贡献者突破400 • 开源生态：多语言&集成 社区活跃度 影响百万开发者 • 官网访问用户数达90万 • 下载量达到300w次 • 服务超百家各领域头部知名企业 • 被国内大多云厂商托管 • 获得各类社区奖项8个 企业级应用 • 2021 OSC 中国最受欢迎开源项目 • 2022 InfoQ 十大开源新锐项目 • 2022 CSDN 中国开发者影响力项目 • 2022 开源成熟度评估 – 优秀二级 优秀二级 • 2022 开源创新大赛 – 二等奖 • 2023 开源创新榜 优秀开源项目 • 2023 开放原子基金 年度生态开源项目 • 2023 GLCC优秀社区 Nacos 2.0技术架构演进 Nacos 2.0挑战与机遇 功能易用性 安全风险 AI时代 • 构建AI应用部署形态改变 • 原生配置&服务的模型如何支持 AI应用构建，相比微服务时代提 供更易用的产品化功能 Token •API Key(Header) •API Key(Query) 网关侧认证支持 •API Key •JWT •OAuth2 •三方认证 Higress MCP 开源 vs 商业化对比 Higress 开源 公有云阿里云 API Gateway 专有云飞天企业版 API Gateway OpenAPI 转换 MCP 支持 支持 支持 DB 转换 MCP 支持 支持 支持 MCP

证 券 研 究 报 告 | 2 0 2 5 . 03 . 1 3 专 业 ｜ 领 先 ｜ 深 度 ｜ 诚 信 中 泰 证 券 研 究 所 n DeepSeek 开源使金融机构能够轻松获得前沿模型能力，且大幅降低部署成本。其通过对训练方式、算法架构和推理方 法 的工程化优化大幅降低了部署成本。近期采用大规模 RL 训练方法的阿里 QwQ-32B 等模型也在缩小规模的同时达到了 正在成为很多中小银行智能化转型的重要选择。 n 建议关注：宇信科技、京北方、天阳科技、长亮科技、百融云等。 n 风险提示 ： AI 技术落地不及预期、竞争加剧、信息更新不及时等。 2 核心观点 DeepSeek 开源、低成本、强推 理 助推银行业应用 1 n DeepSeek 模型在 Post-Train 阶段大规模应用了强化学习方法。 R1 使用了冷启动 + 大规模强化学习方法， R1-Zero 版 本模 R1 为代表的优秀开源模型的能力离闭源模型越来越近。行业普遍认为如果开源软件达到闭源 80% 以上能 力，就足以压缩闭源的生存空间。 DeepSeek 能力能够比肩 OpenAIo1 ，开源使各行业机构能够轻松获取前沿模型能力， 且可直接进行私有化部署或商业化开发。 开源易获得： DeepSeek 使私有化部署模型也能够追平前沿闭源模型水 平 图表：闭源模型与开源模型的差距正在缩小

占据80%以上的计算需求，承载这种需求的就是AI算力中 心，即智算中心。 智算中心成为新基建的三个基本条件 工业时代的电力生产需要电厂，计算力也需要强大 的生产供给中心，它就是智算中心。智算中心融合多元算 力，以开源架构计算系统为平台，以数据为生产资料，以 强大计算力驱动人工智能，为社会生产和生活提供源源不 断的智慧服务。 智算中心已成为经济新动能，社会新基建。 智算中心要成为新基建，必须满足以下三个基本条 领先的技术，保证自身的先进性； 普适普惠则要求智算中心发挥基础设施的社会价值， 服务大众。 下面，具体分析这三个条件。 首先是开放标准。通过简单回顾开源开放的历史，可 以看到开放的边界越来越广阔。 从最初的操作系统、数据库、 中间件的开源，到云和大数据、算 法框架等基础软件的开源，再到以 以RISC-V为代表的芯片的开放，以 OCP、ODCC为代表的计算硬件的开 放。由软件到硬件，从芯片到数据中 心，开放变革了IT产业的生产模式和 应用服务模式，持续推动着信息技术 的发展，促进了整个IT产业的生态繁 荣。 开源开放的IT才是健康的IT，开 源开放的软硬件也才是智算中心建 设所需要的。浪潮作为三大开放计 算标准组织的发起会员和白金会员、 OpenStack开源社区的黄金会员，一 直是开源计算生态发展的推动者，一 直在积极地将开源开放的建设理念和 标准向全球推广，一直在大力推进开 放计算生态发展，所有的顶级互联网

海光信息技术股份有限公司 杭州云象网络技术有限公司 联易融数字科技集团有限公司 神州数码信息服务集团股份有限公司 飞腾信息技术有限公司* 上海兆芯集成电路股份有限公司* FATE 开源社区* 隐语开源社区* 注：带*表示互联互通技术社区参与单位 目 录 一、背景 .....................................................1 二、实践总览 .............................. 3 三、技术实践 ................................................. 5 （一）技术开源 ............................................ 6 （二）平台联调适配 ........................................ 肘数 据要素进一步有序流通的痛点问题。 自 2022 年起，在北京金融科技产业联盟数据专委会的组织 下，由中国银联牵头，联合商业银行、检测机构、互联网公司、 科技企业、通信运营商、科研院所和开源社区等 50 余家单位组 建金融业隐私计算互联互通课题工作组。经过两年多的持续攻 关，工作组形成了《金融业隐私计算互联互通技术研究报告》《金 融业隐私计算互联互通平台技术规范》（T-BFIA 031—2024）团

坚持架构创新，开源开放，共建产业生态。昇腾 AI 经过 6 年快速发展，已成长为中国 AI 算力第二平面的坚实基础，并通过软硬件开源开放，建立生态兼容、共建共享的昇腾 AI 生态。在 基础硬件层面，昇腾持续引领技术架构，打造领先产品，实现业界最大规模的 384 超节点产品，并 在下一代将扩展至 8192，持续领先；在基础软件层面，通过一套架构满足不同代际产品的持续演进， 同时秉承开源开放的策略，将核心计算架构 同时秉承开源开放的策略，将核心计算架构 CANN、Mind 系列应用使能软件全面开源开放，同时 结合对 PyTorch 等主流框架的全面兼容和体系化工具链，旨在最大限度地降低开发门槛，加速开发 者和社区的融入。如今，昇腾 AI 的算力底座已支撑起互联网、金融、政务、制造等数十个行业的智 能化转型，累计服务超过 10 万家企业客户。 携手生态伙伴，共筑产业 AI 生产力。面向 AI 产业的广阔前景，我们将以技术创新为本，构建持 是技术路线的抉择，也是产业组织与国家竞争力的选择题。答案取决于我们今天如何设计并投资下 一代算力系统。 [1] 前言 1.0 超节点发展报告 07 总体来看，无论是“思考”模式的引入、Agent 能力的强化，还是开源社区的繁荣，都标志着 AI 技术正从单点能力突破，迈向更通用、更智能的未来。全球 AI 大模型正朝着更大规模、更高效率、 更强自主性的方向迈进，这意味着人工智能大模型的发展已进入一个系统性竞争的新阶段。这不仅

DCU人工智能软件栈 / AI SOFTWARE STACK 通用架构 采用GPGPU大规模并行计算架构设计，通用性好，全面兼 容CUDA、ROCm软件生态，迁移成本低 开源生态 支持主流AI框架和工具链，覆盖全部开源大模型，支持主 流AI、AI for Science和科学计算等各类应用软件 全面精度 支FP64、FP32、TF32、BF16、FP16、INT8等多精度 计算，精度完备，全面支持科学计算和AI加速计算 DTK（DCU Tool Kit/DCU异构计算平台） 全栈优化 软硬协同释放DCU 澎湃算力性能 DCU：全面兼容主流生态 / FULL ECOSYSTEM PROFILE 类CUDA API的 开源软件开发平台 原生支持多种加速库 及各类深度学习框架 提供完整的开发、 迁移、编译、调试工具 支持容器化工具 大规模部署 支持Kubernetes 和Slurm调度系统 功能健全的DCU软件栈 、气象环境、地质地震等科研领域。 DTK兼容国际主流的GPGPU开源生态，可直接编译开源的GPGPUC/C++代码，旨在让用户快速移植和使用开源社区的计算工具，降低 适配周期和人力投入，致力于让用户只维护一套代码。 场景全面 覆盖AI、Al4S、Science 领域加速需求 拥抱开源 兼容主流GPU开源生态， 享受开源红利 全面适配 已适配260+Science应用 工具，覆盖12大科研领域

测评集上的表现全面超越了主流 开源模型 Llama-2 。 金融领域： 同花顺自建了 HithinkFinEval 数据集 ，涵盖了证券从业考试、基金从业考试、会计师资格考试、 CPA 、 CFA 等 17 个金融行 业考试。在这些考试中 ，问财 HithinkGPT-70B 大模型以平均 75.9 分的优异成绩通过考试 ，并且 HithinkGPT 在所有考试科目中都比开源模型 更加优秀。 1 10 2. 东方财富妙想：致力于搭载“懂金融、懂用户、强数据”的金融生态基 因 妙想金融能力评测行业领先。一方面 ，使用开源金融评测数据集 OpenFinData 对妙想金融大模型的金融场景能力进行 360 度诊断。 在横跨金融知识、金融计算、金融解读、金融判别、金融分析、金融合规等六大金融模块共十九项金融任务维度的多元金融场景能力的 ，东吴证券研究所 3. 恒生电子 LightGPT+WarrenQ ：打造更专业、更合规、更轻量的金融行业大模 型 14 幻方量化发布通用语言大模型 DeepSeek LLM 67Bt ，相比开源的同级别模型 LLaMA2 70B ， DeepSeek LLM 67B 在近 20 个中英文的公 开评 测榜单上表现更佳。尤其突出的是推理、数学、编程等能力（如： HumanEval 、 MATH

Senparc.Weixin SDK 库 全系列支持 . NET 3.5/4.0/4.5 / .NET Standard 2.0+ / .NET Core 1.x/2.x/3.0 Senparc .NET 开源生态 Senparc.NeuChar.dll 跨平台交互通讯标准 及核心计算逻辑 Senparc.CO2NET.dll Senparc.Weixin.dll Senparc.Weixin.TenPay Senparc.Weixin.Cache.Redis 公共基础库 基础库 mcached … https://github.com/JeffreySu/WeiXinMPSDK 100% 开源 china .Netconf2019 • 正式版发布需要审核，周期相对公众号网页更 长 • 转发引爆的流量爆发力大 • 小程序无法直接刷新，载入过程必须一撮而就 • APP 流量红利逐步消失，适用场景更加碎片化 Core 中间件（ Middleware ） china .Netconf2019 .NET Core 中间件（ Middleware ） china .Netconf2019 极简 Sample 开源地址： https://github.com/OpenSenparc/ WechatMessageSample .NET Core 中间件（ Middleware ） > WebSocket

Gemma LLAMA 3 Grok-1 国产语言大模型 开源闭源混合 仅开源 仅闭源 开源闭源混合 仅开源 仅闭源 LLM 的发展之 路 s EMENS: H · n r · · CLIP © Siemens Healthineers, 2024 Computed Tomography 18 数据稀缺 开源的医学图像数据集规模较小， 会限制影像语言大模型在该领域 的性能。 知识专业密集 专业知识需求高，临床概念层级复杂，缺 乏深入理解可能影响性能 多尺度信息 医学图像解读需重视多尺度特征， 局部特征对诊断影响显著

生物标志物科研成果的临床应 用 AI 生物标志物从 IDEA 到 APPLY 大语言模型的发展历程 Deepseek 横空出世 2023 年 7 月 DeepSeek 成立 2024 年 5 月 宣布开源第二代 MoE 大 模型 DeepSeekV2 2024 年 11 月 推理模型 DeepSeekR1Lite 预览 版正式上线 2024 年 1 月 发布首个大模型 DeepSeekLLM 12 月 宣布 DeepSeekV3 首个版本上 线并同步开源模型权重 2025 年 1 月 正式发布 DeepSeekR1 模型，在大模型排名 Arena 中其基准测试升 至全类别大模型第三 加快 AI 应用普及降低训练成 本 加快国产模型 + 国产芯片的进 程 开源生态推动技术平权和应用普惠 DeepSeek 的开源策略降低了中小 企业和开发者使用先进 AI 技术的 门槛，加速了技术普惠。 门槛，加速了技术普惠。 API 服务 定价仅为 OpenAI 的几十分之一， 吸引全球用户日活突破 2000 万。 开源模型打破了头部厂商的垄断， 推动更多二线企业和开发者入场 DeepSeek 在性能上比肩 OpenAI 的 o1 ，中美模型技术差距从 1-2 年缩短至 3-6 个月，验证了国内在 算法优化和工程能力上的突破 DeepSeekV3 创新带来对标 GPT- 4o 的性能和远低于