《AI开源创新：实践、政策与发展》课件

主要内容一开源对于AI创新的重要意义二AI开源创新的典型案例三AI开源创新面临的突出挑战四我国促进AI开源创新的主要政策五AI开源创新发展前景展望六结语开源对于AI创新的重要意义一开源1原意是开放计算机程序源代码，由美国程序员Bruce

Perens最早提出。1998年4月7日被当时非常有影响的“自由软件高层会议”采用，进而逐步扩散到全世界计算机行业。开源（Open

Source）开源创新2开源创新是指基于开放、协作、共享的原则，通过将技术、知识或资源的源代码（或设计）公开，允许任何人自由使用、修改、分发，并鼓励多方参与改进与迭代的创新模式。其本质是通过打破传统封闭式创新的边界，利用全球化的协作网络加速技术发展。开源创新是指各类创新主体以开放共赢和无边界协作理念为引领，开放源代码、软件、数据、架构、技术、平台、社区、生态、设计、硬件、文化等形式，以突破组织边界、低成本获取外部资源、实现高效率协同创新的创新模式。山东大学张玉明教授给出的开源创新定义软件领域开源创新的特点3开放共享源代码、设计文档或数据等核心资源向公众开放，消除技术壁垒。协作共创由开发者、企业、学术界等多元主体共同参与，贡献代码、反馈问题、优化功能。开源社区自由使用与再分发遵循开源许可证（如GPL、MIT、Apache），允许用户自由使用、修改并二次分发成果。透明与信任开发过程公开透明，代码修改和决策可追溯，增强用户信任。快速迭代通过社区反馈和贡献，持续优化产品，缩短开发周期。无开源，不AI4人工智能（AI）创新的三个支柱数据算法算力2012年，AlexNet算法在视觉识别领域的成功，是人工智能进入现代发展阶段的标志性事件。斯坦福大学教授李飞飞2009年6月，李飞飞的ImageNet项目初始版本正式发布，收录了1500万张图片，覆盖了22000个不同类别。这些图片从近10亿张候选图片中筛选出，并由来自167个国家的近5万名贡献者进行标注。2012年9月30日，一个名为AlexNet的算法成为了新一届ImageNet大规模视觉识别挑战赛的冠军。AlexNet的成功同时也得益于英伟达2007年发布的基于GPU的CUDA编程体系。2024年诺贝尔物理学奖得主辛顿AI发展需要技术生态、创新生态和开源生态的良性互动5创新生态开源生态技术生态开源项目开源社区开源协议开发者开源组织数据算法算力创新环境创新要素创新主体创新机制应用开发模型算法平台架构基础设施AI开源创新的典型案例二企业案例：DeepSeek1开发者协作开源目的商业化前站生态共重塑话语权掌控DeepSeek创始人梁文锋模型开源：发布部分大模型的开源版本，提供参数权重和推理代码。支持学术研究与非商业使用，部分模型允许商用。工具链开放：开源训练框架、数据处理工具或部署优化方案，简化开发流程。数据集共享：公开部分高质量训练数据，助力社区复现和改进模型。开源举措：技术性开源社区运营：建立开发者社区，提供文档、教程和案例。举办竞赛，激励开发者参与。学术合作：与高校、研究机构合作，推动开源模型在学术界的应用，提升论文引用和技术口碑。开源举措：社区性开源分层产品策略：开源“社区版”模型（规模较小或功能受限），引导用户付费使用更大规模或定制化的“企业版”。云服务集成：通过云平台（如DeepSeek

API）提供高性能推理、微调服务，与开源模型形成互补。技术支持与认证：为企业提供基于开源模型的技术支持、培训或认证服务，实现盈利。开源举措：商业性开源打破了以OpenAI为代表的美西方技术绝对优势开源成效提振了全球AI开源创新热情重置了市场格局激励了国内AI创新者生态案例：华为22020年，华为开源了一站式AI大模型平台MindSpore，其作为自主技术含量极高的开源深度学习训练和推理框架，与自主研发的openEuler、openGauss、OpenHarmony等多个平台级基础软件开源项目形成联动，形成华为开源生态系统。依托MindSpore开源框架培育打造昇思人工智能开源社区，为全面提升MindSpore在技术上的自主原生性，坚持以技术内容连接社区，通过昇腾AI创新大赛、模型开发挑战赛等方式培养社区优质开发者，持续提升社区技术原生力的同时推动社区开发者成长力快速提升。生态案例：阿里巴巴3平台案例：北京智源人工智能研究院42023年2月，北京智源人工智能研究院发布FlagOpen（飞智）大模型技术开源体系，开放中文世界首个开源数据标注平台OpenLabel，启动“数据飞轮”开源数据互助公益计划。针对大模型训练算力消耗高的问题，北京智源人工智能研究院和中国电信人工智能研究院联合研发并推出全球首个低碳单体稠密万亿语言模型Tele-FLM-1T。平台案例：OpenI5OpenI启智社区作为国内产业联盟驱动型人工智能开源创新生态的典型代表，是在鹏城实验室的支撑下，由新一代人工智能产业技术创新战略联盟组织产学研用协作共建共享的开源平台与社区。模式案例：智普AI6应用层面资本层面“投资+孵化”AI开源创新面临的突出挑战三数据与资源挑战（一）高质量数据获取困难1算力资源限制2市场与竞争挑战（二）与闭源模型的竞争1商业模式的探索2法律与合规挑战（三）数据隐私风险1自采数据若通过爬虫技术获取，可能违反相关协议，导致知识产权侵权、不正当竞争等法律问题。同时，训练数据本身可能存在偏见或不准确的问题，进而导致模型输出结果存在歧视和偏见，带来伦理和法律风险。知识产权问题2许可协议复杂性3我国促进AI开源创新的主要政策四2000年，国家863计划计算机主题推动成立共创开源联盟。2004年以来，中国开源软件促进联盟（COPU）持续推进OSS发展。2008年以来，国家推出了一系列重点研发计划，持续支持开源。2020年，开放原子开源基金会成立。中央政府：研发支持及监管12017年《新一代人工智能发展规划》2021年《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》《互联网信息服务算法推荐管理规定》2022年《互联网信息服务深度合成管理规定》2023年《生成式人工智能服务管理暂行办法》《科技伦理审查办法（试行）》《“数据要素×”三年行动计划（2024—2026年）》2024年《国家人工智能产业综合标准化体系建设指南（2024版）》中央政府：产业生态22025年政府工作报告明确“支持大模型广泛应用”，将“人工智能+”作为新质生产力的核心抓手，新增具身智能、6G等未来产业方向。地方政府3《北京市促进通用人工智能创新发展的若干措施》《北京市推动“人工智能+”行动计划（2024—2025年）》《上海市促进人工智能产业发展条例》《深圳经济特区人工智能产业促进条例》《贵州省推动人工智能高质量发展行动方案（2025—2027年）》《河南省推动“人工智能+”行动计划（2024—2026年）》《广东省关于人工智能赋能千行百业的若干措施》《广西“人工智能+制造”行动方案（2025—2027年）》《关于打造“算力之都”促进人工智能产业发展的若干政策（试行）》《青海省绿色算力基地建设方案》发展方向4加快开源基础设施建设赋能产业转型升级提升开源治理水平优化开源发展环境AI开源创新发展前景展望五技术演进：开源推动AI底层创新1大模型开源化加速以Meta的LLaMA、StabilityAI的StableDiffusion等为代表，开源大模型将持续降低技术门槛，推动学术界与产业界协作优化模型效率（如推理速度、能耗）、可解释性及多模态能力。工具链与框架迭代开源社区将进一步完善AI开发工具链（如HuggingFace的Transformers库、LangChain等），支持从数据标注、模型训练到部署的全生命周期管理，促进“低代码/无代码”AI开发普及。缘计算与轻量化开源框架（如TensorFlow

Lite、ONNX

Runtime）将更注重边缘设备适配，推动AI在物联网、自动驾驶等场景的落地，同时探索联邦学习等隐私保护技术的开源实现。行业应用：开源生态驱动垂直场景渗透2行业专用模型涌现企业级开源商业化长尾场景激活生态构建：开放协作重塑创新范式3数据共享机制突破开源社区将探索去中心化数据协作模式（如区块链确权、数据联邦），解决数据孤岛问题，同时保障隐私安全。开发者社区全球化GitHub、GitLab等平台将进一步连接全球开发者，形成跨地域协作网络，发展中国家通过开源获取技术跃迁机会。产学研融合深化高校与研究机构通过开源释放科研成果，企业反哺社区形成良性循环，加