北京
10月17日，2026人工智能开放计算大会暨众智FlagOS技术大会在北京中关村启幕。"一栈贯通，智算无界"八个字，既是大会主题，也精准戳中了当下AI产业最深的痛点。
AI模型的赛道正百花齐放：语言、多模态、世界模型、具身智能、AI for Science，迭代以季度甚至月为单位狂奔；与此同时，AI芯片也呈百家争鸣之势，国产算力高歌猛进。
可"多模型×多芯片"的组合，却横亘着一道难解的算术题。每家芯片编程接口、算子实现、通信标准互不通用，大模型跨硬件迁移成本高昂，算力因此被割裂成一盘散沙。中国AI的真正瓶颈，或许从来不在"造芯"，而在"用芯"。
众智FlagOS给出的解法，是一套开源的统一系统软件栈：屏蔽底层硬件差异，实现"一次编写、多芯运行"，让算力开放、流动、可及。这届大会上，智源研究院副院长兼总工程师林咏华对9月30日发版的FlagOS 2.2做了系统解读，其技术主线清晰得近乎惊艳——从"多芯适配"走向"跨芯共享优化"。
把"单点突破"升级为"系统级优化"
过去，跨芯片优化是各家各自为战的"单点作业"。FlagOS 2.2要做的，是把无数个单点连成一张网。2.2版本覆盖21家AI芯片厂商、35款芯片，9大算子库合计1454个算子，较上一版净增890个；跨芯整体性能提升27.6%，昆仑芯P800加速比提升191.2%，昇腾910B提升160.7%。而FlagTree编译器单仓库覆盖20个厂商后端，FlagOSTune自动调优把矩阵乘这类最重算子的搜索速度提升最高298倍。
更难能可贵的，是配套工具的成体系落地。FlagPrism把跨芯片调试从"半盲调"推进到语句级定位；跨芯片统一量化工具FlagOSCompressor，让不支持FP8、FP4精度的存量国产算力也能承接万亿级新模型，以397B的MoE模型为例，W8A8量化后体积下降49.1%，精度依然坚挺。这套组合拳的核心价值在于：把算力从"能跑"推向"跑得好"，让存量硬件焕发新的商业生命力。
从Token经济到物理AI：算力的下一站
比"跑得更多芯片"更值得关注的是，FlagOS 2.2把视野投向了三类全然不同的AI系统。林咏华将这一变迁概括为"从Token经济走向物理AI"。
其一是Token工厂。模型迭代以月计、硬件迭代以年计的错位里，系统要持续承接MoE、长上下文等新负载。DeepSeek V4.1 Flash经FlagOS跨平台优化后，在H100上推理性能提升18%至20%；GLM-5.3-Flash在存量昇腾910B上吞吐提升2.04倍，性能达到官方API的99.7%。让存量算力承接前沿模型，正是"省"与"快"的双赢。
其二是物理世界AI，输入从语言扩展到视频、3D与机器人动作，智源原生具身世界模型的训练MFU由此从23%提升至33%至36%。其三是端侧AI，当2.52B参数的MiniCPM5就能交出GPQA约70分的成绩，"端侧AI已突破实用临界点"不再是一句口号。10月18日量智云的发布，更把FlagOS的疆域从经典算力延伸到量子计算，为"智算无界"写下了最前沿的注脚。
开源，是一场集体协作
FlagOS的底气，终究来自生态。2026年第三季度下载量达46.4万次、为上一季度4.76倍，生态成员单位增至107家，代码贡献者264位、同比增长55%。
而它更大的格局在全球化，联合国"开放计算工作组"以FlagOS为重要技术底座，面向30多国的AI算力师资计划落地，与PyTorch等全球上游社区协同迭代。开放计算从来不是一家之事，而是标准共建、成果共享、生态共荣的集体事业。
回望这届大会，众智FlagOS 2.2勾勒出的技术主线意味深长。
当算力不再被单一架构绑架，当"一次编写、多芯运行"成为可能，中国AI便有了托举百模千芯的共同底座。正如那句大会主题所言，一栈贯通，算力自此无界。这或许就是中国基础软件在这个AI时代最动人的一次正名。
张老师：chenfu3721（微信）
王老师：15222191516（微信）
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
