从对话式 AI 到自主执行任务的智能体，从云端大模型到机器人与智能终端，AI 正加速走出对话框，向软件系统、基础设施和真实应用场景延伸。随之而来的，是一系列亟待解决的现实问题：如何实现模型与底层基础设施的高效协同？开源技术又将如何降低创新门槛，推动 AI 从技术探索走向规模化应用？
10 月 16 日，全球开源创新峰会 GOSIM Shenzhen 2026 在深圳南山伊敦酒店正式开幕。大会现场座无虚席，来自联合国技术特使办公室、华为技术有限公司、英伟达、Google Cloud、Hugging Face、AWS、中国电子技术标准化研究院、CSDN、奇点智能研究院、月之暗面等机构与企业的 210 余位技术专家齐聚一堂。与 2000 多名开发者共同探讨开源与 AI 的前沿技术及产业实践，交流氛围热烈。
今年大会的议题，紧紧扣住当下 AI 产业转型的脉搏。一场 Keynote、六大技术论坛，覆盖智能体 AI、开源模型与基础设施、边缘智能体、开源机器人、智能体操作系统与应用、智能体设备等方向，串联起从底层模型、软件系统到终端硬件的技术链条。
当然，这场大会不只有台上的技术分享，我们还特别策划的工作坊与编程黑客松，给开发者留出亲手调试、验证想法的实操空间。Spotlight Shenzhen 2026 项目路演，则聚焦下一代 AI 原生产品，让各个团队现场展示产品原型与落地探索。同期登场的还有 RustChinaConf 2026，参会者可以围绕 Rust 语言生态，探讨它在 AI 场景下的各类实践。
从前沿技术探索到一线开源实践，从底层模型与基础设施到智能体的真实场景落地，本届大会将呈现哪些值得关注的新进展与新思考？让我们走进 GOSIM Shenzhen 2026 现场，一探究竟。
AI 与开源如何重塑软件系统？Keynote 带来最新思考
大会伊始，Second State 创始人、GOSIM 发起人之一 Michael Yuan 在开场致辞中回顾了 GOSIM 的发展历程，并谈及 AI 时代开源技术面临的新机遇。
2023 年，Michael Yuan 与 CSDN 创始人蒋涛在阿姆斯特丹的一家小酒馆里萌生了举办国际技术交流活动的想法，GOSIM 由此起步。此后，大会先后在上海、北京、巴黎等地举办，并于去年走进杭州。今年，GOSIM 来到深圳，迎来第七站。随着 AI 技术的发展，大会的关注点也从最初的开源软件，逐步延伸至开源与 AI 的融合。
长期深耕开源领域的 Michael Yuan 曾参与多个 Linux Foundation 项目的维护，也涉足开源商业化、创业和投资。在他看来，AI 正在从云端走向终端设备和现实世界，这不仅拓展了开源技术的应用空间，也让开源软件、操作系统、硬件与 AI 的结合变得更加值得关注。
陈海波：开源鸿蒙与AI共生演进，共筑万物智联数字底座
紧接着，开源鸿蒙项目群技术指导委员会主席陈海波围绕《开源鸿蒙与AI共生演进，共筑万物智联数字底座》这一主题展开了主旨演讲。在他看来，随着 AI 从「能说会道」走向「懂你、能干」，操作系统就是背后不可或缺的基础支撑。
谈到“开发 Agent、运行推理模型，为什么还需要操作系统”这一问题，陈海波以本地 AI 任务为例指出，操作系统不仅要管理内存、存储和计算资源，还要负责记忆管理、任务调度和安全控制。与此同时，AI 任务的执行也有成本，如何在合理的时间和成本内高质量地完成任务，同样是操作系统需要解决的重要问题。
与传统软件不同，AI 系统的输出具有概率性，如何在保留其灵活性的同时保证执行结果的可靠性，是操作系统面临的新挑战。对此，陈海波表示：“我们不应该试图彻底消除它，而应该学会利用它。这个思路与中国古代的都江堰有相通之处。”都江堰需要应对岷江水量和含沙量的变化，通过合理的工程设计调节水流，满足成都平原的用水需求。陈海波认为，AI 时代的操作系统也可以借鉴这一思路，通过系统架构约束任务规划与执行过程，并对执行结果进行验证，在模型输出存在不确定性的情况下，尽可能保障整个系统的可靠性。
在解释智能体与操作系统的关系时，陈海波援引强化学习研究者 Richard Sutton 提出的“大世界假设”指出，现实世界的复杂程度远超智能体自身的计算、存储和建模能力，智能体无法仅凭内部模型完整理解外部环境，而需要在与真实世界的持续交互中，根据反馈调整行为，逐步提升解决问题的能力。这一变化也要求操作系统重新审视原有的系统架构和调用机制，让智能体能够更直接地表达用户意图、调用系统能力。
回顾操作系统的发展，陈海波表示，从大型机到个人电脑，再到移动互联网，每一次计算平台的变化都会带来新的系统需求。进入 AI 时代，操作系统同样需要围绕智能体重新思考系统架构。
开源鸿蒙正是这一探索的重要组成部分。2020 年，华为将部分 HarmonyOS 基础能力贡献给开放原子开源基金会。经过持续发展，开源鸿蒙已在内核、文件系统、分布式连接、数据管理和编译器等核心技术领域形成积累。面向 AI 时代，系统还需要进一步提升运行效率与安全性，强化数据智能能力，并提供更适合人类和智能体共同使用的交互接口。
在端侧 AI 方面，陈海波介绍了 PowerInfer 等动态稀疏推理技术的探索。这类技术从模型设计阶段就考虑边缘设备的资源限制，旨在让 AI 在算力和内存有限的设备上也能高效运行。
安全则是智能体操作系统必须面对的另一项挑战。陈海波将相关风险概括为“不干净的手脚、八卦的嘴、失智的大脑”，分别对应执行、数据和决策层面的风险。针对这些问题，开源鸿蒙正在探索反诈语音与通话检测等能力，并通过 OpenTrustee、安全容器和安全内存融合等技术，加强隐私保护与系统安全。
此外，陈海波还分享了 AI 辅助生成操作系统组件的尝试。他透露，团队正探索将 AI 与形式化方法结合，以提高系统组件的开发和验证效率，并已推出早期原型，能够播放视频、运行简单游戏。
生态维度，截至目前，开源鸿蒙社区已有超过 1.4 万名贡献者，超过 200 款产品参与兼容性测评，搭载开源鸿蒙的设备超过 9000 万台，社区拥有 100 多个发行版和 2000 多款软件产品。
Mehdi Snene：联合国数字和新兴技术办公室（ODET）开源战略与规划
联合国是如何看待开源的？大会现场，联合国技术特使办公室首席人工智能官 Mehdi Snene 从全球数字治理的角度，分享了联合国推动开源发展的思考，以及开源技术在公共服务和可持续发展领域的应用。
2024 年，联合国通过《全球数字契约》（Global Digital Compact，GDC），为各国开展数字合作确立了共同框架，其中涉及人工智能治理、数字公共产品等议题。在这一框架下，开源、开放数据与数据共享被视为推动数字社会发展、加强全球治理与国际合作的重要组成部分。
在 Mehdi Snene 看来，开源的价值不应只体现在技术本身，更重要的是能否解决现实问题。无论是消除贫困、应对气候变化，还是改善医疗服务，都可以借助开源技术、开放数据和开发者社区的协作，寻找切实可行的解决方案。
对于政府而言，开源还关系到数字主权。在医疗、农业和公共管理等领域，政府需要自主决定采用什么模型、使用哪些数据，以及如何建设底层基础设施。开放的技术方案能够为这些选择提供更多空间，让各国根据自身情况开发和部署人工智能系统，而不必完全依赖外部提供的技术。
在具体实践中，数字公共基础设施（Digital Public Infrastructure，DPI）是推动公共服务数字化的重要抓手。其核心包括三个部分：
第一，数字身份。 例如，MOSIP（模块化开源身份平台）已经在多个国家得到应用，可以帮助人们建立合法、可验证的身份，并在出生登记、入学和获得金融服务等不同人生阶段提供身份认证支持。
第二，数字支付。 例如，Mojaloop 等开源支付交换系统正在推动金融服务的普及，尤其是在非洲地区，帮助更多人获得金融服务。
第三，数据交换。 例如，X-Road 等开源数据交换系统，可以为不同机构之间的数据共享与交换提供支持。
这些实践表明，开源技术不只是开发者编写软件时使用的工具，也可以成为各国建设数字公共基础设施的选择。政府通过复用已有的开源方案，既能减少重复建设，也能根据本地需求调整和部署相关系统。
Mehdi Snene 还将开源与联合国的 17 项可持续发展目标（SDGs）联系起来。这些目标涵盖消除贫困、消除饥饿、优质教育、气候行动等多个领域，彼此之间也存在紧密联系。一项技术方案在解决某个具体问题时，往往也能为其他目标带来帮助。
例如，在识别贫困地区时，研究人员可以将卫星图像与开源 AI 模型、开放数据集结合起来，通过分析夜间灯光、城市建成区以及建筑屋顶材料等信息，判断不同地区的贫困状况，并进一步绘制贫困分布地图。这类方法能够为相关研究和公共政策提供数据支持，也展示了开源 AI 在解决社会问题方面的应用潜力。
演讲最后，Mehdi Snene 希望 GOSIM 这样的开发者社区能够进一步参与全球数字公共建设，共同构建开放、自主可控的 AI 技术栈，让各国政府和本地技术生态能够基于这些技术开发服务于公共利益的解决方案。
邵立欣：CANN 开源开放打造 AI 人才培养和创新黑土地
华为 CANN 领域总经理邵立欣以《CANN开源开放打造AI人才培养和创新黑土地》为题发表演讲，介绍 CANN 社区在开放协作、开发体验、人才培养和产业实践方面的进展。通过开放技术资产、提供在线开发环境，并将真实产业课题引入学习实践，CANN 正为高校师生和开发者参与 AI 基础软件创新提供支撑。
CANN 是华为面向 AI 场景推出的异构计算架构，连接上层 AI 框架与底层昇腾处理器，为算子开发、模型训练和推理提供基础能力。自 2025 年 8 月明确开源开放战略以来，CANN 持续开放底层技术能力，并通过社区协作推进生态建设。
目前，CANN 社区已建立由技术指导委员会（TSC）、项目管理委员会（PMC）和特别兴趣小组（SIG）组成的治理体系。据演讲介绍，已有 80 多家企业、高校等参与共建，34 个 SIG 中有 18 个由外部组织共建，协作范围从核心组件延伸至行业应用。演讲披露的数据显示，社区月活开发者超过 9000 名，开源代码规模达到 3723 万行。
围绕开发者从环境准备到代码开发、验证和调优的实际需求，CANN 社区持续完善工具与平台。CANNLab 提供免费、开箱即用的在线开发环境，集成昇腾 NPU 算力、开发工具链和常用 AI 框架。开发者可通过浏览器或本地 IDE 接入，开展算子开发、模型训练与推理部署，并通过参与社区任务、积累贡献积分兑换算力卡时。
CANNBot 则面向 AI 辅助开发，围绕代码生成、验证、修复与调优构建智能体能力。结合知识管理、流程编排和评测体系，CANNBot 支持算子生成、性能优化、接口推荐及模型功能与性能诊断，帮助开发者提高开发效率。
在人才培养方面，CANN 围绕“学、练、赛、证、聘”构建社区培养路径，将产业课题前置到课程与实践中，让学习者在真实任务中理解底层技术、积累工程经验。
CANN-Learning-Hub 按技术栈和学习阶段组织课程，内容覆盖深度学习基础、Transformer 架构、大模型训练与推理优化，以及 Ascend C、PyPTO 编程等。通过课程大纲、PPT 课件、实验和评分机制等教学资源，社区支持高校开展短期启航营，将模块化课程融入现有教学体系，或共建新的选修课、必修课。结合CANNLab的在线算力与开发环境，学习者能够边学边练。
CANNJudge 承接练习、竞赛与认证场景，提供客观题、算子题及训练推理题的评测能力，支持自动判分、性能评分和实时排名。教师可创建班级小组、发布题单、查看学习进展；开发者则可通过社区任务、算子天梯赛和挑战赛持续检验与提升能力。课程微认证、开发者技能认证和开源社区贡献认证，为不同阶段的学习与实践成果提供评价依据。
据演讲中截至 2026 年 10 月 1 日的统计，CANN 已与 51 所高校开展合作，共建 13 门课程，开展 40 多场授课，覆盖 3700 多名学生，布道师超过 100 名。在人才供需衔接方面，已有生态伙伴企业招录社区优秀开发者，面向外部企业的推荐渠道仍在持续完善。
面向产业创新，CANN-Recipes 提供基于昇腾的模型训练、推理优化和场景实践样例，覆盖 DeepSeek、Qwen、Kimi、GLM 等模型，以及多模态、具身智能等方向。热门样例与 CANNLab 结合，支持开发者快速体验、复现方案，并在开放代码的基础上进行增量开发和场景迁移。演讲还介绍了 30 多个单卡训练与推理样例，为有限算力条件下的学习和优化实验提供实践入口。
行业 SIG 则将具体业务需求引入社区，推动高校、科研机构与企业共同开展技术攻关。据演讲介绍，社区已有12个行业SIG上线，8个行业代码仓开源开放，覆盖智能交通、具身智能、电力、生命科学等方向。相关实践已涉及交通预测与管控、蛋白质结构预测等场景；面向南方电网广东台区的电力设备巡检和负荷预测调度，相关成果正在开展落地验证。
演讲最后，邵立欣邀请高校、企业与开发者参与CANN社区，利用社区算力、课程和开发工具开展教学与竞赛，贡献优秀教学案例和科研实践成果。
AI 技术创新走向深水区，六大论坛直击技术落地关键问题
AI 技术创新持续深入，智能体的自主执行能力、开源模型与基础设施的协同、AI 在机器人及智能终端中的应用，正成为开发者和产业界共同关注的议题。围绕这些技术热点，GOSIM Shenzhen 2026 设置六大技术论坛，涵盖智能体 AI、开源模型与基础设施、边缘智能体、开源机器人、智能体操作系统与应用、智能体设备等方向。
智能体 AI 峰会
时下行业不再只盯着 AI 模型跑分和参数规模，而是更关注智能体能不能接入真实系统、完成跨应用任务、在办公、制造、金融、政务、消费等场景里持续交付结果。但热潮之下，问题也同样集中：任务执行成功率、多 Agent 协同、数据安全、成本控制和规模化落地，仍是行业必须回答的难题。在本场「智能体 AI 峰会」上，来自开源社区、科技企业、研究机构及国际技术组织的多位嘉宾，围绕智能体的工程实践、组织协作、开源标准与安全治理等议题，分享了各自的探索。
奇点智能研究院院长、CSDN 高级副总裁李建忠首先从开发者生态切入，探讨智能体时代开发者的角色变化，以及技术演进带来的新生态。Thoughtworks 杰出工程师 Birgitta Boeckeler 随后聚焦驾驭工程发展的现状，讨论智能体进入软件工程后带来的变化与挑战。谈及智能体时代，如何提升个人生产力并将其转化为组织能力，华为 2012 实验室编程语言与 IDE 项目群总监董鑫进一步提出以智能体为中心的工程理念。中国电子技术标准化研究院开源研究中心主任、木兰开源社区创始人杨丽蕴则从开源与标准化的角度，分享大模型在开放发展过程中面临的机遇与挑战。当智能体开始参与更多实际工作，团队协作方式也需要随之调整。MindMux.ai 创始人兼 CEO 高阳围绕“知识即代码”，探讨面向 AI 原生团队的新型协作架构，尝试为知识的组织、共享与协同提供新的思路。亚信安全高级副总裁付廷升围绕智能体身份安全展开讨论，聚焦如何解决身份识别与权限管理中的关键挑战，让智能体在获得执行能力的同时具备明确的身份与授权机制。
随后，Makeitfuture 联合创始人兼 CEO Tiberiu Socaci 将视角转向应用本身，分享如何构建能够在每次使用中持续变得更智能的软件。奇点智能研究院首席技术咨询师、智能体专家姜宁则以 DeerFlow 的企业级实践为例，探讨从 Agent First 到 Workflow Later 的设计思路，分析智能体如何摆脱对固定工作流的依赖，更灵活地完成复杂任务。与此同时，Known Unknowns GmbH 首席顾问 Igor Schwarzmann 将话题延伸至知识工作领域，分享如何构建知识工作 Harness，并从编程智能体的实践出发，探索将战略转化为可执行任务的方式。奇点智能研究院首席技术咨询师黄佳则进一步聚焦执行型智能体，从 Agent 设计模式出发，探讨如何将架构设计落实到具体的工程实践中。要让智能体在更广泛的场景中发挥作用，数据与知识的互操作同样重要。CODATA AI 负责人 Slava Tykhonov 介绍了 Semantic Croissant、QueryGraph 与跨领域互操作框架（CDIF），探讨如何通过相关技术与框架促进不同领域的数据理解和互操作。
开源模型与基础设施
过去几年，大模型领域的发展，很大程度上是开源与闭源模型相互竞争、共同推进的过程。从 DeepSeek 等开源模型的崛起，到越来越多开发者和企业基于开源模型进行二次开发，开源生态正在成为大模型技术创新的重要力量。在「开源模型与基础设施」论坛上，来自华为、马克斯·普朗克智能系统研究所、南京大学、Pleias、月之暗面、上海交通大学、EvoPhys AI、智子芯元（深圳）科技等机构和企业的资深技术专家，共同围绕语言模型扩展、开源训练生态、算力互联、合成数据、端侧推理、模型安全及世界模型等话题展开分享，探讨开源模型及其基础设施的发展与实践。
在模型架构方面，马克斯·普朗克智能系统研究所课题组长、ELLIS 图宾根研究所 PI 刘世伟围绕残差连接进行深入分享，尝试为构建更深、更高效的语言模型寻找新的思路。华为开源训练软件技术专家马勇强随后介绍昇腾开源训练生态的建设与演进，分享开源训练软件体系的发展与实践。南京大学副教授郑嘉琦则将视角转向算力基础设施，围绕超级节点 Scale-up 互联系统，探讨如何满足大规模 AI 计算对高速互联的需求。训练数据同样是模型发展的重要一环。Pleias CEO Anastasia Stasenko 与 Pleias 首席 AI 科学家 Pieter Delballe 介绍了面向智能体模型构建的开源合成预训练语料库 SynthCommonCorpus，分享合成数据在模型训练中的应用探索。
紧接着，月之暗面开发者关系负责人唐飞虎聚焦开源大模型的端侧推理与 Agent 协同，探讨如何优化推理性能，让模型与智能体更高效地完成任务。随着开源模型走向更多应用场景，安全与可靠性也受到关注。上海交通大学副教授张拳石围绕机理合规审计与内生安全加固，探讨提升模型安全性与合规性的技术思路。EvoPhys AI首席运营官赵仲夏随后介绍 EvoPhys-World，分享面向物理 AGI 的 5D 世界模型探索，关注 AI 对物理环境的建模能力。最后，智子芯元（深圳）科技创始人丁添结合 KernelCAT 的实践，分享 AI for Computing 的探索，探讨 AI 技术与计算任务相结合的更多可能。
边缘智能体 AI
当云端大模型还在比谁更“大”，「边缘智能体 AI」论坛选择把问题倒过来问：能不能更小、更近、更省、更可信？这里的边缘，不只是把模型塞进手机，而是从算力设备、推理框架、视觉库、浏览器接口到云端协同的一次系统重构。
论坛开场，Pleias 全栈工程师 Iaroslav Neverov 便先给端侧长上下文泼了一盆冷水：“如何在笔记本上读完百万级 Token？你做不到”，并探讨了在严格内存与模型规模限制下完成端侧智能体知识工作的系统方法。深圳智微通科技有限公司董事长兼 CEO 陈安则从部件设计延伸到整机系统，分享了端侧 AI 液冷算力设备走向规模化落地的技术路径。
围绕消费级硬件上的大模型应用，清华大学博士生、Approaching AI 研究员李沛霖与 KTransformers 核心贡献者杨宇杰介绍了 KTransformers 在全精度 1T 级混合专家（MoE）模型上的微调与推理闭环实践，展示了消费级硬件承载超大规模模型工作负载的探索方向。端侧智能的普及，也离不开软件工具链与基础设施的持续演进，为此 OpenCV.org CEO Satya Mallick 围绕 OpenCV 5 的新特性与升级准备展开分享，为开发者梳理了计算机视觉开发工具的更新重点。
有了模型与感知，开发者还缺一个顺畅的本地入口。Makepad 创始人 Rik Arends 介绍了 Makepad AI Hub 如何让用户通过自己的设备云访问本地 AI，探索本地模型与个人设备资源之间更灵活的连接方式。NVIDIA 开发者技术首席工程师 Markus Tavenrath 聚焦边缘 RustNN，分享了以 WebNN 作为本地 AI 智能体基础设施的思路，进一步探讨了 Web 技术与端侧智能计算的结合。
但边缘不是孤岛，AWS 首席解决方案架构师范军提出构建混合 AI 系统，让边缘推理与云端推理融合，为不同计算场景下的任务部署提供了思路。面壁智能开源生态负责人井晨哲则结合 MiniCPM 开源生态实践，梳理了端侧智能的技术发展与生态探索。最后，当算力、模型与接口逐步就位，FOSS（上海）创始人 Gregory Terzian 把焦点拉回人本身，探讨高效能的人-智能体交互。
开源机器人
机器人要真正走进现实世界，光有一个足够聪明的大模型还不够：它需要理解环境、生成动作、处理真实物理约束，还必须在复杂场景中保持安全与可靠。在「开源机器人」技术论坛上，来自开源社区、机器人企业、科研机构及技术组织的多位嘉宾，围绕机器人从模型能力走向真实物理世界的关键环节，分享了各自的探索。
Dexmal AI 基础设施与开源负责人张海滨首先从“大脑”入手，分享如何用 DM0.5、OpenDM 和 Dexbotic 构建开放式 VLA 技术栈，让视觉-语言-动作模型不再被单一厂商锁死。华为工程师、Jiuwen Symbiosis SIG 维护者张珈珲紧接着提出“基于态势感知的九问共生”，与社区共建具身智能新范式，为智能体理解复杂环境提供了系统化的思考框架。范式之下，理解世界的根基终究是数据，为此诺亦腾联合创始人唐新民从“从数据工厂到世界编译器”这一思路出发，探讨具身智能数据生产与世界建模的演进方向。
然而，数据再多、模型再强，距离“真正可靠地走进物理世界”仍有一道关键门槛——安全。中国科学技术大学先进技术研究院研究员黄浴切入这一命题，探讨具身智能体驾驭之道，聚焦如何让能力从大模型平稳过渡到安全、可靠的物理智能。随后 Rust 开发者、《Writing an OS in Rust》博客作者 Philipp Oppermann 登场，分享了如何运用智能体工程维护 Dora，探索 AI 智能体参与开源机器人软件开发与维护的实践。
有了稳定的大脑与系统，机器人还缺一双能触碰真实世界的“手”。Hugging Face 具身机器人工程师 Martino Russi 带来 Project Homunculus，用开源力反馈手套为人形机器人遥操作补上触觉接口。触觉与真实操作又需要仿真场来规模化，Dimforge 创始人 Crozet Sébastien 随即介绍 Nexus——一个面向机器人与训练数据生成的跨平台 GPU Rust 多物理场仿真器。不过，仿真里的“完美”并不等于真实环境中的“稳定”。AI Poland 董事会成员 Bartlomiej Szejny 直面这一落差，提出开放环境下具身智能体的稳态 AI 压力门控控制方法，帮助智能体从“仿真能跑”走向“真实自主”。
而自主意味着决策权转移，Reflexion Robotics 创始人、CTO 兼 AI 研究工程师 Charbel Dandjinou 以“训练还是编程？让机器人自己做决定”发问，把讨论推向具身智能自主决策的边界。可无论机器人是“被训练”还是“自己编程”，最终都要回到一个朴素的问题：它到底做得好不好。Marso Robotics 首席 AI 负责人 Alba María Téllez Fernández 以“从预测到后果”为题收束全场，提出具身智能的新评测范式。
智能体操作系统与应用
如果说上一阶段我们关心的还是“Coding Agent 能不能写出代码”，那么现在问题已经升级为：智能体如何像操作系统一样，成为能承接工程、服务组织、走进日常的可靠基础设施。在「智能体操作系统与应用」论坛上，来自复旦大学、千影光流、ShannonTek、Ingora、华为、Moeru AI、Google Cloud、Approaching.AI、Dify 的一线研究者和实践者，围绕 "如何构建、进化、信任并使用智能体" 这一主线，展开了一场从底层到场景的完整接力。
一切从“如何造好一个智能体”的工程基础讲起。复旦大学 FudanNLP 实验室硕士研究生林佳航围绕 Agentic Harness 工程，分享了如何以可观测性为基础，推动编码智能体 Harness 持续评估与自动进化。紧接着，千影光流联合创始人兼 CTO、PenguinHarness、LlamaFactory 作者郑耀威则把规模推向极致，他带来的 PenguinHarness 直面“面向 1000+ 模型高效自进化”这一硬核挑战。
工具链一旦成熟，创造的门槛就会重新定价——ShannonTek 创始人、Codewhale（前 DeepSeek-TUI）作者 Hunter Bown 因此抛出“发明家的新时代”，讨论当 Agent 成为发明伙伴后，个人创造者能走多远。而 Ingora 创始人兼 CEO 许建志则把视角从个人拉到组织，展示开源 Agent 如何成为 AI 原生企业操作系统，重塑创业公司的工作流。
当然，组织级工作流离不开工程约束，华为 2012 实验室编程语言实验室高级工程师刘子夕提出 SpecArtisans，用可验证的 Spec-Driven 开发范式为 AI 编程补上“规格”这一环。当规格与工作流就绪，游戏这个复杂内容场景自然成为试金石，LobeHub 软件工程师张凡石追问“游戏 AI 的智能体化，我们走远了吗？”，把问题从单点能力引向系统性智能。Google Cloud 解决方案架构师谭欣则聚焦 Harness 工程，分享如何构建 AI 小游戏制作管线，探索将智能体能力融入游戏开发流程的实践路径。
除了代码生成与应用构建，智能体如何进入日常工作场景，以及如何沉淀可复用的运行经验，同样受到关注。Approaching.AI 首席架构师谢威宇以“两次解耦”切入，探讨通过架构解耦推动 Coding Agent 从开发工具走向更广泛的日常应用。最后，开源项目 Obelisk 作者、Dify 智能体性能与优化实习生 Yuu 提出应将 Agent 历史视为基础设施而非普通日志，并分享了为编码智能体会话构建可查询证据层的思路。
智能体设备
智能体的下一站，可能不只是电脑和手机里的一个 App。当 AI 不再只是设备上的一个功能，而成为连接用户与整个设备生态的新入口，计算设备本身也正在发生变化。在本次「智能体设备」论坛上，来自小米、乐鑫信息科技、涂鸦智能、EMQ、Second State、声网、Furi Labs、词元开物和上海心境感知智能科技的一线专家，从操作系统底座、硬件开发工具、设备连接协作、实时交互体验到产品化落地，完整呈现了 AI 进入物理世界后的技术版图。
论坛伊始，小米 openvela 开源项目负责人杜超围绕 openvela，介绍如何从开源操作系统出发，为 AI 硬件智能体构建基础底座；乐鑫信息科技 IoT 产品商业化负责人凌通则聚焦开源硬件，探讨如何借助硬件生态推动 AI 从云端走向日常生活。涂鸦智能开发者生态负责人赖宣翰进一步介绍了 TuyaOpen 面向物理 AI 时代的智能体优先操作系统，探索设备如何从单纯的连接节点走向具备感知与思考能力的智能终端。
当设备不再孤立运行，智能体之间的协作也成为新的技术课题。EMQ 联合创始人兼 CTO 金发华围绕 EMQ Device Agent，分享如何推动设备从联网走向协作，构建支持智能体对智能体（A2A）交互的分布式智能硬件网络；Second State CEO、GOSIM 发起人 Michael Yuan 与 Second State 工程师陈思衡则共同拆解了面向智能体开发的物理接口，为智能体感知与操控物理世界提供统一、可复用的方案。
要让 AI 真正进入现实世界，还需要更自然的感知与交互能力。声网 Physical AI 产品线负责人冯晓东讲述了从“听懂你”到“看见你”的进化路径，实时多模态正推动 AI 走出文本世界、进入真实世界。Furi Labs 嵌入式软件工程师 Bardia Moshiri 与 Furi Labs COO Wayne Connolly 带来了“智能体 AI 作为移动 Linux 的贡献者”的观察，展现开源社区与智能体互相成就的新可能。
在开发方式与终端产品落地层面，深圳词元开物 IterXAI 创始人兼 CTO 杨振宇带来了词元开物 IterXAI——硬件 Vibe Coding 的前沿探索，让开发者以对话式方式“写”硬件，大幅拉低智能体硬件的开发门槛。最后，上海心境感知智能科技联合创始人王宝峰聚焦 AI 智能体设备的产品化与场景落地，探讨如何让设备从“可穿戴”走向理解用户需求、融入日常生活的智能伙伴。
现场动手、当场实践：工作坊有哪些新玩法？
CANN 工作坊
模型层拼的是算法，算力层拼的却是另一件事：能不能让每一块芯片都不空转。本次大会的 CANN 工作坊，没有停留在“昇腾能跑什么”，而是直接拆开源组件、通信库、算子 DSL，把昇腾 CANN 的开放路线图摊开给开发者看。
华为 CANN 领域总经理邵立欣率先发表开场致辞，介绍了 CANN 开源开放在 AI 人才培养与技术创新中的价值，为后续技术分享拉开序幕。随后，CANN 架构师邹楠带来“昇腾 CANN 携手 DeepSeek 共建开源基础组件”，把双方合作从模型适配推进到基础组件层。当 MoE 通信和大模型矩阵计算成为性能瓶颈，ops-transformer Committer 陈建军拆解 DeepEP / DeepGEMM 开源库，展示如何在这两个关键路径上做加速。
而要让算子开发不再被硬件细节绑死，TileLang-Ascend 社区 Collaborator 张雨晨进一步拆解 TileLang / TileKernels 开源库，揭示 TileLang 原生支持昇腾 950 背后的技术。最后，ops-transformer Committer 熊志强把视角拉向开发范式，介绍了 CANNBot-DSL 如何以 Agent Friendly 的方式，降低复杂算子开发的门槛，并兼顾开发效率与执行性能。
DORA-rs 工作坊
如果说机器人是一台“会行动的机器”，那么驱动它运转的“神经”，往往不是某一支单一的算法，而是一条贯穿感知、决策与控制的“数据流”——以 Rust 写就、采用数据流架构的 DORA-rs，正是这样一条把机器人从 “代码”带向“行动”的开放管线。在本次 DORA-rs 工作坊中，八位来自社区、高校和企业的开发者与研究人员，围绕具身智能实践、机器人导航、可信工具设计与异构数据传输等方向，分享了各自基于 DORA-rs 的探索。
DORA-rs 开源社区技术负责人李扬率先以“从代码到机器人”为题，回顾了 DORA-rs 社区如何一步步把框架打磨成能落地的机器人骨架，也亮出了具身智能方向的最新实践。重庆邮电大学学生陈秋吉把视角落到三维导航，展示如何基于 DORA 把激光雷达点云一路推到轨迹规划。石家庄铁道大学博士候选人肖文程接着从数据流驱动切入，讲解 DORA-rs 架构下从感知到控制的导航实现。但当数据流越来越复杂，信任就不能默认存在，北京信息科技大学研究生韩可树因此从 DORA-rs 数据流调试出发，讨论可信工具究竟该如何设计。
调试之外，机器人还需要真实示范数据，道瑞（北京）智能科技有限公司研发工程师孙玉杰介绍了面向示范数据采集的 DORA-rs 遥操作闭环系统设计与实现。数据采集之后要流动起来，中国科学技术大学研究生唐粲然关注端边云协同，提出面向机器人的高速数据异构传输框架。DORA-rs 开发者、全栈工程师谭棋洋则从一个 AI 辅助的 DORA-rs 教程谈起，降低开发者的入门门槛。最后，当智能体编程与机器人研究开始交汇，重庆邮电大学研究生韦永成把问题推向更远处：从智能体编程走向机器人自动科研，为整场工作坊画上一个面向未来的开放性句号。
Agentic 基础设施论坛
当 Agent 从“能对话”走向“真正承担业务”，支撑它的早已不是单点模型，而是一整套看不见的幕后——容器沙箱、推理引擎、强化学习平台、算子编译器，乃至最底层的算力底座。在本次“Agentic 基础设施论坛”工作坊上，多位一线专家把这些“幕后”逐一拆开，串起一条从运行时环境到算力新基建的完整技术版图。
CNCF 大使、腾讯云 Agent Runtime 高级产品专家周鹏飞介绍了腾讯海量 Agent 背后的基础设施 CubeSandbox，分享了面向大规模智能体场景的运行环境支撑思路。华为昇腾计算推理技术专家田馥玮聚焦 vLLM 与昇腾的结合，围绕插件化架构和混合专家（MoE）模型的专家负载均衡，介绍了推理框架适配与性能优化实践。而推理之外，强化学习训练还卡在 Rollout 与权重同步，Mooncake 社区 Maintainer 马腾解释了 Mooncake 如何支撑高性能强化学习和推理系统。
要把这些系统性能真正压榨出来，算子开发必须更简单，为此华为 Triton 算子技术专家付冰洋带来 Triton for Ascend，让高性能算子开发不再高不可攀。算子之上还需要统一表达，华为编译器实验室 AscendNPU IR 技术专家吴凌飞介绍了 AscendNPU IR 如何打造高效易用的昇腾多元算子体系，助力开发者灵活创新。最后，当 Agentic AI 进入规模化时代，鲲鹏 AI Agent 技术专家王亚军以鲲鹏超节点给出算力新基建的答案。
openGauss 数据库与生态协同论坛
大模型越聪明，对数据底座的要求就越苛刻。向量检索、多写架构、端侧嵌入、生态协同——这些词放在一起，指向的是同一个问题：AI 时代的数据库，不能再只是“存数据的地方”。在本次“openGauss 数据库与生态协同论坛”工作坊，多位数据库技术专家与生态代表从技术创新、架构突破、向量能力、智能增效到端侧嵌入，把 openGauss 生态的版图一块块拼了出来。
数据库开源发展联盟理事成员周正中以“AI 时代数据库生态的技术创新与实践”为题，分享了数据库技术创新与开源生态建设的相关探索；openGauss 系统架构师熊小军则聚焦开源多写数据库的核心突破，试图解决多写场景下的协同难题。面向 AI 应用的数据需求，移动磐维数据库架构师王小玉围绕从向量数据库到 AI 应用数据底座展开分享，探讨数据库能力如何进一步支撑智能应用。
而要让海量数据真正为 AI 所用，海量数据华南区生态总监欧阳丽辉以“以智增效”为题，讲述海量数据库如何构筑 AI 智能数据基座。在端侧智能场景中，大湾区国创中心嵌入式数据库产品部 CTO 吕政也介绍了国创灵梭嵌入式数据库 IntarkDB，聚焦端侧智能所需的数据底座能力，探讨嵌入式数据库在边缘应用中的价值。在本场活动最后，全体讲师共同参与圆桌讨论，围绕 openGauss 7.0.0 LTS 的技术要点及数据库生态协同发展的新趋势展开交流，进一步探讨开源数据库技术演进与产业生态共建的方向。
从软件工厂到具身智能，黑客松激发无限创意
代码、创意与 AI 在这里碰撞。走进大会黑客松现场，开发者们围绕不同的技术命题展开探索，从智能体应用开发到机器人仿真，从软件工程到天文探索，大家各自聚焦感兴趣的方向，将想法转化为可以动手验证的技术实践。
其中，「智能体软件工厂」与「智能体应用」黑客松将目光投向智能体驱动的软件开发与应用创新；「智能体巡天」探索智能体在天文领域的应用可能；「移动机器人智能体」与「具身智能仿真」则进一步将技术探索延伸至机器人与物理世界。五场黑客松各有侧重，共同呈现出 AI 技术不断拓展应用边界的多元图景。
对于参与其中的开发者而言，黑客松不仅是展示技术能力的舞台，也是交流思路、协同开发、验证创意的实践机会。围绕具体问题展开探索，在开发过程中不断完善方案，技术交流也随之从想法讨论延伸至实际应用。不同背景、不同技术方向的参与者汇聚于此，让现场成为观察 AI 创新如何发生的一个窗口。
全球创意集结，下一代 AI 产品亮相
与此同时，项目路演「Spotlight Shenzhen 2026：下一代 AI 原生产品」也在大会现场亮相，来自全球的创新团队齐聚一堂，展示面向未来的 AI 原生产品与应用构想。从技术创新到场景探索，从产品设计到应用实践，不同背景的团队带来了各具特色的创意与思考。多元的创新视角在现场交汇，也让人们看到 AI 技术正在催生怎样的新产品、新体验与新机遇。
聚焦 Rust 与 AI 融合，探索系统创新与工程实践
作为本次大会同期举办的技术活动，「RustChinaConf 2026」汇聚 Rust 社区与产业界的技术实践，围绕生态建设、操作系统创新以及 Rust 与 AI 的融合展开交流。
上午的 Keynote 环节，Rust 项目 Types 团队负责人、Rust 基金会董事会 Project Director Jack Huey 带来主题演讲《Symposium：拥抱多元生态系统》，从生态视角探讨 Rust 社区的发展与多元协作。vivo 系统研发总监贺程分享《vivo 蓝河操作系统的架构创新与实践》，介绍 Rust 在操作系统架构与研发实践中的探索。月之暗面开发者关系负责人、研发工程师唐飞虎聚焦 AI 生成代码与 Rust 项目分析的结合，展现月之暗面 AI 技术为软件开发与代码理解带来的新思路。
下午的分论坛进一步聚焦技术应用与工程实践，设置 Rust for AI：推理与数据层、AI for Rust：生成、验证与质量和 Rust 生产实战三个方向，分别围绕 Rust 在 AI 推理与数据基础设施中的应用、AI 辅助 Rust 代码生成与验证，以及 Rust 在生产环境中的实践展开交流。从生态协作到系统架构，从 AI 辅助开发到生产级工程实践，RustChinaConf 2026 呈现了 Rust 技术生态与 AI 发展相互交织的多元探索。
特色展区人气高涨，创新成果精彩亮相
除了精彩纷呈的主题演讲与技术论坛，大会特色展区同样人气高涨，吸引众多参会者驻足交流、亲身体验。丰富的创新软硬件产品、沉浸式的互动体验与热烈的交流氛围，让技术创新有了更直观的呈现，也为大会增添了更多活力与亮点。
大会的成功举办，离不开每一位合作伙伴的支持与同行。特别感谢华为技术有限公司、KIMI、Google cloud、明基编程显示器、亚信科技控股有限公司、原力灵机、RoboChallenge、数联科技、DataClawHub、MiniMax、AMD、北京灵明智码科技有限公司、TRAE、ONLYOFFICE、清华大学出版社、电子工业出版社博文视点、清湛智造、CoHDL、InferMatrix、红帽软件、openJiuwen 对大会的支持！因为大家的共同参与，大会得以汇聚前沿思想、技术实践与创新力量，共同推动开源生态的繁荣发展。