以“以共商促共享 以善治促善智”為主題的2024世界人工智能大會暨人工智能全球治理高級別會議在上海開幕。

作為本次大會的重要論壇之一，由開放原子開源基金會和上海市人工智能行業協會共同承辦的開放原子開源大模型發展論壇在上海世博展覽館成功舉辦。開放原子開源基金會副秘書長辛曉華、上海市人工智能行業協會副秘書長徐琦出席活動并致辭。

聚焦生態

共同推動開源大模型產業發展

以開源開放合作的方式建設大模型平臺，有助于整合各方資源，加速大模型的行業應用落地，推動大模型開源生態發展。

辛曉華表示，開放原子開源基金會擬將在國家級人工智能開源社區、開源大模型相關許可證、開源人才培育等方面，探索開展工作。

徐琦表示，上海市人工智能行業協會積極倡導并支持大模型開源，今年3月和開放原子開源基金會共同發起成立人工智能開源社區。協會將進一步完善建設大模型開源生態環境，積極推動政產學研合作交流，夯實人工智能基礎設施建設。

產、學、研、用多方專家

聚焦開源大模型技術落地應用

現場，來自高校、企業和社區等領域專家，共同探討了開源大模型技術的實際應用和未來發展方向，攜手推動大模型技術創新、規模應用和生態繁榮。

同濟大學副教授、博士生導師王萌

在《知識檢索增強：范式與關鍵技術》主題分享中，王萌提出，知識檢索增強技術通過整合外部知識源，有效緩解了大語言模型的幻覺和知識時效性問題。他深入探討了RAG的范式、核心技術及其應用，并提出了模塊化RAG與RAG Flow的研究框架，概述了六大功能模塊、50余個算子操作，這些研究成果將有效推動OpenRAG系列開源項目的進一步發展。

開放原子開源基金會資深法律顧問劉偉

劉偉分享了《大模型與開源的關系淺析》，她認為開源和閉源模型是互補關系，而非替代關系。當前閉源大模型通常性能優于開源，卻可能因缺乏本地數據而產生幻覺等問題，端云結合方式向用戶提供AI服務或成為最優解。此外，模型許可通常涉及模型參數，而軟件許可關注代碼，當許可對象本質改變時，傳統開源許可證可能不再適用。基于此，目前，開放原子開源基金會已聯合業界專家擬定開放原子模型許可證，旨在為模型許可提供更匹配的許可證。

RWKV元始智能聯合創始人&COO羅璇

羅璇分享了《RWKV，全球開源開放的大模型新架構》，他闡述了RWKV作為創新的大模型架構，致力于促進全球范圍內的人工智能技術安全與和平發展。該架構在技術上實現了突破，使得推理速度和內存使用保持恒定，這一特性吸引了全球開發者的智慧，共同構建了一個充滿活力的開放生態系統。

openEuler Intelligence SIG Committer趙家麒

趙家麒分享了《openEuler+大模型：智能時代操作系統新體驗》。他表示，openEuler積極擁抱智能時代，與AI深度結合，致力于引領智能化創新，推動操作系統使能AI更高效，AI使能操作系統更智能。openEuler24.03 LTS在基礎設施、Linux6.6內核、智能解決方案以及全場景體驗四大方面實現了全面升級，為開發者和用戶帶來了高性能、高可靠、高靈活的開發體驗。

中移動信息技術有限公司多模態大模型算法負責人童同

童同分享了《多模態大模型在中國移動的應用實踐》，他表示，中國移動積極探討多模態大模型技術在視頻理解、文本生成、圖像及視頻創作以及數字人等多元領域的應用，并成功將該技術應用于中國移動MOA AI助手、妙筆智能文檔、智能交互數字人等產品，為用戶帶來更智能、便捷和有創造力的體驗。

360人工智能研究院的資深算法專家劉煥勇

在《大模型在文檔數字化場景中的應用實踐》分享中，劉煥勇強調了文檔數字化對企業運營的重要性，并指出非結構化數據激增帶來的管理挑戰和價值信息挖掘。他介紹了360智能文檔方案，該方案通過低成本、安全地集成大模型技術，最大化AI的價值，專注于文件和圖片等非結構化數據的整合與處理，從而提升業務效率。

ModelScope技術負責人、通義實驗室模型工程技術總監周文猛

在《開源社區，模型即服務，驅動AI發展》的分享中，周文猛強調了魔搭社區在推動“模型即服務”(MaaS)理念上的領先地位，旨在促進模型的共享與創新。魔搭社區解決了模型獲取難、使用門檻高和接口復雜等問題，目前擁有超過5500個大模型和560萬用戶。社區通過分享最佳實踐，助力開發者掌握和應用最新的模型技術，并在此基礎上進行二次開發與創新。

昇思MindSpore的高級技術專家施文琦

在《昇思MindSpore訓練創新與實踐》的分享中，施文琦強調了大模型在推動超大規模AI發展中的關鍵作用，這一趨勢被視為通往通用強人工智能的重要途徑。MindSpore通過其多維混合并行、多維內存優化和圖算融合等核心技術，已經成功孵化了20多個大模型，其中包括6個千億參數規模以上的大模型。他詳細介紹了MindSpore在超大規模AI領域的實踐，闡述了如何利用這些技術來訓練大模型，并展示了如何通過昇騰集群來解決大模型在大集群環境中的訓練挑戰。