环球问策：撬开全球操作系统传统格局中国“云+AI”路线会是一场豪赌吗？

7003383

7005136

7005137

<article><section data-type="rtext">【环球网科技报道 记者 李文瑶】“CentOS停服像是一记警钟，但也成为国产系统发展的转折点。我们社区的定位很清晰——不做低水平内卷，而是在共性技术上协同，推动国产系统从‘单点突破’走向‘生态繁荣’。”在2025龙蜥操作系统大会上，龙蜥社区理事长杨勇在采访中如此定义他们正在构建的“操作系统生态观”。根据中国智能计算产业联盟在大会上发布的《国产服务器操作系统发展报告（2025）》，龙蜥操作系统装机量已突破1000万套，在国产服务器操作系统市场中占比近50%，成为企业用户迁移意愿最高的国产系统。
 <adv-loader __attr__inner="7004636" __attr__style="width: auto;position: relative;float: left;border: 1px solid #ebebeb; padding: 20px;overflow: hidden;margin: 10px 30px 40px 0;"></adv-loader>
 数据背后，一个更具讨论性的话题正在业界发酵：在云计算与人工智能重塑一切的技术变局中，中国操作系统是否真的迎来了从“跟随者”向“定义者”跃迁的历史性窗口？开源模式，究竟是构建自主技术体系的“万能钥匙”，还是新一轮生态割据的开始？开源不是“乌托邦”，是战略基础设施五年前，当红帽宣布将停止对CentOS的维护支持时，国内服务器市场弥漫着对操作系统的焦虑。作为当时市场主流的免费企业级Linux发行版，CentOS的停服意味着大量国内企业将面临严峻的安全漏洞与可持续运维挑战。这场被业内称为“断供危机”的事件，在倒逼国产研发加速的同时，也迫使整个产业思考如何构建具备自主演进能力的“根”系统。然而，从“替代”到“创新”的路径并非坦途。一位资深的开源从业者坦言，早期国内对开源的理解常陷入两个极端：“要么是免费的午餐，拿来就用；要么是技术乌托邦，以为开源就能解决一切问题。”而现实是，没有生态支撑的开源项目，无异于“空中楼阁”。龙蜥社区的实践，试图在这两者之间找到一条务实的协同道路。这种“协同”体现在其独特的成员结构上：24家理事单位与超1000家生态伙伴，覆盖了从芯片、整机、操作系统到云厂商的全产业链。<img data-alt="" src="https://img.huanqiucdn.cn/dp/api/files/imageDir/348abddcef648700ea41a2b59d0319b7u1.png?imageView2/2/w/1260&xtimestamp=1763491804&rand=EgpK0u6lLOurVBgt&sign=3b4be2413b330cbe9d8cf93be442b0c7" />“我们社区成员之间具有非常强的互补性，”杨勇分析道，“芯片厂商、云厂商、操作系统厂商、高校、科研机构——大家不是来‘分蛋糕’，而是共同‘做蛋糕’。”这种互补性形成了一种天然的“竞合”生态，既避免了重复造轮子的资源浪费，也通过市场化的协作打破了技术壁垒。更值得关注的是，龙蜥社区在治理上展现出与国外顶级开源社区迥异的“中国模式”。中国开源软件推进联盟副主席刘澎在采访中指出：“中国开源社区形式上具备国外开源社区的治理架构，但在运营模式上又不断创新。如在社区贡献上，中国开源社区主要来源于项目的发起方，开源项目也更多以商业利益为导向。”这种以商业价值为牵引的模式，虽然曾被质疑，但其优势在于极高的效率。“我国的这种模式更注重效率，可大幅缩短项目从发起到商业化落地的时间。”刘澎补充道。数据显示，龙蜥社区已孵化14个衍生版本，完成近4800项软硬件兼容认证，构建起从技术研发到产业落地的完整链条，这也是效率的直观体现。即便是与欧拉等其他国产根社区之间，龙蜥也试图构建一种新型的竞合关系。“今天我们不是一个单一生态，整个国内无论是算力以及面对的客户场景都是多样的。”杨勇表示，“我们有高频的社区间互动机制，一起商讨国内操作系统的软硬件兼容规范、操作系统选型等很多事情。”“云+AI”重构价值锚点，操作系统迎来“场景定义”时代当AI推理的成本与复杂性开始成为企业落地的首要瓶颈，底层算力如何被高效调度的问题正成为行业关注的焦点。操作系统的角色也从幕后的资源管理者，被推至前台，成为决定AI应用成败的关键变量。“我们观察到，AI基础设施正呈现‘双轨并行’的态势。”龙蜥社区理事长杨勇在分析这一趋势时指出，“一边是追求极致算力密度的十万卡超大规模集群，另一边则是以超节点为代表的、强调异构融合的算力单元。而操作系统，就是要在这两种截然不同的哲学之间，找到技术的平衡点和最优解。”这种“平衡”绝非易事。它意味着操作系统必须既能应对超大规模集群对可靠性和并行效率的极致要求，又能化解异构计算中各种CPU、GPU、DPU之间在驱动、通信和任务调度上的复杂性。传统的、相对通用的服务器操作系统设计范式，在这一新需求面前显得力不从心。面对挑战，龙蜥社区选择了一条看似迂回，却可能直指核心的路径——“以模型为中心”。“操作系统本身并非AI舞台上的明星，真正的发动机是模型和AI芯片。但你想把一个AI智能体（Agent）顺畅地跑起来，会发现需要从DPU到CPU、GPU的全程协同。”杨勇用一个生动的比喻解释道，“操作系统在其中就像一个传统乐队的指挥，现在乐队里突然加入了电声乐器、合成器甚至AI音效生成器，指挥的角色没变，但方法和复杂度已不可同日而语。”在他看来，这正是中国系统与世界顶级系统存在的隐性差距。“中国的开源社区创新力很强，但在全局性层面，因为大多是从基层干起来的，和国外相比，在贯穿全局的纲领上，缺陷还比较大。这需要补课，而且需要很多年。”这一战略直接体现在龙蜥社区2025年的核心举措上。名为“龙腾计划3.0——AI引擎生态加速合作计划”的发布，旨在聚合超1000家产学研力量，共同构建开放的AI引擎生态。更实质性的进展是，社区联合多家伙伴首次发布了支持RVA23高性能扩展的Anolis23 RISC-V预览版，推动RISC-V这一开放架构向高性能数据中心迈进。“我们不追求在所有技术上都领先，但在模型支持与异构算力调度上必须做到极致。”杨勇强调。这种“极致”体现在社区对主流AI训推框架的深度参与上。目前，龙蜥社区在SGLang、MoonCake、DeepSpeed等新兴框架中拥有了Maintainer（维护者）角色，并推动其与DeepSeek、通义千问等开源大模型进行深度适配与优化。杨勇坦言，当前AI领域一个突出的乱象是“缺乏权威的、公开的Benchmark（性能基准测试）”。“各个厂商都在用不同的方法宣传，导致用户选型时很容易被误导。我们社区正在致力于推动这方面工作的标准化。”此外，AI推理在规模化部署时暴露出的脆弱性，也成了操作系统必须解决的新课题。“一个最低成本的推理服务可能需要几十台机器、几百张卡。但今天，一旦其中一张卡坏了，或者因为模型升级需要扩容时买不到同款卡，整个服务就可能瘫痪。”杨勇揭示了企业客户在私有化部署AI时面临的真实困境，“我们正在社区推动诸如‘AFD’（Attention Forward Disaggregation）这样的技术方案，目标是让不同型号、不同代的AI加速卡能够在一个集群内协同工作，就像传统服务器扩容一样自然。”在阿里巴巴集团合伙人、阿里云智能集团基础设施事业部负责人蒋江伟看来，龙蜥在“云+AI”时代的投入具有战略意义。“面对‘云+AI’催生的操作系统新纪元，阿里云大力推动龙蜥与通义大模型、魔搭社区等阿里AI开源体系深度融合，让龙蜥成为中国操作系统走向世界的名片。”中国开源的下一站：从“跟随者”到“定义者”的鸿沟如何跨越？当龙蜥操作系统宣布装机量突破千万、在国产服务器操作系统市场占比近半时，一个更具挑战性的命题也随之浮出水面：规模的扩张是否意味着话语权的真正提升？中国开源力量，能否跨越从“参与者”到“定义者”的那道关键鸿沟？“过去我们是标准的执行者，今天正在成为标准的共同制定者。”龙蜥社区理事长杨勇在接受采访时，给出了一个审慎乐观的观察。这一判断基于一个确凿的事实：多位龙蜥社区成员已在RISC-V国际基金会担任主席或副主席职务，直接参与数据中心SIG的运作，推动RAS/PMU云场景方案增强、AIOE扩展等关键技术的国际标准制定。这标志着中国开源社区在国际舞台上的角色发生了微妙的转变——从代码的贡献者，逐步迈向规则的共商者。然而，规则的参与只是第一步。在中国开源软件推进联盟副主席刘澎看来，中国开源要实现真正的引领，面临着一个更为根本的挑战。“操作系统不仅是技术产品，更是美学与系统设计哲学的体现。”他提出了一个在技术讨论中罕见的视角，将建筑学的“Architect”概念引入对话。“Architect源自建筑，对于建筑行业的人来说他只关心两件事：建筑物的外立面造型和它的色彩。这在计算机领域，体现为系统的对外特性和交互的美学原理。”刘澎解释说，除了美观易用的“外壳”，一个成功的系统更需要“贯穿全局的线索”，如同互联网的TCP/IP协议一般，统领整个体系。“在操作系统里，这条线索可能是安全，也可能是服务，需要通过类似SBAND这样的核心机制来梳理全局。”在他看来，这正是中国系统与世界顶级系统存在的隐性差距。“中国的开源社区创新力很强，但在全局性层面，因为大多是从基层干起来的，和国外相比，在贯穿全局的纲领上，缺陷还比较大。这需要补课，而且需要很多年。”这种“全局性”的缺失，在AI浪潮带来的操作系统升级中，既是挑战，也是机遇。杨勇对此有更深入地思考。“社区的治理也好，技术路线也好，我们未来的思考必须用模型来牵引。”他认为，在AI这个全新的赛道上，传统的技术格局尚未完全固化，中国有机会通过深度绑定未来主流的模型架构和应用场景，来反向定义底层系统的接口与行为。“比如，国内DeepSeek在MoE架构上的成功实践，就证明了某种架构的可行性，这直接降低了国产算力的应用门槛，反过来也影响了我们对系统优化的方向。”杨勇指出，这种由应用和模型驱动技术路线选择的模式，是中国系统实现“换道超车”、参与定义未来计算范式的重要契机。但他也清醒地认识到，从“参与定义”到“主导定义”，中间横亘着巨大的生态鸿沟。“我们定义的东西有没有生命力，不是一厢情愿的。大家最终会用脚投票。”他回顾了业界框架的兴衰，“就像曾经垄断市场的TensorFlow，在Transformer大模型时代也被PyTorch等后起之秀挑战。技术的生命力最终取决于生态的采纳。”刘澎则从历史经验中给出了更为冷静的解读：“理论上最先进、最好，人家看得很清楚，那也不跟你合作。”他援引了个人计算机发展史上的著名案例——当年IBM在打造PC时，恰恰放弃了当时最好、市场份额最大的处理器和操作系统，选择了初出茅庐的英特尔和微软，以避免为自己创造一个强大的对手。“最终，是一个强大的、围绕新标准的工业体系，把IBM自己颠覆了。”这段历史警示我们，技术的胜出并非单纯的性能竞赛，而是战略、生态与时机复杂交织的结果。面向未来，中国开源社区正站在一个历史性的十字路口。也正如中国工程院院士、中电标协RVEI战略指导委员会主任倪光南在大会发言中所说：“当前在AI浪潮的推动下，全球都面临重塑产业格局的新局面。”</section></article>

7003385

7003386

7003387

7003388

7004638

7004639

7004637

7003389