u003Ch4 id=\"1-os-支撑-ai-的三大维度\">\u003Ca class=\"anchor\" href=\"#1-os-支撑-ai-的三大维度\" aria-label=\"跳转到标题：1. OS 支撑 AI 的三大维度\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>1. OS 支撑 AI 的三大维度\u003C\u002Fh4>\u003Cul>\n\u003Cli>\u003Cstrong>高质量数据\u003C\u002Fstrong>：存储、管理、流通及高效处理。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>高效用算力\u003C\u002Fstrong>：硬件层、内核层、基础库层的调度与优化。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>高效能算法\u003C\u002Fstrong>：提升数据利用率，缓解算力瓶颈。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002FKB_104_zw03.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=FwpWXLFXOkYfB0D8NKJSZhJILso%3D\" alt=\"\">\u003C\u002Fp>\n\u003Ch4 id=\"2-两大定律与终端智能风口\">\u003Ca class=\"anchor\" href=\"#2-两大定律与终端智能风口\" aria-label=\"跳转到标题：2. 两大定律与终端智能风口\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>2. 两大定律与终端智能风口\u003C\u002Fh4>\u003Cul>\n\u003Cli>\u003Cstrong>摩尔定律\u003C\u002Fstrong>：集成电路的晶体管集成度长期呈指数增长，通常以约18～24个月翻倍。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>知识密度定律\u003C\u002Fstrong>：清华刘知远团队观察到，大模型知识密度呈持续提升趋势\u003C\u002Fli>\n\u003Cli>\u003Cstrong>趋势\u003C\u002Fstrong>：混合 AI 与端侧大模型加速普及，AI 将无处不在。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002FKB_104_zw04.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=k4Hng51h3MHDsqp8IgvYLWb%2FjoI%3D\" alt=\"\">\u003C\u002Fp>\n\u003Ch4 id=\"3-训练阶段的系统级优化\">\u003Ca class=\"anchor\" href=\"#3-训练阶段的系统级优化\" aria-label=\"跳转到标题：3. 训练阶段的系统级优化\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>3. 训练阶段的系统级优化\u003C\u002Fh4>\u003Cul>\n\u003Cli>\u003Cstrong>模型架构设计\u003C\u002Fstrong>：DeepSeek MoE 架构，通过稀疏计算以经济成本训练强模型（专家分配减少算力滥用）。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002FKB_104_zw05.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=iZyTVu62QSvtgRo3eVHyAzP0e7k%3D\" alt=\"\">\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>并行策略优化\u003C\u002Fstrong>：DeepSeek DualPipe 双向流水线并行，通过重新组织前向\u002F反向计算与通信，实现计算—通信重叠，并减少流水线气。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002FKB_104_zw06.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=EKZ2X6TjX1rPWb499vdoDlUqPww%3D\" alt=\"\">\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>通信优化\u003C\u002Fstrong>：通信分区与分层调度（操作级、层级、模型级），重叠通信延迟。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002FKB_104_zw07.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=hj%2BlktexBq6a4DWYcIdgSaABNJA%3D\" alt=\"\">\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>内存优化\u003C\u002Fstrong>：利用 GPU\u002FCPU\u002F内存异构协同，无线卸载引擎、内存中心分块、带宽中心分区。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002FKB_104_zw08.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=1UHlwnFiwyTovt8cej%2BE1jwPfU8%3D\" alt=\"\">\u003C\u002Fp>\n\u003Ch4 id=\"4-推理阶段的系统级优化\">\u003Ca class=\"anchor\" href=\"#4-推理阶段的系统级优化\" aria-label=\"跳转到标题：4. 推理阶段的系统级优化\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>4. 推理阶段的系统级优化\u003C\u002Fh4>\u003Cul>\n\u003Cli>\u003Cstrong>持续批处理\u003C\u002Fstrong>：Chunked Prefills + Decode-Maximal Batching，通过将长 Prefill 切分为多个 chunk，并与 Decode 请求混合批处理，提高 GPU 利用率并减少流水线气泡。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>PD 分离框架\u003C\u002Fstrong>（Mooncake）：Prefill 与 Decode 分离，最大化吞吐率，智能 KV Cache 调度。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>KV Cache 管理\u003C\u002Fstrong>（PagedAttention）：受虚拟内存启发，采用分页注意力机制，解决显存碎片化与冗余。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>KV Cache 管理\u003C\u002Fstrong>（Cached Attention）：针对多轮对话复用历史 KV Cache，通过 DRAM\u002FSSD 等分层存储及异步预取，减少历史上下文的重复计算。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>算子优化\u003C\u002Fstrong>（FlashAttention）：：通过分块（tiling）、在线 Softmax 等 IO-aware 机制，减少 HBM 与片上 SRAM 之间的数据搬运及 HBM 访问，并结合重计算降低中间结果的显存占用。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch4 id=\"5-产业界实践趋势\">\u003Ca class=\"anchor\" href=\"#5-产业界实践趋势\" aria-label=\"跳转到标题：5. 产业界实践趋势\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>5. 产业界实践趋势\u003C\u002Fh4>\u003Cul>\n\u003Cli>\u003Cstrong>开源OS\u003C\u002Fstrong>：Red Hat Enterprise Linux（AI 运维\u002F边缘等）、Ubuntu\u002FDebian 等 Linux 发行版。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002FKB_104_zw09.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=rcJO%2FM%2FWLYMoGA05deQeA60cDSo%3D\" alt=\"\">\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>芯片厂商\u003C\u002Fstrong>：高通（终端生成式 AI 全栈使能）、Intel（AI PC 增量市场）、联发科\u002F联想（端侧 AI 普惠化）。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002FKB_104_zw10.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=uSOm55QkfcyFDY1CyCzT9KBz2Jw%3D\" alt=\"\">\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>演进方向\u003C\u002Fstrong>：端侧部署三阶段技术成熟 -> OS 与 AI 向系统级 AI Agent 演进。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch3 id=\"os-with-ai-ai-技术赋能操作系统智能化\">\u003Ca class=\"anchor\" href=\"#os-with-ai-ai-技术赋能操作系统智能化\" aria-label=\"跳转到标题：OS with AI —— AI 技术赋能操作系统智能化\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>OS with AI —— AI 技术赋能操作系统智能化\u003C\u002Fh3>\u003Ch4 id=\"1-学术界探索-经典-ai-改进系统能力\">\u003Ca class=\"anchor\" href=\"#1-学术界探索-经典-ai-改进系统能力\" aria-label=\"跳转到标题：1. 学术界探索：经典 AI 改进系统能力\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>1. 学术界探索：经典 AI 改进系统能力\u003C\u002Fh4>\u003Cul>\n\u003Cli>\u003Cstrong>内核决策\u003C\u002Fstrong>：LAKE 技术，在内核空间收集ML特征，协调资源竞争。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>进程调度\u003C\u002Fstrong>：基于强化学习（状态-动作-奖励）替代传统优先级\u002F时间片轮询。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>内核模糊测试\u003C\u002Fstrong>：HEALER 方法，利用关系学习引导测试，提升漏洞发现效率与分支覆盖率。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>内核数据路径\u003C\u002Fstrong>：基于学习优化重构数据路径，适应动态应用需求与硬件平台。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002FKB_104_zw11.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=B8fyacw9F08bY3Jbv3YBrAHm8y4%3D\" alt=\"\">\u003C\u002Fp>\n\u003Ch4 id=\"2-aios-大模型智能体操作系统\">\u003Ca class=\"anchor\" href=\"#2-aios-大模型智能体操作系统\" aria-label=\"跳转到标题：2. AIOS：大模型智能体操作系统\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>2. AIOS：大模型智能体操作系统\u003C\u002Fh4>\u003Cul>\n\u003Cli>\u003Cstrong>范式转变\u003C\u002Fstrong>：从“传统 OS+AI 补丁”转向“AI 原生”。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>核心理念\u003C\u002Fstrong>：在传统 OS 之上引入面向 LLM Agent 的 AIOS Kernel，将智能体调度、上下文、内存、存储、工具访问等能力纳入系统级资源管理。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>关键机制\u003C\u002Fstrong>：独立的智能体调度器、上下文管理、内存\u002F存储管理、工具访问控制。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>代表工作\u003C\u002Fstrong>：AIOS、KAOS（桌面知识库与工具增强）。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch4 id=\"3-产业界布局\">\u003Ca class=\"anchor\" href=\"#3-产业界布局\" aria-label=\"跳转到标题：3. 产业界布局\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>3. 产业界布局\u003C\u002Fh4>\u003Cul>\n\u003Cli>\u003Cstrong>微软\u003C\u002Fstrong>：Copilot+PC 全栈融合，开源 Onnx 卡位推理引擎，SKS\u002FAutogen 智能体框架。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>谷歌\u003C\u002Fstrong>：Android 集成 AI，Gmail 等产品深度融合，面向开发者提供 Agent 框架与云服务。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>苹果\u003C\u002Fstrong>：从收购转向自研 Apple Intelligence，打通 ChatGPT 与本地生态。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch3 id=\"麒麟团队的创新与实践\">\u003Ca class=\"anchor\" href=\"#麒麟团队的创新与实践\" aria-label=\"跳转到标题：麒麟团队的创新与实践\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>麒麟团队的创新与实践\u003C\u002Fh3>\u003Ch4 id=\"1-关键技术突破\">\u003Ca class=\"anchor\" href=\"#1-关键技术突破\" aria-label=\"跳转到标题：1. 关键技术突破\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>1. 关键技术突破\u003C\u002Fh4>\u003Cul>\n\u003Cli>\u003Cstrong>智能计算优化\u003C\u002Fstrong>：面向 CPU 的巨型页内存池管理（二维矩阵装箱算法）。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>算子自动选择\u003C\u002Fstrong>：基于内存感知的卷积算子选择策略。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>张量管理优化\u003C\u002Fstrong>：面向动态计算图，协同张量交换与重计算，运行时在线决策。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>内存分配优化\u003C\u002Fstrong>：深度学习框架缓存分配器，超额订阅虚拟内存拼接，三级缓存启发式分配。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>张量卸载\u003C\u002Fstrong>：资源受限下算子感知的大模型推理卸载，智能算子调度算法。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch4 id=\"2-opentiny-aipc-版成果\">\u003Ca class=\"anchor\" href=\"#2-opentiny-aipc-版成果\" aria-label=\"跳转到标题：2. OpenTiny AIPC 版成果\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>2. OpenTiny AIPC 版成果\u003C\u002Fh4>\u003Cp>\u003Cimg src=\"https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002FKB_104_zw12.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=7swfuJpK3b2bAl1dCA7O8Z4q0Qo%3D\" alt=\"\">\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>四大特征\u003C\u002Fstrong>：离线高效推理、系统深度融合、端侧应用赋能、端云统一调度。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>三层架构\u003C\u002Fstrong>：\u003Cul>\n\u003Cli>\u003Cstrong>模型层\u003C\u002Fstrong>：轻量化推理加速、量化、微调。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>系统层\u003C\u002Fstrong>：端侧推理优化、服务引擎、部署框架、指令对齐。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>应用层\u003C\u002Fstrong>：AI 助手、WPS 离线 AI 能力对接（内网场景专用）。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003C\u002Fli>\n\u003Cli>\u003Cstrong>全开源演示\u003C\u002Fstrong>：OpenKylin OS + 九格大模型 + SenseVoice 语音识别，商用笔记本实机演示。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch3 id=\"q-amp-a-精选答疑\">\u003Ca class=\"anchor\" href=\"#q-amp-a-精选答疑\" aria-label=\"跳转到标题：Q&A 精选答疑\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>Q&A 精选答疑\u003C\u002Fh3>\u003Cp>\u003Cstrong>Q1：OS for AI 和 OS with AI 在实际落地中的最大区别？\u003C\u002Fstrong>\u003Cbr> \u003Cstrong>A：\u003C\u002Fstrong> 目标不同。\u003Cstrong>OS for AI\u003C\u002Fstrong> 是从系统视角助力AI，让 AI 性能更强、效率更高；\u003Cstrong>OS with AI\u003C\u002Fstrong> 是将 AI 技术引入 OS，让操作系统本身更智能、更强。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>Q2：大模型对操作系统内核会带来哪些实质性改动？\u003C\u002Fstrong>\u003Cbr>\u003Cstrong>A：\u003C\u002Fstrong> 在 AI 原生 OS（AIOS）愿景中，\u003Cstrong>大模型将成为真正的内核（Kernel）\u003C\u002Fstrong>，而传统的 Linux Kernel 将变为底层硬件使能组件。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>Q3：OpenKylin 推进 OS+AI 开源生态，瓶颈在生态还是技术？\u003C\u002Fstrong>\u003Cbr>\u003Cstrong>A：\u003C\u002Fstrong> 当前瓶颈主要在技术。如何将大模型从“外挂引擎”真正变为“Inside”，需要架构级突破，而非单纯的 Scale 扩展。相比之下，得益于 AI 厂商已建好的硬件适配生态，当前的生态构建难度反而低于传统信创时代。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>Q4：如何看待 macOS 集成通义千问？对国产 OS 有冲击吗？\u003C\u002Fstrong>\u003Cbr>\u003Cstrong>A：\u003C\u002Fstrong> 这是好事，说明国内开源成果获国际认可。国产 OS 已从弱到强，距离国际先进水平很近。\u003Cstrong>开放竞争是成长的必经之路\u003C\u002Fstrong>，国内外技术拉齐有助于整个生态的成熟。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>Q5：AI 能力下沉到 OS 层会带来额外性能开销吗？\u003C\u002Fstrong>\u003Cbr>\u003Cstrong>A：\u003C\u002Fstrong> 若在传统 Linux 内核上强行叠加 AI，确实会降低效率。但若采用 AI 原生架构（大模型为脑，传统内核为组件），则是另一套逻辑。此外，OS 发展是“包容式”而非“替代式”，传统 OS 仍将长期存在于特定场景中。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>Q6：端侧 AI OS 未来会像手机一样普及吗？\u003C\u002Fstrong>\u003Cbr>\u003Cstrong>A：\u003C\u002Fstrong> 是历史的必然。遵循摩尔定律与知识密度定律，端侧算力将持续爆发。未来 AI 将像今天的网络连接一样成为基础设施，实现真正的 AI 普惠。\u003C\u002Fp>\n\u003Ch2 id=\"加入训练营\">\u003Ca class=\"anchor\" href=\"#加入训练营\" aria-label=\"跳转到标题：加入训练营\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>加入训练营\u003C\u002Fh2>\u003Cp>📺\u003Cstrong>完整课程内容，请观看直播或查看课程回放：\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cp>\u003Cstrong>InfiniTensor 官网\u003C\u002Fstrong>： \u003Ca href=\"https:\u002F\u002Fwww.infinitensor.com\">https:\u002F\u002Fwww.infinitensor.com\u003C\u002Fa>\u003C\u002Fp>\n\u003Cp>\u003Cstrong>B站直播\u003C\u002Fstrong>： InfiniTensor 官方直播间\u003C\u002Fp>\n\u003Cp>\u003Cstrong>视频号直播\u003C\u002Fstrong>： InfiniTensor 视频号预约\u003C\u002Fp>\n\u003Cp>\u003Cstrong>答疑交流\u003C\u002Fstrong>： 训练营官方社群⬇️\u003C\u002Fp>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002FKnowledge_Base\u002Fqun_1072.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=UdGSwlHaJVSdguhTpDPoAJlY%2FWs%3D\" alt=\"\">\u003C\u002Fp>\n\u003Ch2 id=\"关注与交流\">\u003Ca class=\"anchor\" href=\"#关注与交流\" aria-label=\"跳转到标题：关注与交流\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>关注与交流\u003C\u002Fh2>\u003Cp>\u003Cimg src=\"https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002Fportal_news\u002Fnews_ewm02.jpg?Expires=1792750070&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=JkBpnT%2F1rX67p8apii%2Flw7UNvG0%3D\" alt=\"\">\u003C\u002Fp>\n",[128,130,133,137,140,143,146,149,152,155,158,161,164,167,170,173,176,178,181,184,187,189],{"id":129,"text":129,"level":9},"讲师介绍",{"id":131,"text":132,"level":9},"操作系统-os-的发展历程与智能时代定位","操作系统 OS 的发展历程与智能时代定位",{"id":134,"text":135,"level":136},"1-操作系统的核心使命与驱动力","1. 操作系统的核心使命与驱动力",4,{"id":138,"text":139,"level":136},"2-操作系统发展的四个阶段","2. 操作系统发展的四个阶段",{"id":141,"text":142,"level":136},"3-大厂商演进","3. 大厂商演进",{"id":144,"text":145,"level":136},"4-ai-时代-os-的两大推动力","4. AI 时代 OS 的两大推动力",{"id":147,"text":148,"level":9},"os-for-ai-操作系统助力人工智能发展","OS for AI —— 操作系统助力人工智能发展",{"id":150,"text":151,"level":136},"1-os-支撑-ai-的三大维度","1. OS 支撑 AI 的三大维度",{"id":153,"text":154,"level":136},"2-两大定律与终端智能风口","2. 两大定律与终端智能风口",{"id":156,"text":157,"level":136},"3-训练阶段的系统级优化","3. 训练阶段的系统级优化",{"id":159,"text":160,"level":136},"4-推理阶段的系统级优化","4. 推理阶段的系统级优化",{"id":162,"text":163,"level":136},"5-产业界实践趋势","5. 产业界实践趋势",{"id":165,"text":166,"level":9},"os-with-ai-ai-技术赋能操作系统智能化","OS with AI —— AI 技术赋能操作系统智能化",{"id":168,"text":169,"level":136},"1-学术界探索-经典-ai-改进系统能力","1. 学术界探索：经典 AI 改进系统能力",{"id":171,"text":172,"level":136},"2-aios-大模型智能体操作系统","2. AIOS：大模型智能体操作系统",{"id":174,"text":175,"level":136},"3-产业界布局","3. 产业界布局",{"id":177,"text":177,"level":9},"麒麟团队的创新与实践",{"id":179,"text":180,"level":136},"1-关键技术突破","1. 关键技术突破",{"id":182,"text":183,"level":136},"2-opentiny-aipc-版成果","2. OpenTiny AIPC 版成果",{"id":185,"text":186,"level":9},"q-amp-a-精选答疑","Q&A 精选答疑",{"id":188,"text":188,"level":110},"加入训练营",{"id":190,"text":190,"level":110},"关注与交流"]