开源打破“AI黑箱”！集结全球大咖，GOSIM Paris 2026带你看懂Agent时代大变局

作者 | GOSIM出品 | CSDNIDCSDNnews都说我们正处在 AI 最好的时代。到了 2026 年这句话已经不太像判断更像一种正在发生的现实。美国斯坦福大学发布的《2026 年 AI 指数报告》给出了一组直观信号中美顶尖模型之间的性能差距已缩小至 3% 以内。而在中国日均 Token 调用量突破 140 万亿。模型能力仍在提升但更关键的变化其实是“角色”。AI 正从“能对话”走向“能做事”——从内容生成到任务拆解、工具调用再到多智能体协作它开始进入真实的生产与业务流程逐渐成为一种新的基础设施。在这样的背景下GOSIM Paris 2026 在巴黎开场。这是一场面向开发者的开源 AI 技术大会不只是讨论模型能力本身更聚焦这些能力如何被真正用起来真实地落到工程、工具链以及具体业务场景中。本次大会由 GOSIM 主办CSDN、1ms.ai 、Probabl 联合打造把分散在全球各地的开发者、研究者和企业实践者拉到同一个现场交流“AI 到底该怎么用”。延续前一天 AI Vision Forum 的密集讨论5 月 5 日的议程明显提速Keynote、主题论坛、Workshop、Hackathon 连续展开。相比偏趋势和观点的分享这一天更强调实操即如何构建应用、如何接入模型、如何让系统真正跑起来。会场里来自 Probabl、华为、NVIDIA、字节跳动、Hugging Face、Eclipse 基金会等机构的工程师与研究者同场交流。一边是技术在快速推进另一边是围绕开源生态的协作在不断发生。而 GOSIM 最鲜明的特点之一是“重实践”。不同国家的开发者与社区成员带着各自的技术路径和真实经验来到现场让原本抽象的问题变得具体。某种程度上这场大会本身就在回答一个问题当 AI 成为基础设施之后开发者该如何真正把它用起来。聚焦 AI 本源与产业变革Keynote 重磅登场在 GOSIM Paris 2026 主会场的首日 Keynote 环节中四位来自数学、数据科学、开源社区与产业生态的顶尖思考者从各自的阵地出发最终指向同一个追问当 AI 不仅能回答问题、生成代码甚至能在数学定理证明中逼近银牌水平它究竟是值得信赖的“同事”还是依然深不可测的“黑箱”Sir Timothy GowersAI 数学家能否不仅仅是一个黑箱大会伊始菲尔兹奖数学界的“诺贝尔奖”得主、法兰西公学院组合数学讲席教授、剑桥大学研究教授、剑桥大学三一学院院士 Sir Timothy Gowers 发表了题为《AI 数学家能否不仅仅是一个黑箱》的主题演讲从一线数学研究者的视角系统梳理了大语言模型对数学研究方式带来的冲击与潜在走向。Sir Timothy Gowers 回顾了自 2023 年 ChatGPT 出现以来AI 与数学关系的快速演变最初数学界普遍认为大模型虽能解决高中层级问题但在严谨性、稳定性与原创性上存在明显短板尚不足以构成实质威胁。然而这种“它能做到这个但做不到那个”的判断很快在持续迭代中被不断打破。关键转折出现在 2024 年。以 Google DeepMind 的 AlphaProof 与 AlphaGeometry 为代表的系统在国际数学奥林匹克竞赛IMO中达到银牌水平首次展现出接近高水平数学推理的能力。尽管其计算成本高昂、依赖专门训练但已表明 AI 正在逼近需要“真实数学构思”的问题领域。而到了 2025 年进展进一步加速。最新一代大语言模型在自然语言环境下通过多模型协作与提示策略已能在 IMO 水平问题中达到金牌表现且解题效率显著提升。这意味着一旦系统能够在合理时间内解决高难度问题其进一步突破几乎不存在明显技术障碍。与此同时AI 在数学研究中的角色也在发生转变。过去大模型主要用于文献检索与信息辅助而如今它们已开始参与到实际问题求解之中。Sir Timothy Gowers 分享道在自己的研究实践中将若干“子问题”交由模型处理往往可以在数分钟内获得结果替代原本数小时的人工推导。这种能力正在显著改变研究节奏。更具标志性的变化是 AI 已开始触及研究级问题。他提到有研究者尝试利用模型解决数学家保罗·埃尔德什遗留的未解问题尽管早期成果仍存在争议但整体水平持续提升。甚至在个别案例中模型已能提出具备论文价值的解法接近博士生研究水准。不过Sir Timothy Gowers 也强调当前 AI 数学家的形态仍不理想。与人类数学家相比大模型往往直接给出答案却缺乏“过程引导”的能力。在学习与研究中人类更需要的是逐步提示与“生产性的思考过程”而非最终结论本身。此外模型推理路径的不透明性也使其原创性与方法有效性难以评估。在他看来理解 AI 如何进行“证明搜索”将成为未来关键方向。如果能够借鉴人类数学家在推理中的高效策略减少盲目搜索不仅可以提升模型性能也有助于降低计算成本。基于这一思路Gowers 分享了其团队正在推进的研究工作通过抽象“证明发现动作”尝试构建更贴近人类思维过程的自动定理证明系统并开发相应的交互平台以探索更可解释、更高效的 AI 数学推理路径。Gaël Varoquaux数据科学不是 AI但它是 AI 的起源也是 AI 的新前沿Probabl 首席科学官 Gaël Varoquaux 在大会现场把话题拉回到一个更“底层”的问题尽管大语言模型在图像生成、文本对话甚至定理证明上屡创佳绩看似远离噪声与随机性但统计工具依然是支撑这些成就的底层逻辑。Gaël Varoquaux 认为现代 AI 的核心在于寻找连续性通过嵌入将离散的符号与逻辑映射到连续空间从而实现内插与外推。这一过程天然就引入了不确定性一方面来自于不完整的问题描述另一方面则源于现实世界固有的歧义。他以“Fruit flies like a banana”和“Bank”等语言歧义为例强调单纯依赖逻辑或规则驱动的系统难以模拟充满文化不确定性的世界。语言模型正是通过压缩海量知识来构建连贯视图但这种有损压缩必然产生错误。Gaël Varoquaux 举例称某 AI 系统曾错误地声称爱因斯坦向柏林洪堡大学提交博士论文。为此他提出需要监控模型的“校准”——即预测信心与实际正确率的一致性。然而校准并不完美由于训练数据偏向西方文化LLM 对来自中国、印度等地区的提问往往过度自信、校准更差。因此需要对大语言模型进行全面的统计验证。在更广义的数据科学层面Gaël Varoquaux 强调机器学习本质上是估计条件期望的过程但现实中的数据常存在选择偏差与协变量偏移。例如用观察数据推断治疗效果时一个看似预测精度较低的简单模型反而可能比复杂模型更具外推能力。他指出模型评估的方式取决于其最终用途验证只能在未见数据上进行而选择正确的评估指标——如 Brier 分数或效用相关指标——与选择模型本身同等重要。最后Gaël Varoquaux 介绍了其团队正在开发的 Python 库 Skore基于 Scikit-learn 风格专注于模型评估并衔接非技术利益相关者。他总结道统计学对 AI 至关重要即使在确定性的课题中亦复如是——因为世界知识充满文化歧义而唯有严谨的统计思维才能引导我们构建可信、可控且可解释的智能系统。Bill Ren任旭东“黑灯”社区人工智能时代开源范式转变的思考“我们不是在加速旧时代而是正在驶入一个新纪元。”华为开源联络官、CNCF 董事会成员 Bill Ren任旭东以此开头向开源建设者抛出了一个灵魂拷问当 AI Agent 成为真正的同事开源社区会变成什么样Bill Ren 借用 OpenAI 联合创始人 Andrej Karpathy 的框架指出软件已从 1.0手写代码、2.0神经网络学习迈入 3.0 时代——大语言模型LLM成为解释器上下文是内存提示词即新编程语言。以“菜单生成”为例过去需要一个传统团队才能完成如今只需一次 API 调用。与此同时Agent 的定义也清晰起来LLM 记忆 工具即具备大脑、上下文与执行能力的“数字员工”。不过 Bill Ren 也强调AI 可以替代“思考过程”却无法替代“理解本身”尤其是在价值判断、架构设计与伦理决策等关键领域。在演讲中他从四个维度概括了这一时代转变一是领导力从“人参与决策”走向“人主导决策”人类不再监督每个节点而是上升至意图与编排层从“指挥人类”变成“编排 Agent”二是流程从叙述性描述变为基准事实Agent 的决策日志、推理过程全量可被机器读取、可复现实现可信并行三是生产力从以人力规模为核心转向以算力为核心个体开发者通过调度模型与 Agent能够完成过去大型团队的工作四是协作模式“黑灯社区Lights-out community”正在形成。如同制造业的熄灯工厂机器人 24 小时连轴转开源社区正在上演无声革命少量人类与大量 Agent 协同开源项目迭代节奏从“按月”压缩至“按天”代码逐渐呈现“生成即用、用后即弃”的特征。这一变化背后Token 正成为新的核心生产要素。Bill Ren 指出开发者购买的不再是软件使用权而是“智能使用权”。Token 类似“千瓦时kWh”是智能的计量单位其增长逻辑符合“杰文斯悖论”效率越高整体消耗反而越大Token 也将从算力计量逐步转向“智能”的统一度量。在基础设施层面Bill Ren 认为 AI 时代需要新的“Agent OS”其核心包括智能体应用层、编排与调度核心以及分布式运行时同时必须兼顾技术能力、治理透明与全球开放。面向未来他强调需构建芯片、模型与平台的开放闭环并提出“Digital 20D20”构想从技术、经济、治理与伦理四个层面推动全球协同。他最后指出代码已成为新的语言开源的边界将定义未来世界的边界。“文明的下一部宪法将是代码 —— 而代码必须是开放的。碳纪元的时代假设已经过时硅纪元的首个标志性特征仍有待书写。我们正在共同构建一个共享命运的数字共同体—— 由人工智能引领、人类参与仲裁、全球共同治理并建立在开放基础之上。”Tao Jiang蒋涛构建开放的 Agentic 生态系统最后CSDN 创始人兼董事长、GOSIM 发起人蒋涛从更宏观的产业演进视角对这一轮 AI 变革进行了系统性总结。他提到自己亲身见证了过互联网、云计算与移动互联网三次技术浪潮而当前这场由大模型与智能体驱动的变革在底层逻辑上已经发生根本转向人类不再只是迭代软件产品而是在重塑整个工作方式本身。作为拥有 5300 万用户的开发者社区CSDN 也在主动适应这场变革为此打造了 AtomGit 平台。蒋涛表示它并非单纯对标 GitHub 的替代产品而是面向智能体时代打造的全新底座实现代码、大模型与智能体的协同联动全程开放开源。在生产力层面AI 带来的跃迁尤为显著。过去打造一款估值十亿美元级的开发者工具需要数千名工程师耗时十余年打磨而现在不足二十人的小团队一年之内就能达成同等规模。核心原因在于AI 不再只是辅助开发的工具正在转变为独立的开发主体全面引爆行业生产力。这种转变并不局限于软件领域硬件侧也在经历类似的重构。蒋涛认为随着智能技术成本大幅下降万物可编程的时代正式到来。放眼整个智能体技术体系开源能力已经覆盖全层级当下真正的核心赛道集中在协同调度层。目前行业统一标准仍处于萌芽阶段谁能率先建立规则谁就能主导下一时代的发展。不过他强调这不是零和博弈而是全球产业的融合共生。欧洲深耕基础理论研究中国具备规模化落地与快速迭代的优势全球生态则共同推动行业标准完善。各方并非相互竞争而是互补协作开源本身就没有国界。但行业规则已然改写传统工具侧重应答交互而智能体核心在于自主执行。这也意味着信任机制、合规审计、行为边界与责任追溯将成为必不可少的底层保障。在智能体时代信任是全新的数字基础设施。在演讲最后蒋涛发出共建倡议提出推动 OpenToken 体系建设希望以此为基础构建一个更加安全、可信且可持续演进的开源智能体生态。三大论坛齐开解锁 Agentic AI 全生态进化路径精彩 Keynote 分享过后大会议程继续升温Agentic AI 峰会、Agentic OS 与应用、边缘侧 Agentic AI 三场论坛同步开启。论坛承接了 Keynote 的核心议题从顶层理论走向产业落地、从通用智能延伸至系统架构与边缘场景围绕智能体技术架构、操作系统适配、落地应用实践、边缘端部署创新等核心方向展开深度研讨汇聚行业精英共探 Agentic AI 技术演进与生态建设的现实路径与未来机遇。Agentic AI 峰会在「Agentic AI 峰会」分论坛中Agentic AI 的价值不再停留在概念层面而是被直接拉回到真实的产业场景中加以验证与展开。本次 Agentic AI Summit 汇集了零售行业头部企业、国产基础软件代表力量以及高校研究学者从企业智能体落地、研发流程提效到教育体系的智能化重塑系统性呈现了 Agentic AI 在不同产业维度中的实践路径与应用边界。为了让前沿观点既有宏观判断也有工程细节支撑论坛采用了“主题演讲 圆桌对话”的双结构设计前者聚焦技术趋势与方法论演进后者则围绕真实落地中的挑战与分歧展开讨论使讨论既有高度也有落点。首场主题演讲由英伟达首席工程师 Bryce Adelstein Lelbach 带来。他从基于 Tile 的编程模型切入系统介绍了 NVIDIA 最新的 cuTile 编程栈以及其底层编译基础设施 Tile IR。这一套体系试图重新定义高性能并行计算的表达方式通过更贴近硬件结构的 Tile 抽象让开发者在面对 HPC、数据科学与机器学习任务时能够以更直观的方式表达计算逻辑同时在可移植性与执行效率之间取得更好的平衡。紧接着在圆桌主持人、LAION 科学负责人、FZJ 主席 Jenia Jitsev 的引导下智谱 AI 技术布道师 Yuxuan ZhangMiniMax AI 推广大使 Daniel尤利希超级计算中心、LAION 研究员 Marianna NezhurinaAlice.io 技术总监 Mo SadekTurintech Al CTO 兼联合创始人 Mike Basios共同围绕“Agentic AI 时刻——从模型到智能系统”展开深入讨论。六位嘉宾们重点聚焦智能体系统与当今 AI 助手或副驾驶之间的本质差异系统性回应了我们是否正在经历从 AI 模型走向 AI 系统的结构性转变这一关键问题。同时讨论进一步延展到智能体栈的核心组成部分以及支撑其走向规模化应用所需的关键技术突破。在多方视角的交汇下智能体从单一模型能力走向复杂系统协同的演进路径被更加清晰地呈现出来。在 AI Agent 的驱动下整个软件行业正经历一场深层次的范式重构。奇点智能研究院院长、CSDN 高级副总裁李建忠指出行业正在从传统“工具租赁”式的 SaaS 模式迈向以“结果交付”为核心的 AaaSAgent as a ServiceAgent 即服务新形态从依赖人工操作的流程执行走向由 Agent 主导的自主协作体系。在这一转变过程中Agent 正在重塑软件行业的生产关系、商业逻辑与生态结构。他围绕 Agent 驱动的软件行业范式演进系统阐释了其在软件开发、交付、运营及商业模式等层面的关键变化并进一步探讨了由此带来的行业创新机遇与新一轮技术范式的形成路径。华为中央软件研究院新加坡首席科学家 Yu Tao 通过 openJiuwen Agent 平台的视角系统阐述了智能体系统从“以对话为中心”向“以执行为中心”的范式转变。他重点介绍了 openJiuwen Agent 平台及其最新发布的自进化智能体 JiuwenClaw在核心架构上的关键创新展示了智能体能力如何从孤立脚本逐步演进为具备稳定性与可扩展性的生产级编排系统。在现场演讲中Eclipse 基金会 AI 负责人 Michael Berns 重点介绍了 Eclipse PanEval 项目它基于 BAAI FlagEval 的技术贡献演进而来正在构建一个厂商中立的评测与治理框架。他指出Eclipse PanEval 的核心目标是为生态系统提供符合《欧盟 AI 法案》等关键监管要求的透明度与文档化能力支持从而让模型评估与合规要求能够在统一框架下被系统化落地。同时该项目采用独立治理机制并通过解耦架构设计在保持全球技术协同的基础上更灵活地适配不同区域的标准与监管体系。当越来越多的企业开始应用 Agentic AI开发者的软件开发方式与日常工作模式正在发生系统性变化软件本身的定义也被重新思考与重构。在 Caspera Lab CEO Christian MAITRE的主持下Carrefour 集团数据架构师Guillaume Blaquiere、Advanced AI Society CEO Tricia Wang、OW2 CEO Pierre-Yves Gibello、Haoeasy AI SAS 创始人Hao Li、Cheqd.io CEO 兼联合创始人 Fraser Edwards 等技术大咖共同围绕“企业中的 Agentic AI——重新思考软件与工作”这一话题进行探讨。他们从企业实践出发系统分析了 Agentic AI 对软件形态的重塑路径指出 AI 智能体正在逐步演化为企业系统中的核心执行层并与传统 SaaS 能力形成新的协同关系。在组织层面员工与智能体的协作关系正在重构企业的工作流与分工方式使得人机协同成为新的默认工作模式。在“AI 教育——智能体时代的学习”主题讨论中Known Unknowns GmbH 负责人 Igor Schwarzmann菲尔兹奖数学界的“诺贝尔奖”得主、法兰西公学院组合数学讲席教授、剑桥大学研究教授、剑桥大学三一学院院士 Sir Timothy Gowers复旦大学副教授 Yonghui Wu吴永辉上海交通大学副教授 Yun Lin香港中文大学教授 Xiaolu TanPuddin AI CEO Nowa Sutaka 围绕 AI 智能体对学习方式的重塑展开深入交流。在他们看来随着 AI 智能体逐步介入教学过程学习正从标准化知识传递转向以个性化反馈与持续互动为核心的动态过程。在这一演进下教育结构与能力模型也同步发生变化。他们指出在 AI 增强型环境中基础知识获取的重要性相对下降而问题定义能力、跨学科整合能力以及与 AI 协作的能力成为关键技能。同时AI 在提升教育可及性的同时也可能因资源与能力分布差异带来新的不平等。在此背景下大学的角色正从知识传授机构逐步转向培养批判性思维与原创性研究能力的空间载体。Agentic OS 与应用在「Agentic OS 与应用」论坛上围绕 Agentic OS 展开的讨论成为全场焦点这一概念正指向一个新的操作系统层当 AI 代理逐渐成为人与计算机交互的主要界面它不再只是传统意义上的内核或驱动而是支撑自主、可组合、可信 AI 工作流运行的基础设施。在现场Makepad 联合创始人 Rik Arends 带来 Rust 原生 AI 应用现场教学展示如何用 Makepad 构建高性能、低延迟的端侧智能界面Delinea 软件工程师 Marcin Zubrzycki 分享了自己使用多 Agent 编排器 StrongDM 的经验通过遍历节点图来交付生产就绪的功能CopilotKit 创始工程师 Ran Shemtov 解析 AG-UI 协议并手把手演示如何打造具备上下文感知能力的代理式应用Huansheng Technology 首席程序员 Sizhe Cheng 详解面向人类和 Agent 的开源通信平台 AgentChat 的设计并分享构建人机之间直接、结构化和持久化协作平台的经验字节跳动软件架构师 Xuan Huang 从“Vibe Native”视角重新定义前端与智能体的融合方式Makeitfuture CEO 兼联合创始人 Tiberiu Socaci 介绍自进化应用的设计与构建方法包括实现路径、许可模式选择以及多项目实践中的经验总结并进行了现场演示。Relevant Study LLC、MoFA.AI 负责人 Zonghuan Wu 探索了构建超越聊天的 Agent 应用设计原则从多通道存在到主动编排再到提供商弹性与多触臂 Agent 的心智一致性问题Eclipse 基金会 Oniro 项目经理 Ignacio Ahedo 解读如何构建供应商中立的 Agentic 开发者工具基础设施Ingora 创始人兼 CEO Jacky Hsu 展示如何借助中国硬件生态打造可持续学习的 AI 伴侣设备让 AI 成为新的人机交互界面Capgemini 解决方案架构师、专注于 AI 系统与智能体治理 Tianyi Han 介绍面向治理的 AI Agent 运行时架构与核心组件并展示如何在不牺牲灵活性的前提下将治理能力融入真实 AI 工作流中。边缘侧 Agentic AI当大模型不再完全依赖云端算力智能终端也能在离线与低功耗环境中独立运行时Agentic AI on Edge 正在重塑 AI 的落地方式。本次大会特别设置「Agentic AI on Edge」论坛围绕端侧 AI 的全链路技术与实践路径展开讨论来自 Hugging Face、英伟达、Dimforge、Second State 等机构的技术专家带来了从框架到工程化落地的系统分享。其中Hugging Face 软件工程师 Xuan-Son Nguyen 剖析 llama.cpp 全新的 Web UI、对热门模型的支持、性能优化以及与下游应用的集成方式英伟达首席工程师 Markus Tavenrath 演示 RustNN 如何为 AI 生态系统构建统一的流水线Dimforge 创始人 Sébastien Crozet 展示利用 Rust 与 rust-gpu 实现单语言跨平台 GPU 推理的实践成果Second State CEO、WasmEdge 维护者 Michael Yuan 分享将真实 AI 能力移植为独立 Rust CLI 工具的经验包括工程流程、Rust 生态在生产中的可用性以及如何划分 Python模型所在与 Rust工具所在之间的边界。硬核实战拉满工作坊直击 Agentic AI 工程实操核心在前沿观点碰撞与产业趋势探讨之外大会还重磅开设了主题工作坊从前沿模型部署、智能操作系统、开放计算架构到数据科学与 AI 实践等多维度延伸落地。vLLM 工作坊、OpenHarmony × AI: Powering the Next Intelligent Operating System、面向 Agentic AI 的开放计算FlagOS、数据科学与 AI 工作坊等轮番登场聚焦技术实操、底层系统架构、智能体开放生态与数据科学核心方法论以实操教学、案例拆解、技术共创的形式为开发者与行业从业者带来沉浸式干货学习与实战交流。vLLM 工作坊在大模型进入生产落地阶段后几乎所有做过推理服务部署的开发者都绕不开一个关键词——vLLM。作为当前最主流的高性能推理框架之一vLLM 已经逐渐成为大模型服务化栈中的“基础设施级组件”从单机部署到大规模集群推理都能看到它的身影。在本次 vLLM 工作坊中vLLM 核心贡献者、Red Hat 生成式 AI 高级首席产品经理 Erwan Gallen 指出一个健壮的推理生态离不开对多样化硬件的广泛支持。他从平台团队的实际视角出发拆解了基础设施选型时需要权衡的关键因素包括不同工作负载形态、提示词与上下文行为差异、系统并发能力、解码延迟表现、显存与内存压力、扩展架构模式以及生产环境中的运维适配问题。随后Red Hat 首席软件工程师 Daniele Trifirò 从 vLLM 的核心优化机制讲起重点回顾了包括 PagedAttention 在内的关键设计并进一步延展到面向不同目标场景的系统构建方法。他还深入介绍了 vLLM 在第三方硬件生态中的适配实践例如 Google TPU、AWS Neuron以及 Intel Gaudi 等加速平台展示了推理框架如何在多硬件栈之间实现一致性与性能平衡。OpenHarmony × AI: Powering the Next Intelligent Operating System在「OpenHarmony × AI: Powering the Next Intelligent Operating System」Workshop 中围绕智能操作系统与 AI 融合的最新实践与挑战来自开源社区、学术界与产业一线的多位嘉宾展开了深入分享。OpenAtom OpenHarmony 技术指导委员会TSC成员贾宁从整体视角出发系统梳理了智能终端操作系统当前面临的机遇与挑战为后续讨论奠定了技术与产业背景Eclipse Foundation Oniro 项目经理 Ignacio Ahedo 介绍了 Oniro 项目如何将 AI 作为“力量倍增器”加速应用生态建设一方面它致力于简化复杂应用的跨平台移植流程另一方面也推动现代应用框架更顺畅地集成到 OpenHarmony 生态之中华为希尔伯特研究中心Dresden首席研究工程师 Debayan Roy 则围绕 OpenDesk 展开分享这是一个面向 OpenHarmony 的原生智能体 CLI用于探索系统级智能交互的新范式上海交通大学副教授魏星达介绍了团队在可扩展高效 LLM 基础设施方面的最新进展包括基于乘法机制的高效全局路由器设计以及支持超快速自动扩缩容的系统方案旨在提升大模型在复杂环境中的部署效率与稳定性。华为中央软件院项目总监董鑫讲述了仓颉编程语言团队在 300 天内完成 AI 研发转型的全过程这一转型始于 2025 年 5 月一次偶然的 AI 编程尝试其核心理念是“主动拥抱 AI打破思维枷锁实现个人与团队价值的重构”华为哥白尼研究中心高级技术专家、Eclipse Foundation Oniro 项目负责人及提交者代表 Francesco Pham 则带来题为《降低每一道障碍Oniro 如何将设备、应用和开发者引入 OpenHarmony》的演讲重点讨论如何降低生态参与门槛加速多端协同发展Yanlink 技术架构师 Yan Sun 展示了基于 Oniro、SparkLink 与 AI 的全栈工业物联网解决方案 YanLink探索 AI 驱动的工业连接与系统整合路径Dimforge 创始人 CEO Sébastien Crozet 介绍了 Project Nexus这是一个使用 Rust 开发通过 rust-gpu 编译、可运行于所有 GPU 平台包括 Web的在研替代方案展示了跨平台图形与计算栈的新可能性。面向 Agentic AI 的开放计算FlagOS在智能体系统快速走向工程化落地的当下如何构建可扩展、可评估、可治理的开放计算底座成为本场「面向 Agentic AI 的开放计算FlagOS」Workshop 讨论的核心。北京智源人工智能研究院BAAI的副院长兼总工程师 Yonghua Lin林咏华从系统层面出发阐述了面向智能体时代的 AI 基础设施设计思路与超越传统基准的评估方法并展示了 FlagOS 开放算力与 OpenClaw 在跨芯片部署与智能体能力反馈之间的双向协同机制北京智源人工智能研究院开源工程负责人 Qigang Zhu朱其罡介绍了 PanEval 开源项目重点讨论其如何作为评估基础设施与 FlagOS 一起推动智能体系统的共建与共演进Eclipse 基金会人工智能负责人 Michael Berns 聚焦 AI 合规与治理问题探讨在开放计算体系中如何平衡创新速度与可信边界ICCSD UNESCO 咨询委员会成员 Gábor Soós提出基于“场所”的评估测试平台设计思路通过以治理优先的方法将 AI 评估嵌入文化、教育与水资源等高信任公共领域的真实应用场景。北京智源人工智能研究院 AI 系统研究组算法工程师 Jian Tao陶健介绍了《KernelGen 2.0自动算子生成与基准协同开发》展示如何通过自动化方式加速算子优化与系统性能迭代LF AI Data 基金会主席 Zhipeng Huang黄之鹏分享了 Open Model Initiative 推动的多模态模型“speedrun”计划及其最新进展强调开源模型生态在多模态方向的加速演进SGLang 开发者 Xinyuan Tong 则从系统实现角度解析 SGLang 的性能设计包括原生多模态支持、Eagle3/MTP 推测解码机制以及在 Hopper 与 Blackwell GPU 上的 FP8 与 NVFP4 量化优化。在圆桌讨论环节中联合国大学高级研究员 Serge Stinckwich、ICCSD UNESCO 咨询委员会成员 Gábor Soós 以及北京智源人工智能研究院BAAI的副院长兼总工程师 Yonghua Lin林咏华围绕开放生态、评估体系与全球协作路径展开深入交流。此外众智 FlagOS 团队同步启动 KernelGen 24 Hour Bounty Challenge以 Triton 语言为核心利器面向全球开发者发起算子优化挑战通过真实工程问题驱动创新实践并将在 GOSIM Paris 2026 闭幕式上公布最终结果并举行颁奖。数据科学与 AI 工作坊当大模型从实验室走向生产线数据科学与 AI 工程化之间的鸿沟究竟该如何跨越在本次“数据科学与 AI 工作坊”中多位来自欧洲顶尖机构与开源社区的一线专家从基础模型构建、大规模训练、合成数据、高效 OCR 到智能体评测带来了各自领域的实战答案。Fraunhofer IAIS 基础模型团队负责人 Nicolas Flores-Herr 率先分享他坦诚回顾了 OpenGPT-X、TrustLLM、OpenEuroLLM 三个大型项目中的真实教训并指出欧洲开源 AI 的机会窗口仍然敞开关键在于能否认真抓住这一机遇。Hugging Face ML 研究工程师 Nouamane Tazi 深入解析在数百块 GPU 上训练 SmolLM3 的过程中关于基础设施、5D 并行化与性能调优的真实痛点与踩坑心得。Pleias CEO 兼联合创始人 Anastasia Stasenko 以及同样来自 Pleias 的 Pierre-Carl Langlais 共同展示了如何在不依赖专有数据源的前提下设计合成数据流水线生成高质量训练语料构建开源 SOTA 大语言模型。LightOn ML 研究工程师 Said Taghadouini 和 LightOn AI/ML 工程师 Baptiste Aubertin 详细介绍了 LightOnOCR 这个 10 亿参数的视觉语言模型如何在设计动机、训练流水线含 RLVR 对齐与工程调优中实现单块 H100 上高吞吐、低延迟同时超越 9 倍规模模型的基准成绩。ellamind GmbH 联合创始人/CTO Björn Plüster 与一样来自 ellamind 的 Benedikt Droste 聚焦 AI Agent 真实落地可行性重点讲解如何利用 Harbor 框架构建评测并分享了 ellamind 构建可靠可证明安全 Agent 的实践。紧随其后英特尔 ML 工程师 David Cortes 与英特尔的 Adel Chaibi 演示了如何通过 UXL scikit-learn 扩展在无需重大代码改动的情况下使机器学习工作流高效运行并深入探讨其背后的工作原理以及未来集成的方向。dltHub 解决方案工程主管 Violetta Mishechkina 则聚焦 Agent 产生的海量轨迹数据演示了如何用 dlt、LanceDB 等开源工具将代码、文本与遥测自动转化为实时可靠的数据集从而搭建内部的 Agent 评估平台。来自麦肯锡的高级软件工程师 Sajid Alam 分享了 Kedro 框架如何将模块化、可测试性与可复现性引入数据流水线让不擅软件工程的从业者也能构建生产级项目。Probabl首席科学官Gaël Varoquaux带来表格基础模型 TabICLv2 的最新进展并介绍了 skrub 如何大幅简化数据预处理这一现实痛点。Probabl 开源开发者 Stefanie Senger与Probablscikit-learn软件工程师Olivier Grisel深入讲解了 Python 数组 API 标准在 scikit-learn 中的落地过程。而英伟达 CUDA Python 产品负责人Andy Terrel 则详解了 CUDA Python 如何以 Python 风格从底层重新暴露 CUDA 生态系统的方案并深入展示如何利用 CUDA Python 掌控机器学习流水线。在该工作坊的最后焦点从硬件加速转向生态工具与负责任 AI。英伟达软件工程师 Tim Head 结合自己同时维护 scikit-learn 和 cuML 的经验对比了两种 GPU 加速经典机器学习的方法并给出工具选择建议。Quansight 高级软件工程师 Evgeni Burovski 进一步分享了 SciPy 通过 Array API 支持 GPU 及 PyTorch、CuPy 等后端的内部基础设施与未来挑战。Probabl 开发者关系工程师 Fabien Pesquerel 与 Probabl 的 Marie Sacksick 带来了 Skore——由 scikit-learn 创始人打造的数据科学平台目标是将 scikit-learn 级别的可靠与简洁扩展到团队协作与业务对齐层面。QuantStack 创始人兼 CEO Sylvain Corlay 演示了 notebook.link平台基于 JupyterLite 的浏览器内即时运行 Notebook支持多种语言、AI 助手和自动评分。Probabl ML 工程师 David Arturo Amor Quiroz 介绍了开源学习平台 Skolar强调在大模型能秒写代码的今天专家策划的培训材料依然是理解算法、对抗 AI 内容泛滥的关键防线。而 WISE 联合创始人 Joanna Kramer 与 Probabl 的 Marie Sacksick 共同发起了一场关于开源社区如何推动负责任 AI 的讨论包括促进社区多样性、利用前沿方法与工具保障 AI 公平性和安全性并引导参与者思考切实可行的包容行动。Spotlight Hackathons巴黎现场高能集结AI 正在快速重塑创作方式开源模型与工具的演进也让“创作者”的边界不断被重新定义。在这样的背景下GOSIM Spotlight 2026 Frontier Creators 将 10 位优秀入围创作者带到巴黎现场以作品展示与主题分享的方式呈现开源 AI 驱动下的最新创意实践。从多模态生成到交互表达从工具链创新到内容形态探索这些来自不同方向的作品共同构成了一个正在展开的创意前沿图景。与此同时巴黎 Station F——全球最大的创业园区——成为两场黑客松的实时战场技术与创意在这里密集碰撞。「GOSIM Agentic Hackathon」围绕 Agentic AI 设计了七大核心赛道覆盖文本、语音、音乐、视频到演示生成等全模态能力。参赛者基于智谱 GLM、Moonshot Kimi、MiniMax 等开源大模型快速构建应用原型在持续迭代中探索智能体能力的边界现场节奏紧凑而高强度。另一边的「GOSIM Robotics Hackathon」则将挑战落在真实物理世界以 OpenArm 全开源人形机械臂为核心围绕八类典型任务展开包括抓取与拆装、物体搬运与放置、液体倾倒、料箱拣选、餐桌整理、布料折叠展开以及人机递接等操作任务。参赛者直接在真实硬件上调试与验证让机器人能力不再停留在仿真而是在实际操作中不断逼近应用边界。从创作生成到具身智能从数字空间到物理世界这一场在巴黎展开的实践让“开放 AI”的能力第一次以如此密集的方式同时落在内容与现实之中。真诚致谢作为全球开源创新盛会落地巴黎的重要一站本次大会现场人气满满、氛围热烈十足其背后也离不开各大企业、开源社区与行业伙伴的鼎力支持与精诚协作。在此衷心感谢首席赞助商华为以及 OpenHarmony、Fundamental、OpenBMB、MiniMax、KIMI、智谱、Novita、RadixArk、databricks 等合作伙伴的重磅加持与倾力相助同时诚挚感谢 BAAI、OuiCrea、全法中国青年科创协会、中法人工智能协会、Olares、Second State、SGLang 社区、vLLM 社区、FlagOS 社区、Hugging Face、开源社、Unaite、42-ai、AI By The Bay、InnAIO、Jumeau.AI 等一众支持伙伴的踊跃入驻、积极参与。此外各大展商与合作伙伴齐聚现场、同台亮相汇聚产业生态力量共筑开源 AI 繁荣新生态也为本次大会增添了满满的人气与行业活力。至此GOSIM Paris 2026 主会场的首日议程圆满结束而精彩不会就此停歇——明日1 场 Keynote、5 大前沿主题论坛2 场硬核工作坊等将持续推进更多重磅嘉宾与一线实战内容即将登场敬请期待