问题——人工智能正加速进入生产生活，但真正“跑起来”仍受到生态割裂的限制。近年来，大模型、智能体等技术迭代迅速，政务、制造、教育、医疗等场景的应用不断出现。然而，从芯片到框架、从模型到应用的产业链协同成本依然不低：不同芯片架构与软件栈兼容性不足——迁移适配周期长、成本高——企业重复投入突出，中小开发者进入门槛也偏高。如何让创新成果更快转化为普遍可用的能力，成为论坛现场反复被提及的话题。 原因——底层生态的“碎片化”抬高了创新与扩散的代价。与会专家认为，当前芯片类型、指令体系、算子实现和加速方式差异较大，应用层的大模型与智能体跨平台部署时往往需要逐一适配，形成“各做各的标准”的局面。对企业来说，这意味着更长的研发周期和更高的工程维护投入；对行业来说，容易造成资源分散与重复建设，影响技术普惠和规模化推广。尤其机器人、端侧智能等对实时性、能耗与可靠性要求更高的领域，底层不统一带来的成本会被更放大。 影响——开源开放正在把“兼容难题”转化为“协作收益”。论坛期间，北京智源人工智能研究院等机构联合发布“众智FlagOS2.0”，实现对18家厂商、32款人工智能芯片的全场景支持。业内人士认为，这类面向多硬件平台的公共技术栈，有望在芯片与上层软件之间形成相对稳定的“通用层”，减少重复适配，让模型、工具链与应用更顺畅地迁移部署。其价值不仅是提升效率，也在于推动产业从“单点突破”走向“协同演进”，让创新成果更容易复用、验证和扩散。 会场外的应用展示也呈现了开放生态的实际价值。在机器人餐饮服务等场景中，制作饮品、加工小吃、分拣递送等环节由不同企业的机器人协同完成，背后依托开放的具身智能“中枢”和工作平台，使设备接口衔接更顺、任务调度更高效。这意味着机器人产业正从“单机智能”向“系统协作”升级，而开源开放有助于打破“各自为战”的协作壁垒，推动形成更易复制、可扩展的场景化解决方案。 对策——以开源为纽带补齐标准化能力，构建可持续的开放生态。多位与会人士表示，开源不只是“把代码放出来”，关键在于建立长期可运转的治理机制和协作网络：一是推动核心组件、工具链与运行环境开放共享，降低开发门槛，提高跨平台部署效率；二是完善测试认证、接口规范、版本治理等配套体系，避免出现“能用但不好用”“开源却难维护”的问题；三是鼓励龙头企业、高校院所与开发者社区共同参与，围绕高频行业需求形成“开源—验证—迭代—应用”的闭环。中国科学院院士王怀民表示，开源的核心是以协作替代单打独斗，通过汇聚群体智慧提升研发效率、降低成本，并扩大受益范围。 国际层面，开放协作的边界也在延伸。论坛现场，中国研发团队与欧洲开源组织Eclipse基金会围绕“众智FlagOS”签署合作协议。涉及的人士指出，人工智能产业链全球化程度高，只有在开放框架下加强互通互认、共建共享，才能更好应对技术迭代快、应用需求多样的挑战，为更广泛的创新协作提供支撑。 前景——开放共享将推动人工智能走向“更快、更省、更普惠”，也对治理提出更高要求。业内预计，随着统一技术栈与开源协作持续推进，人工智能在端侧部署、行业大模型、机器人协作等方向的落地速度将进一步加快，创新成本有望下降，更多中小企业与个人开发者能够参与其中。同时也需要看到，生态越开放，越需要在安全合规、知识产权、数据保护与供应链可靠性诸上完善制度与技术保障，在发展与安全之间保持动态平衡。
人工智能的下一程，不仅取决于模型参数和算力规模的增长，更取决于能否建立开放、兼容、可持续的协作体系。以开源开放打通“接口”、沉淀公共底座，既是提升产业效率的现实路径，也是让更多人共享技术红利的长远之策。