如果您希望可以时常见面，欢迎标星收藏哦~ 通常情况下，我会写一些文字来描述这种情况。但是，我将直接引用 Zero ASIC 的 Platypus 新闻 稿，因为该公司首席执行官 Andreas Olofsson 对情况的总结非常出色： 对于航空航天、国防、医疗保健、通信、汽车和工业应用中基于 FPGA 的系统而言，过时是一个 关键问题，因为这些系统的使用寿命通常为 10 至 50 年。例如，以 F-35 战斗机的研发为例，该 战 斗 机 于 1997 年 开 始 研 发 ， 但 直 到 2021 年 才 投 入 全 面 生 产 。 在 此 期 间 ， 晶 体 管 密 度 增 加 了 10,000 倍，FPGA 行业也推出了六代新架构。 "半导体技术的不断进步与缓慢的基础设施开发周期之间的不匹配，导致美国军方在与器件淘汰相 关的非工程成本上花费了约 500 亿至 700 亿美元，而所有替换半导体零件中有 15% 都是假冒 的。" 这两段阐述了 eFPGA IP 的基本原理，它可以通过增加一定程度的可编程性，帮助 ASIC 或 SoC 设计更具弹性。然而，这种可编程性在芯片内部的有效性完全取决于 eFPGA 模块 ...

开源与AI融合趋势 - 开源和开放标准正逐步成为推动人工智能发展的核心力量，企业和用户越来越需要透明、安全且可信的系统[5] - Linux基金会正在推动一项专为AI模型设计的新型许可证OpenMDW，涵盖模型架构、数据集、参数、文档与工具[7] - 开源AI的成功不仅源于代码本身，更来自于一个中立、开放且富有活力的社区[5] 大模型技术发展趋势 - 多模态统一架构成为重要方向，Meta的BLT架构展示了这一方向的可行性，2025年有望诞生具突破性的统一模型[3] - 高效注意力机制快速发展，包括线性注意力、动态稀疏注意力和混合注意力等[3] - 二阶优化正逐步应用于大规模训练场景，未来将在提升训练效率和模型泛化能力方面扮演关键角色[3] - 后训练阶段成为关键环节，在特定任务优化中发挥越来越重要的作用[6] AI基础设施演进 - Docker Model Runner可实现本地化GPU推理，加速AI应用落地[12] - Kubetorch在ML模型执行与部署流程中展现高效性与可调试性[12] - RAGFlow通过开源手段解决数据质量差、语义匹配低等难题，提升企业级RAG系统表现[13] - WGML基于Rust与WebGPU构建轻量化、高性能的GPU推理框架[13] AI应用与智能体发展 - OAKS架构以知识图谱和AI记忆系统为核心，强调开放式生态对智能体成长的意义[16] - OpenManus通过增强推理规划和跨环境运行能力，为LLM智能体应用拓展新可能性[16] - CAMEL框架深入研究智能体社群行为与协作机制[17] - Agentic Search为智能体的信息获取与决策提供新思路[17] 具身智能前沿进展 - Unitree开源G1类人机器人的运行数据集，支持多种开源解决方案[19] - 将语言模型接入机器人，通过手势、声音与表情实现人工共情[20] - 新型数据采集框架支持跨任务、跨环境的机器人泛化学习[20] - "大脑-小脑协同"框架融合高层认知推理与快速低延迟运动响应[20] 开源模型实践案例 - Qwen系列模型在多语言理解与生成任务中实现能力突破[9] - LUCIE-7B模型实现从训练代码到数据集全开放[10] - MiniCPM展示小模型在效率和性能上的平衡优势[10] - Llama 4在具身智能场景中展现自主决策与人机协作潜力[28] PyTorch生态创新 - TorchCodec优化解码流程，使视频和音频数据高效转换为PyTorch张量[27] - vLLM扩展大语言模型推理，借助多加速器部署与量化技术提升性能[27] - DeepSpeed在极大规模模型训练的计算、通信和I/O优化方面发挥作用[30] - Lightning Thunder将PyTorch代码编译为优化的分布式代码[30]

阿里云的AI模型"通义千问（Qwen）"（REUTERS） 日本野村综合研究所的李智慧就通义千问指出："由于能以较少的数据集实现较高的精度，因 此在多个指标上的高度的日语能力得到了评价"。 在日经4月公开的"AI模型评分"榜中，阿里云的"通义千问（Qwen）"模型超过了中国DeepSeek 的模型，在113个模型中位居第6。作为开源模型，通义千问正在得到很多日本新兴企业的使用。在 评分榜位居日本企业首位的模型正是基于通义千问开发…… 中国阿里巴巴集团旗下的阿里云（Alibaba Cloud）的人工智能（AI）模型"通义千问（Qwen）"在 日本的存在感在提高。 作为向外部开放技术的开源模型，通义千问正在得到包括AI开发企业 ABEJA等日本国内新兴企业的使用。 在日本经济新闻（中文版： 日经中文网）4月公开的"AI模型 评分"榜中，通义千问的模型超过了中国DeepSeek的模型，位居第6。 ABEJA于4月17日发布了新模型"QwQ-32B Reasoning Model"。该模型为能够进行连贯性思考 并输出答案的逻辑推理型，展现出了很高的性能。该模型的开发基础正是阿里巴巴的通义千 问模型。 通义千问在日本以 ...

在日常开发工作中，无论是前端、后端还是全栈开发者，经常会用到 Github 上的一些开源项目，很多刚接触的新项目，如果没有文档几乎无从下 手。 之前介绍过一个将 Github 代码可视化的工具： 用它看代码舒服多了，一键可视化！GitHub 代码仓库秒变图表 ，这还只是变成结构图。 近期 Cognition AI 又推出了他们的新产品 DeepWiki ，一个被誉为"代码仓库维基百科"的 AI 驱动平台，彻底改变了我们探索和理解开源项目的 方式。 DeepWiki 是一个由 Cognition AI 开发的免费、开源的 AI 驱动工具，旨在将 GitHub 上的代码库转化为结构化、互动式的维基百科式知识库。 DeepWiki 利用大型语言模型（LLM）深入理解代码语义，帮助开发者快速掌握代码库的结构、逻辑与设计。 要使用它非常简单，只需将 GitHub 仓库的 URL 中的 "github" 替换为 "deepwiki"（例如，把 https://github.com/vuejs/core 改为 https:// deepwiki.com/vuejs/core ），即可免费访问公共仓库的 AI 生成文档，无需 ...

4月22日上午，上海国投公司党委书记、董事长袁国华接待来访的开源中国董事长马越、CEO徐勇一 行，就全球人工智能产业发展趋势、中国开源生态体系现状和中国人工智能开源生态建设等情况开展座 谈交流。袁国华表示，上海国投公司希望以此为契机，将开源中国作为重要的战略合作伙伴，在中国开 源生态建设、开源人才聚拢、国产自主可控、开源投资基金、产业应用培育等方面开展深入合作。(新 浪财经) ...

文章核心观点 Rackspace Technology推出Rackspace OpenStack Flex共享云服务，该服务基于OpenStack软件，能解决现代化需求、缓解供应商锁定问题，为企业带来多方面好处 [1][2] 公司动态 - Rackspace Technology宣布推出Rackspace OpenStack Flex共享云服务，提供安全开放的基础设施即服务，含24x7专家支持和全监控维护的基础设施 [1] - 该服务基于OpenStack软件，能助力创新、提高效率并保障关键任务应用的服务水平 [2] 行业情况 - 超80%的云买家计划对现有云资产进行现代化改造，近90%的买家正在部署或已在运营混合云 [2] 服务优势 - 开源生态系统：避免供应商锁定，支持创新和社区驱动的改进 [5] - 安全合规：满足行业领先的安全标准，保护企业业务 [5] - 可扩展性和灵活性：轻松扩展基础设施，满足业务需求变化且不影响性能 [5] - 成本效益：无许可证费用，在保持高性能和可靠性的同时降低运营总成本 [5] - 企业级支持：可获得Rackspace的365天24x7专家支持，确保云操作顺利高效 [5] - 高可用性、容错性和弹性：内置可用性、容错基础设施及集成备份和灾难恢复选项，实现最大正常运行时间 [5] - 成本管理：利用开源、全托管基础设施的成本优势控制云支出 [5] - 集成编排：通过操作系统、虚拟机和容器的集成编排简化应用部署和管理 [5] 公司介绍 - Rackspace Technology是领先的端到端、混合和人工智能解决方案公司，能为客户设计、构建和运营跨主要技术平台的云环境 [4]

明敏 发自 凹非寺 量子位 | 公众号 QbitAI 在AI爆发的时代，Git也是AI开发不可或缺的一部分。几乎所有知名的AI库和模型都在GitHub上维护。 不过鲜为人知 的是，这个影响全球的系统，最初版本的开发，仅用了10 天时间 —— 当时Linux社区使用的BitKeeper由于授权被取消，不再免费提供给开源社区。 于是，创建了Linux的传奇大佬Linus Torvalds再次出马，Git由此而来。 4个月思考+10天执行 转眼间 Git诞生20周年 了！ 为了给Git庆生，如今鲜少公开露面的Linus罕见接受采访，更多幕后故事被更进一步展开。 2005年4月7日，Linux之父Linus Torvalds，提交了Git的首个版本。 凭借开源、分布式、本地可控等特点，Git快速从一个小型的个人项目发展成为目前全球最广泛使用的版本控制系统。 后续随着GitHub、GitLab等平台共同推动，Git彻底改变了世界构建软件的方式， 如今已经成为"开源的默认语言" 。 对于Linus本人而言，"10天开发Git"这个传说其实有点夸张。 10天只是最后写代码的时间，构思Git最初的框架实际用了4个月。 当时， ...

DeepSeek开源的影响 - DeepSeek开源后，中腰部AI公司和本土芯片公司受益显著，53AI创始人杨芳贤表示存量客户中一半以上将基座模型切换到DeepSeek，客户多为中大型民营企业 [1] - AI应用创业热度提升，芯片公司合作需求在春节后环比增长两倍 [1] - 大模型"六小虎"商业模式受到冲击，面临开源与不开源的两难选择 [1][2] DeepSeek开源的具体行动 - DeepSeek宣布"开源周"计划，已开源4个代码库（FlashMLA、DeepEP、Deep GEMM、Optimized Parallelism Strategies），涉及大模型推理、MoE模型和FP8计算性能优化 [3][7] - 开源代码优化算法，将GPU算力"榨取"到极致，降低中小开发者构建高性能模型的成本 [7] - DeepSeek相关人员低调出席全球开发者先锋大会（GDC）闭门会，时间点与"开源周"吻合 [3][10] 行业受益者分析 - 芯片公司如燧原、沐曦、天数、智芯、摩尔线程、壁仞等可更多介入训练和推理业务 [7] - 基础层硬件公司和一体机厂商受益，冯博比喻"谁不给DeepSeek配一体机，就相当于孩子上大学不给配电脑" [7] - AI中间层公司（如53AI）和应用层公司需求增长，客户询问接入DeepSeek已成为标配 [7][8] DeepSeek的战略意图 - DeepSeek可能对标安卓生态，杨芳贤认为"OpenAI可能是'IOS'，而DeepSeek就是'安卓'" [4][10] - 开源计划助长行业开源风气，迫使部分厂商跟进开源，如百度宣布即将开源文心大模型 [3][10] - DeepSeek官方API服务仍由自建服务器支持，商业化问题可能成为下一挑战 [10] 国际市场反应 - DeepSeek开源后，美股七大科技巨头市值蒸发约1.4万亿美元，英伟达股价收跌2.8% [5] - 黄仁勋表示DeepSeek会加速AI采用，但后期训练和推理仍需大量计算资源 [5] - 行业人士认为国产芯片（如昇腾）可支持推理算力需求，DeepSeek并不缺资源 [5]