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

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

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

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

OpenAI o1/o3 在数学和代码推理任务上的卓越表现 • 开源大模型 DeepSeek-R1 在 MATH 基准上达到 87.2% 的准确率 横空出世： OpenAI o1/o3 、 DeepSeek- R1 等 o1 在数学和代码问题上的水平大幅提升 ，超越人类专 家 开源大模型 DeepSeek R1 匹敌 OpenAI o1 DeepSeek 的 “ aha 这种深度推理能力是如何实现的？是单纯的规模扩展结果，还是有其他关键因素？ 2023-2024 年，推理能力突破性进展： • OpenAI o1/o3 在数学和代码推理任务上的卓越表现 • 开源大模型 DeepSeek-R1 在 MATH 基准上达到 87.2% 的准确率 横空出世： OpenAI o1/o3 、 DeepSeek- R1 等 1. 早期的大模型推理能力不足 2. 1/3 的速度追赶 ， 结果比大 巴车提前 20 分钟到。 问： （ 1 ）大巴和小车的速度各是多少？ （ 2 ）班主任老师追上大巴的地点 距离博物馆还有多远？ 首个将思维链显式展示的开源模型 DeepSeek-R1 的推理过 程 s1 通过在一个精心构建的小规模数据集上（ 1000 条数据） 进行微调， 并结合预算强制技术，实现了强大的推理能力和测试时计算扩展性 如何低成本实现推理模型？

and autonomous as to be indistinguishable from living things”。 第三章 你所知的第一个元宇宙：维 基知识之城 埃里克·雷蒙德 开源软件观念引领者、《大教堂与集市》作者 如果开发协调者至少有一个像互联网这样好的沟通媒介， 并且知道如何不靠强制来领导，那么多人合作必然强于单兵作 战。 斯蒂芬·茨威格 《人类的群星闪耀时》作者 都能分享所有知识的世界。” 从技术发展路径上讲，从由专家编写、专家审核的Nupedia 转向社群中每个人都可以参与编写的维基百科，几乎是一种必 然。推动互联网发展的人们相信嘈杂又充满活力的集市模式。 在引领开源软件运动的观念之作《大教堂与集市》中，埃里克 ·雷蒙德（Eric Raymond）讲述了两种软件开发模型：一种是 “自上而下”的大教堂模型，体系严谨规范；另一种是“自下 而上”的集市模型，嘈杂又充满活力。维基百科所采用的正是 做大做强、获取超额盈利的公司，而是一家非营利的基金会。 它靠众人的小额捐助支持软件开发与服务器等基础设施的运 转。 现在，众多开源软件都是用基金会机制来运作的。Linux操 作系统背后是Linux基金会，华为的鸿蒙操作系统源代码捐献给 了开放原子开源基金会。在区块链领域中，如以太坊等公链的 机制略有不同，它的平台系统与社群带有所谓的“内部资本” （internal capital），但在法律实体结构上现在管理它的也

车辆状态实时监控 / 告警 • 实时地理围栏计算和告警 • Flink • Spark Streaming • 自己开发流计算代码 A P S A R A 云 栖 大 会 传统开源技术栈的痛点 开发门槛高 各产品架构原理、 API 、 运维等完全不一样 扩展性挑战 如何动态增加字段？ 架构如何跟随业务迭代 ? 技术栈复杂 多产品组合 多条数据链路 存储碎片化 PB 规模 存算分离，在线扩容 千万吞吐，毫秒延迟 一站式 数据不出库 在线服务 + 离线分析 +AI 40% 头部车企 50% 造车新势 力 开源架构升级 降本、增效 泛时序 数据 半结构化 非结构化 数据 在线 查询 离线 分析 智能 应用 数据 引擎 副本异构 软件定义存储 冷热转存 文件管理 纠删码 EC 目录组织 透明压缩 多租户安 全 ( 可靠性、带宽、 IOPS 、成 本 ) N 开源数据集 原始文件 Lindorm HBase MySQL MongoDB MongoDB （ ZSTD ） 订单数据 (TPC-H) 1.76 GB 639 MB 1.23 GB 2.10 GB

灵活性与效率。此外，开源模型的不断涌现，不仅加速了技术的普及与应用，也为全球开发 者共同推动AI技术的进步搭建了广阔的舞台。 1.引言 1.1 大模型技术近一年的发展演变 资料来源：集微咨询（JW Insights）整理绘制，本图谱仅列举全球典型企业及相关大模型， 排名不分先后 图1 大模型产业图谱 �� 大模型训练数据通常来自网络获取数据、外部付费/开源数据集、企业自有数据以及AI 据的生成技术、验证机制及质量控制等方面的研究与实践，以充分发挥其潜力，推动大模 型技术的持续进步与发展。 （2）多领域开源数据集相继推出 当前，在开源数据资源的版图中，中文语料的占比显著偏低，尚不足总量的十分之一， 这凸显了中文自然语言处理领域对高质量数据资源的迫切需求。为应对此挑战，国内已相 继开源了多个中文预训练数据集，诸如CCI 2.0、SkyPile-150B、IndustryCorpus、Tele-AI 与开源文本数据集比较，当前开源多模态数据集面临着规模小、多样性匮乏及来源单 一（主要集中于HTML文档）等显著局限，这些问题制约了开源多模态大模型的发展步伐， 拉大了其与闭源多模态大模型之间的性能差距。为填补这一空白，今年7月，由华盛顿大学、 Salesforce Research、斯坦福大学等机构组成的联合研究团队成功构建了MINT-1T⸺一 个规模空前的万亿级交织多模态开源数据集。

的 o 1 正 式 版 持平 ，并开源 至 1 月 30 日， 示将继续加快 原理 ，并基 于 2 0 2 3 年 1 1 月 2 9 日 推 出 670 亿参数的通用大模型 D e e pSeek L L M ，包括 7 B 和 6 7 B 的 base 及 chat 版 本 2 0 2 3 年 1 1 月 2 日 首个开源代码大模型 Deep Seek Code 引发广泛 关注。 主动寻求应用合作 与微信等国民级应用合作 ，通过 AI 优化 搜索推荐、 内容生态挖掘 ，展现商业化 潜力。 开源策略构建全球生态 技术民主化 全面开源并免费开放 ，吸引全球 140 国开发者参与优化 ，形成“滚 雪球式”创新网络 ，加速技术迭代。 行业应用 低成本（使用成本仅为竞品 1/3 ） 崛起 ，这 些理 性客户在购买保险之前都会去问 AI 。 AI 带来的营销机会？ 随着量化技术的不断发展 ，端侧小模型有着惊人的快速发展 ，基于阿 里 开源的 MNN 框架 ，在端侧模型使用场景进行探索。 • MNN-TaoAvatar 开源的 3D 数字人应用。 • 适老化 ，残障人士辅助。 • 一句话买保险。 流量入口在哪里 ，要怎么做？ 大模型探索及实践过程中的困惑与思考