Lanskap AI telah mengalami transformasi dramatik dalam setahun yang lalu, didorong oleh semangat kolaboratif pembangunan sumber terbuka. Tidak lagi semata-mata domain gergasi teknologi, model bahasa besar (LLM) kini berkembang melalui usaha komuniti dan perkongsian terbuka, memberi kesan kepada segala-galanya daripada infrastruktur kepada pengoptimuman algoritma dan penggunaan. Pergerakan sumber terbuka ini mempercepatkan kemajuan AI, menjadikannya lebih mudah diakses dan mendemokrasikan peluang untuk menyumbang kepada generasi sistem pintar seterusnya.
Dengan latar belakang ini, persidangan GOSIM AI Paris 2025, yang dihoskan bersama oleh GOSIM, CSDN dan 1ms.ai, bermula pada 6 Mei di Paris, Perancis. Acara ini berfungsi sebagai platform penting, menghubungkan pengamal dan penyelidik teknologi global untuk meneroka penemuan terkini dan hala tuju masa depan dalam AI sumber terbuka.
Persidangan ini menawarkan barisan lebih 80 pakar dan sarjana teknologi yang mengagumkan dari organisasi terkemuka seperti Alibaba, Hugging Face, BAAI, MiniMax, Neo4j, Dify, MetaGPT, Zhipu AI, Eigent.AI, Docker, Inflow, Universiti Peking, Fraunhofer, Universiti Oxford, dan komuniti openLLM Perancis. Rakan kongsi utama, termasuk Huawei, Persatuan Inovasi dan Keusahawanan Belia Seluruh China di Perancis, Persatuan Kecerdasan Buatan Sino-Perancis, Yayasan Perisian Apache, Yayasan Eclipse, Kumpulan Khronos, WasmEdgeRuntime, LF Generative AI Commons, Penyelidikan Yayasan Linux, Yayasan OpenWallet, Inisiatif Sumber Terbuka (OSI), Warisan Perisian dan K8SUG, juga mengambil bahagian secara aktif. Persidangan ini menampilkan lebih 60 sesi teknikal yang berpusat di sekitar tema teras seperti model AI, infrastruktur, penggunaan aplikasi dan kecerdasan terjelma, memberikan pandangan yang komprehensif tentang evolusi ekosistem sumber terbuka dan trend yang baru muncul.
Hubungan Simbiosis Antara AI dan Sumber Terbuka
Michael Yuan, pengasas bersama GOSIM, memulakan persidangan dengan ucaptama bertajuk "Sumber Terbuka Telah Mengejar, Apa Seterusnya?" Beliau berkongsi pandangannya tentang keadaan semasa dan trajektori masa depan AI sumber terbuka, menekankan bahawa ia telah mencapai momen penting.
"Kami pernah meramalkan bahawa ia akan mengambil masa 5-10 tahun untuk sumber terbuka untuk mengejar model sumber tertutup, tetapi nampaknya matlamat ini telah dicapai lebih awal daripada jadual," kata Yuan. Beliau memetik keluaran Qwen 3 baru-baru ini sebagai contoh, dan menyatakan bahawa model sumber terbuka tidak lagi hanya bersaing antara satu sama lain tetapi kini secara langsung mencabar model perdana proprietari, malah melampaui mereka dalam penanda aras tertentu. Yuan juga mencadangkan bahawa kemajuan ini bukan sahaja disebabkan oleh kemajuan sumber terbuka tetapi juga hasil daripada pembangunan sumber tertutup yang gagal memenuhi jangkaan dan menghadapi kesesakan prestasi. Sebaliknya, model sumber terbuka berkembang pesat, mempamerkan lengkung pertumbuhan prestasi yang curam dan menunjukkan fenomena "mengejar" yang benar.
Pemerhatian ini menimbulkan persoalan asas: Sejauh mana kita daripada mencapai Kecerdasan Buatan Umum (AGI)? Yuan percaya bahawa masa depan AGI mungkin tidak terletak pada model tunggal dan merangkumi semua tetapi lebih kepada rangkaian model khusus, pangkalan pengetahuan dan alatan yang digunakan pada perkakasan persendirian atau peranti robotik.
Beliau seterusnya menjelaskan bahawa seni bina AI beralih daripada paradigma terpusat kepada paradigma terpencar. Beliau mengetengahkan peralihan OpenAI daripada Completion API kepada Responses API baharu, yang bertujuan untuk membina platform ejen pintar berskala besar. Hampir 600,000 pengguna dan pembangun telah menyertai transformasi ini, menyumbang kepada pembangunan aplikasi AI teragih.
"Masa depan AGI tidak seharusnya dibangunkan secara eksklusif oleh syarikat tunggal yang dibiayai dengan baik," tegas Yuan. "Sebaliknya, ia harus dibina melalui kerjasama global, mewujudkan rangkaian ekosistem yang merangkumi model, pangkalan pengetahuan, robot dan sistem pelaksanaan."
Berikutan ucapan Yuan, Daniel Goldscheider, Pengarah Eksekutif Yayasan OpenWallet, menyampaikan pembentangan tentang "Dompet & Kelayakan GDC," yang memfokuskan pada projek Kompak Digital Global (GDC), yang diterima pakai oleh Perhimpunan Agung Pertubuhan Bangsa-Bangsa Bersatu. Beliau menjelaskan bahawa GDC mempunyai dua objektif utama:
- Mengiktiraf bahawa teknologi digital telah mengubah kehidupan dan pembangunan masyarakat kita secara mendalam, membawa kedua-dua peluang yang belum pernah terjadi sebelumnya dan risiko yang tidak dijangka.
- Menekankan bahawa merealisasikan potensi penuh teknologi digital untuk manfaat semua manusia memerlukan kerjasama global, memecahkan halangan antara negara, industri, dan juga sektor awam dan swasta.
Berdasarkan pemahaman bersama ini, GDC telah melahirkan inisiatif "Kerjasama Digital Global", yang bertujuan untuk memupuk kerjasama tulen antara kerajaan, perniagaan, organisasi bukan untung dan pihak berkepentingan lain.
Apabila membincangkan aspek operasi, Goldscheider menekankan bahawa kerjasama ini tidak didikte oleh mana-mana organisasi tunggal tetapi sebaliknya mengamalkan pendekatan "perhimpunan bersama", menjemput semua organisasi antarabangsa, badan penetapan standard, komuniti sumber terbuka dan organisasi antara kerajaan yang berminat untuk mengambil bahagian. Beliau menjelaskan bahawa ini bukan projek "siapa memimpin siapa" tetapi platform kerjasama yang sama di mana setiap pihak mempunyai suara dan tiada siapa yang lebih penting daripada yang lain.
Beliau seterusnya menjelaskan bahawa Kerjasama Digital Global tidak bertujuan untuk membangunkan standard atau teknologi secara langsung tetapi lebih untuk memudahkan dialog antara organisasi dari pelbagai latar belakang, membolehkan mereka membentangkan perspektif dan keperluan mereka untuk mencapai kata sepakat. Selepas itu, piawaian khusus dan kerja teknikal akan dimajukan oleh badan khusus yang berkaitan. Beliau memetik "identiti digital" dan "teknologi biometrik" sebagai contoh, dan menyatakan bahawa banyak organisasi sudah bekerja dalam bidang ini, dan mengetengahkan keperluan untuk platform neutral untuk menghimpunkan semua orang, mengelakkan pertindihan, konflik dan pembaziran sumber.
Empat Forum Khusus: Analisis Komprehensif AI Sumber Terbuka
Persidangan ini menampilkan empat forum khusus: Model AI, Infrastruktur AI, Aplikasi AI dan Kecerdasan Terjelma. Forum-forum ini meliputi topik kritikal yang terdiri daripada seni bina asas kepada penggunaan aplikasi, dan daripada keupayaan model kepada amalan ejen pintar. Setiap forum menjadi tuan rumah kepada pakar terkemuka daripada perusahaan dan institusi penyelidikan global, menyediakan kedua-dua analisis mendalam tentang trend teknologi terkini dan mempamerkan kes amalan kejuruteraan yang kaya, menunjukkan integrasi dan evolusi komprehensif AI sumber terbuka merentas pelbagai bidang.
Menyahlolakan Logik Asas Model Besar AI
Forum Model AI menghimpunkan pakar daripada komuniti sumber terbuka dan institusi penyelidikan untuk berkongsi pandangan tentang inovasi seni bina, kerjasama sumber terbuka dan evolusi ekosistem dalam bidang model besar.
Guilherme Penedo, Jurutera Penyelidikan Pembelajaran Mesin di Hugging Face, membentangkan "Open-R1: Pengeluaran Semula Sumber Terbuka Penuh DeepSeek-R1," mempamerkan usaha projek Open-R1 dalam mereplikasi model DeepSeek-R1, dengan tumpuan untuk mempromosikan keterbukaan dan penyeragaman data yang berkaitan dengan tugas inferens. Guang Liu, Ketua Teknologi Pasukan Penyelidikan Data di Institut Penyelidikan Zhiyuan, berkongsi "OpenSeek: Inovasi Kolaboratif Ke Arah Generasi Model Besar Seterusnya," menekankan kepentingan kerjasama global dalam memacu penemuan dalam prestasi model di peringkat algoritma, data dan sistem, dengan matlamat untuk membangunkan generasi model besar seterusnya yang melampaui DeepSeek.
Jason Li, Naib Presiden Kanan CSDN, menyampaikan "Menyahkod DeepSeek: Inovasi Teknologi dan Kesannya Terhadap Ekosistem AI," memberikan analisis mendalam tentang inovasi DeepSeek dalam paradigma teknikal, seni bina model dan ekologi perindustrian, serta potensi impaknya terhadap ekosistem AI global. Yiran Zhong, Pengarah Penyelidikan Kanan di MiniMax, membentangkan "Masa Depan Linear: Evolusi Seni Bina Model Bahasa Besar," memperkenalkan mekanisme Lightning Attention yang dicadangkan oleh pasukan itu, yang menawarkan alternatif yang berpotensi kepada seni bina Transformer dari segi kecekapan dan prestasi. Shiwei Liu, Felo Antarabangsa Royal Society Newton di Universiti Oxford, membincangkan "The Depth Curse in Large Language Models," meneroka sumbangan yang berkurangan bagi rangkaian saraf dalam apabila model semakin mendalam, dan mencadangkan penggunaan LayerNorm Scaling untuk meningkatkan mekanisme Pre-LN untuk meningkatkan penggunaan lapisan dalam dan kecekapan keseluruhan. Diego Rojas, Jurutera Penyelidikan di Zhipu AI, menegaskan dalam "Model Bahasa Besar Kod: Meneroka Di Sebalik Token" bahawa model besar semasa, walaupun berkuasa, masih bergantung pada tokenisasi, yang tidak cekap, dan berkongsi kaedah baharu untuk melangkau tokenisasi untuk menjadikan model lebih pantas dan lebih kukuh. Nicolas Flores-Herr, Ketua Pasukan Model Asas di Fraunhofer IAIS, mengakhiri forum dengan "Bagaimana Membina Model Bahasa Besar ‘Buatan Eropah’ yang Berdaya Saing di Peringkat Global?" menekankan bahawa Eropah mengatasi cabaran data, kepelbagaian dan pengawalseliaan melalui projek model besar tempatan berbilang bahasa, sumber terbuka dan boleh dipercayai, untuk membina generasi AI seterusnya yang mencerminkan nilai-nilai Eropah.
Triad Infrastruktur AI: Data, Kuasa Pengkomputeran dan Evolusi Algoritma
Memfokuskan pada pembinaan asas yang lebih terbuka, cekap dan inklusif untuk model besar, forum Infrastruktur AI menghimpunkan pakar terkemuka daripada institusi penyelidikan dan perusahaan untuk terlibat dalam perbincangan mendalam mengenai isu utama seperti data, kuasa pengkomputeran dan seni bina sistem.
Yonghua Lin, Naib Presiden Institut Penyelidikan Zhiyuan (BAAI), melancarkan Korpus Internet Cina CCI 4.0 dalam "AI Sumber Terbuka untuk Kebaikan: Aplikasi Inklusif, Data Adil dan Kuasa Pengkomputeran Universal," meliputi tiga set data utama: CCI4.0-M2-Base V1, CCI4.0-M2-CoT V1 dan CCI4.0-M2-Extra V1. CCI4.0-M2-Base V1 mempunyai volum data sebanyak 35000GB, adalah dwibahasa dalam bahasa Cina dan Inggeris, dengan 5000GB data Cina, peningkatan 5 kali ganda dalam skala data berbanding CCI3.0. CCI4.0-M2-CoT V1 mengandungi 450 juta data trajektori pemikiran manusia yang disintesis terbalik untuk meningkatkan keupayaan penaakulan, dengan jumlah token sebanyak 425B (425 bilion), hampir 20 kali ganda saiz Cosmopedia (sumber terbuka oleh Hugging Face), set data sintetik sumber terbuka terbesar yang tersedia di peringkat global pada masa ini.
Xiyuan Wang, Jurutera Perisian Kanan di Huawei, kemudian memperkenalkan cara seni bina CANN menghubungkan rangka kerja AI dan perkakasan Ascend dalam "Amalan Terbaik untuk Latihan dan Inferens Berdasarkan Ascend CANN," dan mencapai inferens latihan yang optimum melalui menyokong ekosistem seperti PyTorch dan vLLM. Guillaume Blaquiere, Arkitek Data di Carrefour, menunjukkan cara menggunakan contoh model besar tanpa pelayan yang menyokong GPU melalui Google Cloud Run untuk mengurangkan kos dan meningkatkan kecekapan penggunaan sumber dalam "Menjadikan LLM Anda Tanpa Pelayan." Yinping Ma, Jurutera di Universiti Peking, menyampaikan ucapan utama tentang "Perisian Asas Pengurusan dan Penjadualan Bersepadu Pengkomputeran Pintar Sumber Terbuka - SCOW dan CraneSched," memperkenalkan dua perisian asas sumber terbuka utama yang dibangunkan oleh Universiti Peking, SCOW dan CraneSched, yang telah digunakan di berpuluh-puluh universiti dan perusahaan di seluruh negara, menyokong pengurusan bersatu dan penjadualan berprestasi tinggi sumber pengkomputeran pintar. Yaowei Zheng, calon PhD di Universiti Beihang, berkongsi konsep reka bentuk seni bina pengawal hibrid dalam sistem Verl dalam ucapan "verl: Sistem RLHF Berdasarkan Pengawal Hibrid", dan membincangkan kelebihan kecekapannya dalam latihan pembelajaran pengukuhan berskala besar. Greg Schoeninger, Ketua Pegawai Eksekutif Oxen.ai, membentangkan "Set Data Latihan dan Infrastruktur untuk Pembelajaran Pengukuhan Gaya DeepSeek-R1 (GRPO)" dan memperincikan laluan amalan untuk proses latihan pembelajaran pengukuhan untuk model LLM penaakulan, termasuk pembinaan set data, pembinaan infrastruktur dan model penjanaan kod latihan tempatan.
Daripada "Bolehkah Ia Digunakan" kepada "Adakah Ia Digunakan Dengan Baik": Aplikasi AI Memasuki Peringkat Praktikal
Dalam forum Aplikasi AI, pengamal R&D dan pembuat keputusan teknologi daripada syarikat terkemuka berkongsi pelbagai pandangan, mempamerkan laluan penggunaan dunia sebenar dan kemungkinan masa depan aplikasi AI yang didorong oleh model besar.
Yongbin Li, Ketua Penyelidik di Alibaba Tongyi Lab, berkongsi kemajuan terkini Tongyi Lingma dalam evolusi teknikal dan aplikasi produk dalam "Tongyi Lingma: Daripada Copilot Pengekodan kepada Ejen Pengekodan." Dongjie Chen, Jurutera Perisian di Huawei, menyampaikan ucapan utama tentang "Cangjie Magic: Pilihan Baharu untuk Pembangun dalam Era Model Besar," memperkenalkan rangka kerja pembangunan Ejen model besar AI berdasarkan bahasa pengaturcaraan Cangjie, yang boleh meningkatkan kecekapan pembangun dengan ketara dalam membina aplikasi HarmonyOS pintar dan membawa pengalaman pembangunan yang sangat baik. Xinrui Liu, Pengarah Ekosistem Pembangun LangGenius, memfokuskan pada "Bekerja Bersama, Kuasa Teknikal Didayakan oleh Dify," menekankan ekosistem sumber terbuka Dify dan peranannya dalam mempercepatkan pemasyhuran aplikasi AI.
Mengenai gabungan AI dan kejuruteraan sistem, Rik Arends, pengasas bersama Makepad, memberikan pembentangan yang unik: "Menggunakan Pengekodan Ambien, Gunakan AI untuk Mencipta UI Rust untuk Peranti Mudah Alih, Halaman Web dan Realiti Campuran," meneroka cara menggunakan pengekodan ambien untuk membina paradigma baharu untuk UI. Christian Tzolov, Jurutera Perisian R&D daripada pasukan Broadcom Spring, memfokuskan pada menunjukkan cara menyepadukan model AI dengan cekap dengan sistem dan sumber sedia ada melalui MCP Java SDK dan Spring AI MCP dalam "Paradigma Bersatu untuk Integrasi AI Melalui MCP." Wenjing Chu, Pengarah Kanan Strategi Teknologi di Futurewei, seterusnya meningkatkan perspektif dalam "‘T’ dalam MCP dan A2A Bermaksud Amanah," menganalisis secara mendalam cara membina sistem AI yang benar-benar boleh dipercayai dalam aplikasi berasaskan ejen. Selain itu, Hong-Thai Nguyen, Pengurus Kejuruteraan Perisian di Cegid, memperkenalkan cara berbilang ejen boleh membentuk semula proses perniagaan dan mencapai membuat keputusan dan operasi perusahaan yang lebih bijak dalam kombinasi dengan senario praktikal dalam ucapan "Cegid Pulse: Platform Pengurusan Perniagaan Berbilang Ejen".
Apabila Model Besar Dilengkapi dengan "Badan": Kecerdasan Terjelma Tiba
Kecerdasan terjelma menjadi salah satu hala tuju pembangunan yang paling mencabar dan menjanjikan dalam bidang AI. Dalam forum ini, ramai pakar teknikal terkemuka industri terlibat dalam perbincangan mendalam mengenai tema "kecerdasan terjelma", berkongsi penerokaan praktikal mereka dalam reka bentuk seni bina, aplikasi model dan penggunaan senario.
Angelo Corsaro, Ketua Pegawai Eksekutif dan CTO ZettaScale, memperkenalkan cara protokol Zenoh boleh memecahkan halangan antara persepsi, pelaksanaan dan kognisi dalam era robot pintar dalam "Minda, Badan dan Zenoh." Philipp Oppermann, Pengurus Projek projek Dora, membawa "Menggunakan Zenoh dalam Dora untuk Melaksanakan Aliran Data Teragih," menjelaskan aplikasi penting protokol Zenoh dalam Dora untuk melaksanakan aliran data teragih. James Yang, Profesor di Universiti Sains dan Teknologi China, menyampaikan ucapan tentang "Penjanaan Senario Kritikal Keselamatan Permusuhan dalam Pemanduan Autonomi," memperkenalkan cara untuk meningkatkan keselamatan teknologi pemanduan autonomi dengan menjana senario permusuhan untuk memastikan kestabilan dan kebolehpercayaan dalam persekitaran yang kompleks.
Selain itu, Minglan Lin, seorang penyelidik kecerdasan terjelma di Institut Penyelidikan Zhiyuan, juga memfokuskan pada topik "RoboBrain: Model Otak Bersatu untuk Operasi Robot & RoboOS: Rangka Kerja Kerjasama Hierarki untuk Ejen Pintar RoboBrain dan Robot," menunjukkan cara RoboBrain boleh meningkatkan tahap kecerdasan robot dan peranan penting RoboOS dalam kerjasama robot. Ville Kuosmanen, pengasas Voyage Robotics, memberikan ucapan yang indah tentang "Membina Aplikasi Robot dengan Model VLA Sumber Terbuka," menjelaskan cara menggunakan model VLA sumber terbuka untuk memberikan sokongan yang kukuh untuk aplikasi robot. Akhir sekali, Huy Hoang Ha, seorang penyelidik model bahasa besar di Menlo Research, membincangkan cara penaakulan spatial boleh membantu robot memahami persekitaran 2D dan 3D yang kompleks dengan lebih baik, dengan itu meningkatkan keupayaan operasi dan navigasi mereka dalam ucapan utama "Spatial Reasoning LLM: Meningkatkan Pemahaman 2D dan 3D untuk Menyokong Operasi dan Navigasi Robot."
Ceramah Tumpuan: Menjelaskan Teknologi Canggih dan Aplikasi Inovatif
Ceramah Tumpuan Hari 1 menampilkan pembentangan menarik daripada pakar industri tentang teknologi canggih dan aplikasi inovatif. Segmen ini berfungsi sebagai platform untuk pengamal teknologi daripada pelbagai domain untuk membincangkan kemajuan terkini dan aplikasi praktikal AI. Cyril Moineau, Jurutera Penyelidikan di Suruhanjaya Tenaga Atom Perancis (CEA), memperkenalkan cara projek Eclipse Aidge menyokong penggunaan dan pengoptimuman rangkaian saraf dalam pada platform terbenam dengan menyediakan rantai alat yang lengkap dalam ucapan "Aidge", dengan itu mempercepatkan pembangunan sistem pintar tepi.
Paweł Kiszczak, Saintis Data di Bielik.ai, secara terbuka berkongsi kemajuan terkini projek AI asli Poland Bielik buat kali pertama pada persidangan ini, dan menyampaikan ucapan bertajuk "The Rise of Bielik.AI," menceritakan cara projek itu mempromosikan pembinaan sistem AI autonomi tempatan melalui model bahasa sumber terbuka dan ekosistem alat yang lengkap. Projek Bielik bukan sahaja telah mengeluarkan berbilang model bahasa sumber terbuka (skala parameter meliputi 1.5B, 4.5B dan 11B), tetapi juga mencipta rantai alat hujung ke hujung yang meliputi set data, penilaian, latihan dan penalaan halus, menyokong pasukan penyelidikan dan pembangun untuk menala halus atau terus melatih pra berdasarkan model asas, yang sangat mengurangkan ambang R&D untuk model besar dan merangsang keupayaan inovasi teknologi tempatan.
Hung-Ying Tai, Ketua Teknikal daripada Second State, berkongsi "Menjalankan Model GenAI pada Peranti Tepi dengan LlamaEdge," menunjukkan keupayaan ringan dan berprestasi tinggi LlamaEdge dalam menggunakan model AI generatif pada peranti tepi, membawa pengalaman penaakulan tempatan yang lebih fleksibel dan cekap. Tianyu Chen, seorang calon PhD di Universiti Peking, memperkenalkan cara rangka kerja SAFE mengurangkan masalah data latihan yang sedikit melalui mekanisme swa-evolusi "sintesis data-model penalaan halus," dengan itu meningkatkan kecekapan dan ketepatan pengesahan formal kod Rust dengan ketara dalam "Mencapai Pengesahan Formal Automatik untuk Kod Rust Berdasarkan Rangka Kerja Swa-Evolusi." Gautier Viaud, Pengarah R&D di Illuin Technology, berkongsi cara sistem ColPali, yang dibina oleh pasukan berdasarkan seni bina ColBERT dan model PaliGemma, meningkatkan ketepatan dan kecekapan perolehan dokumen dengan berkesan dengan menggabungkan maklumat grafik dan teks dalam ucapan "ColPali: Perolehan Dokumen Cekap Berdasarkan Model Bahasa Visual." Akhir sekali, Xiao Zhang, Ketua Pegawai Eksekutif Dynamia.ai, memperkenalkan cara mengurus dan menjadualkan sumber GPU heterogen dengan lebih baik dengan bantuan HAMi dan meningkatkan kadar penggunaan dan kebolehcerapan infrastruktur AI dalam "Membuka Kunci Keupayaan Kluster K8s Infrastruktur AI Heterogen: Melepaskan Kuasa HAMi."
Pelbagai Interaksi dan Sorotan Hari Pertama
Selain ucapan utama berketumpatan tinggi, persidangan itu juga menampilkan beberapa unit khas. Unit Mesyuarat Tertutup memfokuskan pada dialog strategik dan pertukaran industri yang mendalam untuk menggalakkan kerjasama rentas sempadan. Sesi Pameran memfokuskan pada pembentangan produk teknologi AI terkini perusahaan dan institusi penyelidikan, menarik sebilangan besar pengunjung untuk berhenti dan berkomunikasi. Dalam Sesi Pertandingan, pembangun AI dan robotik, jurutera dan peminat robotik dari seluruh dunia memfokuskan pada kit lengan robot sumber terbuka SO-ARM100 untuk menjalankan penerokaan praktikal pembelajaran tiruan. Kit ini menyepadukan rangka kerja LeRobot Hugging Face dan menggabungkan teknologi AI dan robotik NVIDIA untuk menyokong seni bina AI canggih termasuk ACT dan Dasar Resapan, menyediakan peserta dengan asas teknikal yang kukuh. Peserta menjalankan penerokaan praktikal dalam senario sebenar untuk menilai secara komprehensif kesan dan kebolehannya.
Sesi Bengkel mengambil ekosistem OpenHarmony sebagai topik teras dan meneroka projek sumber terbuka yang diinkubasi dan dikendalikan oleh Yayasan Sumber Terbuka Atom Terbuka. OpenHarmony komited untuk membina rangka kerja sistem pengendalian terminal pintar untuk era semua senario, semua sambungan dan semua kecerdasan, mewujudkan platform sistem pengendalian teragih peneraju yang terbuka, global dan inovatif, berkhidmat untuk pelbagai peranti pintar dan membantu pembangunan industri Internet Segala-galanya. Di tapak persidangan, peserta memahami secara mendalam kelebihan teras OpenHarmony dalam kerjasama berbilang peranti dan reka bentuk sistem ringan melalui satu siri bengkel praktikal, secara peribadi mengambil bahagian dalam proses utama daripada pembangunan pemacu kepada penggunaan aplikasi. Amalan secara langsung bukan sahaja membantu pembangun membuka laluan teknikal "bawah ke hujung", tetapi juga meningkatkan keupayaan pembangunan dan penyahpepijatan peringkat sistem secara komprehensif.
Agenda GOSIM AI Paris 2025 Hari 1 telah sampai pada kesimpulan yang berjaya, tetapi keterujaan berterusan. Esok, persidangan itu akan terus maju di sekitar empat forum utama model AI, infrastruktur AI, aplikasi AI dan kecerdasan terjelma, dan akan mengalu-alukan Hari PyTorch yang sangat dinanti-nantikan, dengan lebih banyak tetamu kelas berat dan kandungan praktikal barisan hadapan akan datang tidak lama lagi, jadi nantikan!