从模型架构的持续创新、推理能力的不断突破，到开源生态的蓬勃发展，AI 技术正加速迈向更高效、更智能的新阶段。

延续昨日的精彩，10 月 17 日，GOSIM Shenzhen 2026 迎来大会第二日。Ruby on Rails创始人、Omarchy 创始人 David Heinemeier Hansson，CSDN 创始人兼董事长、GOSIM 发起人蒋涛，以及上海交通大学未来媒体协同创新中心 MetaCube 实验室负责人、NOVA CORE CEO 郁振波等重磅嘉宾齐聚现场，带来关于技术创新、开源生态与产业发展的前沿思考。

与此同时，六大技术论坛、四大工作坊、四场黑客松、揭晓下一代 AI 产品的项目路演及 RustChinaConf 2026 等活动持续展开，围绕技术趋势、实践探索与生态协作，为现场 2000 余名开发者带来一场兼具思想碰撞与技术实践的开源盛宴。

从 AI 驱动的 Linux 到开源智能，GOSIM Keynote 揭秘技术新方向

DHH——Omarchy：打造美观、有趣且 Agentic 的 Linux

“这是自微芯片发明以来，计算机科学领域最令人振奋的时代。”在 GOSIM Shenzhen 2026 现场，Ruby on Rails 创始人、Omarchy 创始人 David Heinemeier Hansson（DHH）分享了自己对 AI 智能体时代的观察，以及对下一代操作系统的探索。

过去一年，AI 技术的飞速发展改变了 DHH 对 AI 编程工具的看法。曾经持谨慎态度的他，如今被前沿模型与开源权重模型不断突破的能力所吸引。智能体展现出的潜力，也让这位拥有数十年编程经验的开发者重新感受到了编程的乐趣。

DHH 特别关注中国在开源权重模型领域的创新，并以使用 Kimi K2.5 的经历为例，分享了高速推理带来的体验变化。在他看来，开源模型与智能体的结合，正在为开发者打开更广阔的创造空间。比起模型本身有多强，更值得关注的是开发者能够借此创造什么，以及计算世界将因此发生怎样的变化。

而在 DHH 看来，这场变革的影响不应止于软件开发，更为操作系统的演进带来了新的可能。

回顾个人计算的发展历程，DHH 分享了自己从 Windows 转向 Mac 的经历。2001 年，Mac OS X 凭借底层 BSD Unix 架构和对开发者的开放姿态，吸引了包括他在内的一批开发者。然而，随着时间推移，他认为苹果生态逐渐走向封闭，应用分发机制与平台规则也为开发者设置了越来越多的限制。与此同时，他对 Windows 的体验同样不甚满意，认为其 Copilot 的产品设计未能充分释放 AI 的潜力，甚至可能影响公众对 AI 的认知。

在这样的背景下，DHH 认为，行业需要一个真正面向开发者、兼具开放性与现代化体验的替代方案。而经过数十年的发展，Linux 也正在 AI 智能体时代迎来进入消费级桌面的新机遇。

这正是他持续投入打造 Linux 发行版 Omarchy 的初衷。DHH 希望为开发者提供一个不同于 macOS 和 Windows 的选择：一个开放、易用，并能原生融入 AI 智能体的操作系统。用户无需花费大量时间配置开发环境，便能开箱即用，迅速进入开发状态。

围绕这一目标，Omarchy 正在持续完善产品功能与开发者生态。DHH 介绍，项目正逐步将智能体能力融入系统的不同层级，并为主题、应用和插件等开发场景提供支持。近期，项目还合并了对 50 种语言的支持，涵盖中文本地化与输入法引擎，并计划推出面向中国开发者、预装主流本地应用的系统镜像，进一步降低使用门槛。

在生态建设方面，DHH 也分享了 Omarchy 获得的产业支持。阿里云已成为 Omarchy 基金会的创始企业赞助商，并计划推动其与未来硬件产品的结合。Meta Superintelligence Labs、DigitalOcean 和 SpaceX SI 等也位列创始企业赞助商之中。与此同时，Shopify CEO Tobi Lütke 等开发者直接参与项目建设，以实际贡献推动系统功能完善。

对于 DHH 而言，开源的意义不仅在于技术开放，更在于让不同背景的参与者能够共同塑造软件的未来。无论是科技企业的负责人，还是普通的工程专业学生，都可以通过贡献代码参与其中，让产品持续演进。

蒋涛——从开源软件到开源智能：硅基时间正在重写开发者世界

今天，软件开发正在发生一场深刻变化：开发者不再需要事事亲手编写代码，而可以通过定义目标、制定规则、调度多个 Agent，完成过去需要大型团队协作的复杂任务。

继 DHH 做完精彩开场后，CSDN 创始人兼董事长、GOSIM 发起人蒋涛发表了题为《从开源软件到开源智能：硅基时间正在重写开发者世界》的主题演讲。他指出，如今整个软件生态必须全面转型为对 Agent 友好的生态，而这一切的底层驱动力，正是 Code Agent。

过去一年 AI 能力的跃迁极其迅猛。从年初的现象级项目 OpenClaw，到年中涌现的各类能自主执行任务的 Agent，AI 正式从单轮对话升级为可长期执行复杂目标的自主智能体——用户只需设定清晰的 OKR 目标，Agent 即可自主推进完成。

伴随着 AI 能承担越来越多的编码工作，软件工程的核心资产也在发生转移。在蒋涛看来，代码编写、代码理解乃至部分逻辑推理的成本正在下降，而行业知识、业务经验、组织记忆等长期积累的上下文，反而会成为难以替代的竞争优势。 

开发工具的演进史同样被改写。从 IntelliJ、Visual Studio 到 Cursor，再到 Claude Code、Omarchy——蒋涛指出，AI 原生时代，超级个体凭借强大的 Agent 调度能力，“单人即可实现过去数百人团队的产出”。

为此，他还分享了一个来自团队内部的案例：今年 3 月，GitCode CEO 于邦旭在不懂 Rust 的情况下，以业务与验收标准为牵引调度 Agent，仅用 28 天便完成数万行全 Rust 架构的 AtomCode 并开源，如今每日承载数千亿 Token 的高并发调度。

类似的变化也发生在工业制造领域。蒋涛提到，原 OpenStack 基金会董事程辉曾利用 AI 改造传统数控硬件，让 AI 学习工业协议、重写底层控制逻辑，并借助 Agent 构建轻量级 EDA 工具，独立完成原本需要大型工程团队协作的软硬件改造。

这些突破背后的核心变量，是蒋涛总结的“硅基时间（Silicon Time）”。

在传统碳基时间里，人类大脑负责逐行推演逻辑；而在“硅基时间”里，Agent 具备独立推理与高并发协同能力，开发者的核心能力从“编写代码”转变为“调度智能体舰队”——如何定义任务边界、构建组织级 Harness 规范，将成为新一代技术领导者的核心素养。

与此同时，软件本身也将从固定的代码和二进制构件，走向更加灵活的“柔性软件”（Malleable Software）：根据用户意图即时生成，在使用过程中持续调整，甚至自主修补和演化。但开源生态也面临新的挑战：GitHub 开发者规模剧增，大量非专业背景人群涌入开源世界，而海量 AI 生成的低质 PR 也让代码审查与可信验证面临严峻挑战。

展望应用生态的终局，蒋涛描绘了“语音入口化、算力本地化、服务原生智能体化”的新阶段：自然语音与多模态感知成为人机交互第一触点；以 AMD 锐龙 AI Max+ 395 为代表的本地算力平台，可高效运行顶级开源模型，赋予开发者“Token 自由”与数据隐私主权；以 Omarchy 为代表的 Agentic OS 则作为调度中枢，串联个人分身与企业知识库，直达业务结果。

“开源软件让每个人都能自由享用高质量的软件，开源智能则是赋能每个人都能构建自己的软件、甚至练出自己的模型。”蒋涛在演讲最后总结，从开源代码到开源智能，硅基时代的大门已经敞开，开发者的舞台正变得前所未有地宽广。

郁振波——NovaCore：同脑意图模型，打造更懂人的多模态实时交互体验

在 AI 智能体加速发展的当下，如何让 AI 不仅能够执行任务，更能真正理解人的意图？上海交通大学未来媒体协同创新中心MetaCube实验室负责人、NovaCore CEO 郁振波带来《NovaCore：同脑意图模型，打造更懂人的多模态实时交互体验》主题演讲，并正式提出“同脑意图”理念。

郁振波指出，当前智能体与具身智能的发展正面临新的瓶颈：相比执行任务，真正理解人类意图更具挑战性。与此同时，文本和视频等数据推动 AI 快速发展后，物理世界与 3D 数据的生成、模拟仍存在局限，行业需要探索新的数据来源与自进化路径。

在他看来，真实的交互轨迹和脑信号可能成为突破口。AI 需要通过更自然的人机交互获取真实数据，而大脑也可能成为下一轮信息维度拓展的重要来源。为此，他带领团队正探索利用量子测量技术，更精准地提取脑信号。

围绕这些思考，郁振波介绍了团队构建“意图理解具身大脑”的探索方向：以端侧模型为基础，通过语音实现自然交互，并连接计算机使用、GUI 操作、具身智能设备及各类物理执行器，让 AI 从理解指令走向理解需求、执行任务。其中，模型不仅需要具备个性化的表达能力，还要能够在本地实时运行、保护用户隐私，并通过物理载体获取连续的交互轨迹。

在具体实践上，团队开源了 NOVA 系列多项成果。其中，NovaCore-Text 提供一系列端侧模型，重点优化对话能力；NovaCore-Omni 则面向实时交互场景，支持端侧流畅交流。

在 AI 创作领域，其团队今年与井英联合发布 NovaHyperArt，探索将意图理解应用于视频生成。相关工具能够辅助 AI 短剧创作者快速生成内容，降低制作成本与技术门槛。

另个产品NovaPersonalAgent则展示了 AI 在日常工作中的主动交互能力。用户提出创建个人网站的需求后，AI 可以结合记忆能力理解上下文，在后台编写代码的同时，允许用户随时询问进度或继续自然交流。这种模式试图打破传统工具被动响应指令的局限，让 AI 在持续沟通中理解需求、推进任务。

为了获取更丰富的真实交互数据，团队还构建了两款仿生实体机器人（Nova S1，Nova S2-TAI），其中一款于今年迪拜 DIFC科技展上发布。郁振波认为，技术落地不仅取决于功能表现，也受到产品形态、用户体验与情感需求的影响。仿生实体因此不仅是 AI 的交互载体，也是收集用户行为轨迹、推动模型迭代的重要一环。

在郁振波看来，将消费端 AI 与创作端 AI 相结合，有望形成持续优化的闭环：消费端通过日常交流捕捉用户需求，创作端则将这些理解转化为内容生成与任务执行能力，进而推动 AI 不断进化。

贯穿这一探索的核心始终是“意图”——AI 如何在交流中准确识别用户真正想要什么？郁振波透露，团队近期将发布一项大型基准测试（Benchmark），评估模型对人类意图的理解能力。他同时表示，本次大会展示的相关模型、代码、评测基准与数据集都将全面开源，进一步推动相关技术探索与开源生态建设。

六大技术论坛同步开启，聚焦 AI、开源与机器人

主会场的精彩分享之外，GOSIM Shenzhen 2026 的技术讨论也在六大分论坛中持续展开。围绕 AI 智能体、开源模型与基础设施、开源机器人、智能体操作系统与应用、边缘智能体 AI 及智能体设备等前沿方向，大会进一步将讨论延伸至模型能力、系统架构、软硬件协同与实际应用，汇聚来自开源社区与产业一线的实践经验，呈现 AI 与开源技术发展的多重视角。

智能体 AI 峰会

随着 AI 智能体从对话交互走向自主执行，智能体的能力边界、协作模式与应用落地成为行业关注的焦点。在智能体 AI 峰会上，Red Hat 亚太区 CTO Vincent Caldeira 从开放模型到跨基金会架构出发，勾勒开放 Agentic AI 的发展图景。LUMI AI Factory、GAIA AI Factory、AGH Cyfronet 超级计算中心及欧盟委员会AI、数据与高性能计算专家 Katarzyna Starosławska 探讨 AI Agent 作为通用集成层的系统互操作新路径。随后，Ruby on Rails创始人、Omarchy 创始人 David Heinemeier Hansson 与华为首席开源联络官、CNCF 基金会董事任旭东展开炉边对谈，交流 AI 时代的技术演进与开源生态发展。围绕智能体的评测、开发与生态建设，Eclipse 基金会 AI 负责人 Michael Berns 分享基于 Eclipse PanEval 构建可审计评测共享基础设施的探索。LF AI & Data 生成式 AI Commons 联合主席 Anni Lai 于大会现场深度解读了 LF 最新 Agentic AI 与 AI Coding 研究报告，揭晓了当前行业 AI 应用的最新现状。

此外，OpenMined 基金会欧盟政策负责人 Peter Ide-Kostic 探讨融合开放模型与私有数据、实现可复现前沿 AI 的网络众包路径。华为 2012 实验室编程语言实验室技术专家詹博华围绕仓颉与 AI 时代编程语言的新前沿，探讨编程语言的演进方向。奇点智能研究院开源技术委员会主任、工业和信息化部电子标准院开源治理标准总体组组长王伟聚焦智能体 AI 开发者经济，分享如何构建以贡献和能力为导向的开源生态。视角进一步延伸至 AI 的全球化发展，Lumo AI Compliance & Advisory 创始人兼 CEO Kelly Policarpo 探讨 AI 产品进入欧洲市场所面临的合规要求与挑战。

开源模型与基础设施

开源模型的持续演进，正在推动 AI 技术创新向更广泛的开发者群体与应用场景延伸。在“开源模型与基础设施”论坛上，围绕模型能力、开发工具与基础设施建设，衔远科技（Frontis AI）算法研究员姜澈从实验反馈与元进化维度出发，探讨如何让 AI 在持续迭代中不断改进自身。新加坡南洋理工大学博士生谢之非聚焦交互智能，探索 AI 从理解指令走向更自然、更深入的人机交互的可能性。随着模型能力不断提升，如何让开源技术更好地服务开发者也成为重要议题，CSDN 高级副总裁、AtomGit CEO 于邦旭围绕 AI 时代的开源基础设施重构，探讨开源模型与开发者生产力之间的联系。模型能力的提升离不开底层技术与训练基础设施的持续优化。华为高级软件工程师荣程浩和华为高级软件工程师张懿翔共同介绍了面向后训练的高性能异步流式数据引擎  TransferQueue ，解析数据处理效率与训练流程优化的完成过程。香港中文大学助理教授刘威杨则从正交变换入手，分享大语言模型高效训练的技术探索。

除了训练效率，开源模型的工程化应用同样需要编程工具与开发流程的支持，东南大学教授赵普围绕 C 到 Rust 代码翻译，介绍结合预训练、调试感知监督微调与任务特定监督微调的三阶段训练方案。在模型训练与工程实践之外，智能体的自主进化、数据质量与多模态应用也成为论坛关注的方向。上海人工智能实验室研究员张航帆聚焦自进化与长程任务智能体，探讨如何提升智能体处理复杂任务的能力。元枢智汇联合创始人强美伊围绕面向开源模型的 AI-Ready 数据生产与动态数据训练，关注高质量数据对模型训练与持续优化的支撑作用。最后，晴数智慧（北京）生态与技术总监刘杰辰将视角延伸至具身智能，分享语音智能体的应用实践，以及以高质量数据驱动相关能力发展的解决方案。

开源机器人

当 AI 能力进一步走向物理世界，开源技术也为机器人系统的开发、协作与创新提供了新的可能。在开源机器人论坛，美国东北大学教授王言治以《“World Model for All”：迈向生成、导航与控制的统一》为主题，探讨如何推动生成、导航与控制走向统一，为机器人理解和应对真实世界提供新的思路。围绕具身智能的核心算法，北京人形创新中心算法专家刘宁分享 VLA 算法的相关探索，聚焦视觉、语言与动作之间的协同。Seeed Studio AI 机器人产品市场负责人王嘉琳则将目光投向开发者群体，介绍如何降低机器人开发门槛，让更多人能够参与开源机器人的创造。随着具身智能加速发展，如何建立开放、可靠的评测体系，以及推动不同机器人之间的协同，也成为值得关注的课题。原力灵机开源战略与生态负责人陈阳从排行榜走向全球基础设施的视角出发，分享面向具身智能构建开放评测生态的思考。深圳人工智能与机器人研究院研究员康留旺和深圳市人工智能与机器人研究院副研究员周鸿钧则围绕 AIRSEAI 的演进，探讨机器人智能如何从单体能力拓展至多智能体协同。

在具体操作能力上，澳大利亚纽卡斯尔大学助理教授陈郑豪重新审视生成式机器人操作的效率瓶颈，探索提升机器人操作效率的技术方向。重庆邮电大学教授岑明进一步聚焦在激光雷达与相机的融合感知维度，介绍用于目标检测的交互式启发式学习方法。从感知、决策到实际操作，具身智能的落地还离不开底层算力与系统软件的支撑。AMD AI 解决方案架构师杨庆分享基于 AMD ROCm 与 Radeon 驱动的 Real2Sim2Real 视觉—语言—动作操作实践，探索仿真与真实环境之间的技术衔接。X-Era Lab 研发总监蒲韬围绕物理智能体的自进化能力，探讨如何通过操作系统架构支持智能体持续学习与迭代，让机器人更好地适应复杂多变的现实环境。华为工程师陈鑫从全栈系统建设出发，分享 openEuler Intelligence Boom Robot（IB-Robot）的探索与实践，展现开源操作系统如何整合软硬件资源，为具身智能应用提供系统级支撑。

智能体操作系统与应用

从任务执行到记忆管理，从多智能体协作到系统安全，AI 智能体的兴起正在重新定义软件系统的运行方式。本次大会特别策划“智能体操作系统与应用论坛”，将讨论延伸至智能体架构、记忆系统、工程开发与安全防护等多个方向。

论坛现场，Botiverse 联合创始人兼 CEO 钱宇超围绕多人协作场景下的 Agent Harness 展开分享，探讨如何协调多个智能体的任务执行与协同。HAFleet 开源项目维护者赵悦则关注智能体的自主运行与持续优化，分享通过内环自治、外环纠偏和经验沉淀提升 Agent 执行能力的思路。随着智能体需要处理越来越复杂、持续时间更长的任务，记忆机制也成为提升其自主性的关键，记忆张量 MemOS 研发负责人庄郭冕分享下一代记忆系统的探索。同时，新加坡国立大学博士生张桂彬带来 Harness 智能模型 JIT-Agent，进一步探讨智能体架构与执行能力的创新。

从通用框架到具体应用，智能体也在进入企业服务、服务器研发与系统安全等专业场景，微软首席项目经理廖勤樱结合企业实践，分享第二代语音 AI 的发展，以及企业级语音智能体的部署经验。openUBMC AI-SIG 核心维护者范信鑫和北京软通华方 BMC 研发工程师李庆华共同聚焦服务器固件研发，探讨 Agent Harness 在专业工程流程中的应用。在系统安全领域，东南大学副教授何东标围绕 Linux 内核漏洞的自主运行时防护，分享利用智能体提升系统安全防护能力的探索。openJiuwen 技术专家赵靖文深度介绍了 Jiuwen Agent Memory 记忆系统，关注智能体记忆能力的构建与应用。最后，Typeform 资深 AI 工程师、Google 开发者专家（GDE）Susanna Wong 将话题延伸至软件工程的工作模式，探讨如何推动智能体从辅助编码走向自主参与软件开发、持续贡献。

边缘智能体 AI

当 AI 智能体走出云端、进入手机、终端设备乃至更广泛的边缘场景，如何在有限的算力与复杂的网络环境中，让它们依然高效、稳定地运行？在边缘智能体 AI 论坛上，字节跳动软件工程师王潇爽围绕 SPEAR 与 MCP 展开分享，探讨如何将智能体引入全球边缘场景，实现部署与运维的协同。建元科技联合创始人 Daryl Wong 则聚焦设备与系统之间的连接，探讨如何从局部互联走向全域互联。针对边缘侧的计算需求，Khronos ML 委员会主席 、NVIDIA 开发者技术首席工程师 Markus Tavenrath 从 Khronos AI 生态的发展谈起，分享基于 Vulkan 的边缘 AI 推理实践。面向智能体移动设备的系统选择，2net Ltd. 资深极客 Chris Simmonds 则进一步探讨不同操作系统的适用性，为边缘智能体的终端部署与系统设计提供参考。

智能体设备

AI 智能体正从软件走向真实世界，融入眼镜、开发板、机器人等各类硬件设备，也让开发者有了更多探索软硬件融合的空间。在“智能体设备”论坛上，来自开源社区、硬件厂商与应用领域的嘉宾，分享了 AI 硬件从创意实现到产品落地的不同实践。

嘉立创高校教育经理、生态平台负责人莫志宏从开发者社区出发，分享如何通过技术交流与协作，让更多人参与 AI 硬件的设计和共建。Rokid 全球开放生态负责人赵维奇围绕 AI 眼镜，与与会者探讨如何将智能体能力融入日常交互，并借助开放生态拓展设备的应用边界。硬件平台与开发工具同样是智能体落地的重要一环。深度数智开发者关系工程师黄言伟围绕基于 RISC-V 的 DC-ROMA 主板 III，介绍如何在开放硬件平台上构建 AI 智能体设备。Ambi AI 研究员、嵌入式专家陈昱衡进一步从产品研发流程切入，分享 AI 原生思路如何改变嵌入式产品的软硬件设计方式。M5Stack 销售与市场总监潮刚则围绕 AI 世界的基础设施展开讨论，关注开发工具与硬件平台如何降低创新门槛，让更多创意能够快速实现。

从原型走向真正的产品，还需要考虑用户需求、市场定位与生态建设。RiseLink · Fractional GTM 与生态负责人 Tess Kassier 带来《原型已经做出来了——它该成为产品吗？》主题分享，探讨技术方案如何跨过产品化的关键一步。面向教育与实践场景，Hiwonder 海外市场策略师 Chun Pak Lee 分享如何帮助学生将 AI 智能体应用于机器人，让抽象的技术概念转化为可动手探索的项目。承泰科技开发者社区运营负责人曾辉分享了 AI 雷达的构建，探讨感知能力与计算技术的结合如何改变相关行业的应用方式。

走进工作坊：在动手实践中解锁技术新可能

Google Cloud 动手实验室

有些架构看文档永远学不会，必须亲手把本地环境跑起来、把工具接进去、把多智能体工作流调试到能响应。在 Google Cloud 动手实验室中，Google Cloud 解决方案架构师谭欣和王捷围绕 Agent Development Kit（ADK）展开实践教学，带领参与者从框架入门逐步走向多智能体系统构建。

在 ADK 快速入门环节，两位专家带领参与者配置本地开发环境，为智能体接入自定义工具，搭建专属研究助手，并通过 ADK 浏览器 UI、命令行工具（CLI）及 Python 代码执行与调试动态多智能体工作流。在掌握了基础之后，参与者将学习用 ADK 编排复杂的多智能体系统：创建主子智能体层级结构，让不同角色各司其职；借助会话状态字典管理多轮对话记忆，让智能体 "记得" 对话的来龙去脉；再通过工作流智能体无缝传递上下文，最终构建出强大、可交互的 AI 应用。

从单智能体的工具接入，到多智能体的层级编排、记忆管理与上下文流转——这场 Google Cloud 动手实验室以“从零到复杂系统”的完整路径，让每一位开发者带着一套真正跑起来的多智能体应用离场，也把 Agent 开发的“手感”牢牢握进了自己手里。

KVCDN 工作坊

大模型推理最贵的往往不是算一次，而是反复算。KV Cache 原本只是省显存、降延迟的工程技巧，但在长上下文、智能体规模推理和跨区域服务面前，它正在变成一种需要被池化、压缩、调度、组网和持久化的基础设施资源。在 KVCDN 工作坊中，多位技术专家围绕 KV Cache 管理、缓存池化、网络协同与长上下文推理优化展开分享。

趋境科技 LLM 系统架构师康鸿博率先从高质量 Token 服务切入，讨论如何从异构 PD 走向跨区域 AI 基础设施。LMCache 维护者、核心架构师郑春晓拆解了 LMCache 的生产级多进程 KV Cache，介绍其架构设计、可观测性与容错实践。围绕主流推理框架与缓存管理，RadixArk 技术团队成员、SGLang 核心贡献者张亦弛分享了 KV Cache 在 SGLang 中的使用实践。而当推理从单次请求走向更大规模，华为技术有限公司软件工程师王聪以 UCM 展示如何从 KV Cache 加速走向智能体规模推理的全生命周期管理。

在缓存资源共享与网络协同方面，FlexKV 核心维护者、腾讯云高级工程师孙飞强分享了利用 FlexKV 实现大模型 KV Cache 池化的实践经验。中国电信研究院未来网络研究中心副总监李聪围绕智能体组网的研究与实践，探讨智能体场景下的网络协同需求。东南大学副研究员万颖介绍了 Turbo 如何利用网络内聚合，高效服务长上下文大语言模型。针对分布式推理中的缓存开销与存储需求，中国科学院计算技术研究所博士生刘泽栋从压缩率之外的维度出发，探讨面向分布式大模型推理服务的感知型 KV Cache 压缩。Mooncake 社区维护者马腾则聚焦 Mooncake Store，介绍解耦架构下服务于智能体强化学习的 KV 存储实践。

vLLM 工作坊

对于每一位做过大模型推理服务部署的开发者来说，“vLLM”几乎是一个绕不开的关键词。它早已从单纯的推理框架，长成了大模型服务化栈里的“基础设施级组件”——从单机到大规模集群，都能看到它的身影。在本次 vLLM 工作坊上，来自红帽、腾讯、华为、AMD、Tensorfer 等机构的实践者与 vLLM 核心团队齐聚一堂，把 vLLM 的下一程拆成了可讨论的工程问题。

vLLM 工作坊首先由 vLLM-Omni 核心维护者、InferMatrix Project 首席架构师刘红升，以及红帽首席架构师陈楚晖进行开场致辞；随后，Inferact 工程师、vLLM 核心维护者朱江云介绍了 vLLM 项目的最新特性与未来发展方向，分享这一开源推理框架的技术演进。面向分布式推理场景，陈楚晖进一步介绍了 llm-d 如何构建覆盖不同负载、模态、硬件与平台的分布式推理平面。而在单机内部，vLLM AFD-Plugin 核心维护者、华为工程师江晨舟拆解 AFD 插件，展示 vLLM 中 Attention 与 FFN 分离的设计思路。

单点优化之后，系统最优才是目标，腾讯混元团队高级推理工程师蒋东桦分享从单点加速到系统最优的大模型推理全栈优化实践。AMD 产品应用工程师蔡薇围绕 ROCm 10.0，介绍了面向智能体 AI 时代的开放 GPU 软件平台建设与技术进展。Tensorfer 创始人皮振伟则聚焦 vLLM 系统级扩展，从网络 I/O 到分布式调度，探讨推理系统在更大规模部署中的扩展能力。讲完技术，vLLM 工作坊以一场自由交流收尾——开发者得以与 vLLM 核心团队面对面碰撞，让这场关于推理基础设施的讨论，最终落回到最真实的社区协作与共创之中。

AI 教育 Workshop

教育可能是最“慢”的行业之一，但 AI 正在逼它快进。本次大会的 AI 教育 Workshop，没有把 AI 当成一块更亮的电子白板，而是从课堂交互、人才需求、全学段贯通、软件工程课程、中小学创造、未来学校到跨文化包容，一路追问：当学生可以随时调用智能体，学校到底该教什么、怎么教、谁来评？

国软教育研究院执行院长、博鳌开放学校创始人邱钦伦以“从被动授课到主动共学”为主题，探讨了 AI 交互式未来课堂的实践方向。课堂变了，人才标准也得跟着变，深蓝学院联合创始人兼 CEO 赵松聚焦具身智能领域的人才需求，分析产业发展对相关人才培养提出的新要求。在开源与实践教育方面，全童科教创始人、董事长，中国教育机器人大赛发起人秦志强介绍了开源机器人与 AI 教育贯通全学段的实践。同济大学教授朱少民则把问题推进到“软件工程 3.0 时代”，探讨基于开源与 AI 的创新人才培养探索与实践。

大学之外，中小学更是创造力的起点，深圳市第二高级中学人工智能创新中心副主任周茂华以“对话即创造”为题，展示如何用 AI 智能体重构中小学科技教育。而技术再新，学习理论仍要回答“人如何学”，中山大学深圳附属学校副校长刘月刚从孔子与维果茨基的教育思想出发，讨论 AI 赋能时代的学习重构与未来学校建设。学校之外还有公平问题，UNESCO 阿维森纳协会（NGO）教育总监王子燕从“AI 可及”走向“AI 影响”，关注跨文化构建包容性教育。

在圆桌对话环节，中山大学深圳附属学校副校长刘月刚担任主持人，与上海交通大学副教授、智能体软件工程黑客松联合组织者林云，国软教育研究院执行院长、博鳌开放学校创始人邱钦伦，全童科教创始人、董事长、中国教育机器人大赛发起人秦志强，以及深蓝学院联合创始人兼 CEO 赵松，共同围绕“AI 新时代下，产学研教育新模式的深度探索与实践”展开交流，深入探讨了如何进一步打通教育实践、技术创新与产业需求之间的联系。

让创意写进代码，五场黑客松迎来高光时刻

如果说技术论坛呈现的是前沿技术的探索与碰撞，那么黑客松则让这些想法有机会转化为真实的作品。本次大会上，五场黑客松围绕智能体软件工厂、移动机器人智能体、具身智能仿真、智能体巡天和智能体应用等方向展开，吸引开发者将创意带进实践，在动手开发中探索技术的更多可能。

从智能体开发到机器人应用，从仿真环境中的探索到面向真实场景的应用实践，不同方向的参赛团队以代码为起点，将技术思考融入具体项目。这里既有对新技术的大胆尝试，也有围绕实际问题展开的协作与创新。随着比赛推进，一个个想法逐渐变成可展示、可体验的作品，开源技术的活力也在开发者的交流与协作中得到体现。

今天，五场黑客松经历激烈的角逐，陆续迎来颁奖时刻，获奖团队和选手依次登台，从评审与竞赛中脱颖而出的作品迎来属于自己的高光时刻。掌声、合影与祝贺交织在一起，为这场开发者的创新实践画上了阶段性的句号，也让现场洋溢着分享成果、致敬创造的热烈氛围。

不同奖项背后，是参赛者在各自技术方向上的探索与投入，也是开发者社区对创新实践的鼓励与认可。创造无止境，对于参赛团队而言，站上领奖台是对阶段性成果的肯定，而比赛中积累的技术经验、团队协作与思路碰撞，同样是重要的收获。随着本届黑客松颁奖落下帷幕，更多创意也将从现场走向更广阔的应用场景，继续在开源生态中生长。

聚焦下一代原生产品，Spotlight Shenzhen 2026 精彩路演上演

从技术创新到产品落地，从创意构想到应用实践，下一代原生产品正在打开怎样的想象空间？在 GOSIM Shenzhen 2026，「Spotlight Shenzhen 2026：下一代原生产品」项目路演现场，一批创新项目轮番登场，围绕技术探索、产品设计与应用场景分享最新成果。随着路演推进，台上是项目团队对产品理念与创新价值的精彩阐释，台下则是观众的认真聆听与交流互动。

不同的技术路线、产品思路与应用构想在现场交汇，也让这场路演成为观察下一代原生产品创新趋势的窗口。精彩的项目展示之后，活动迎来颁奖环节。随着获奖项目逐一揭晓，获奖团队登台接受荣誉，为这场汇聚创意与实践的项目路演增添了又一个高潮。颁奖既是对团队创新成果的肯定，也为更多面向未来的产品探索注入动力。

RustChina Conf 2026 同期举办，解锁 Rust 技术新图景

Rust 的下一个十年，可能不再只由人写代码来定义。与 GOSIM Shenzhen 2026 同期举办的 RustChinaConf 2026，把生态、AI 与生产实践放在同一条时间线上讨论。

上午的主论坛，由一场“炉边对话”率先点燃。Rust 基金会执行董事兼 CEO Rebecca Rumbul 与奇点智能研究院首席技术咨询师张汉东、Rustacean Station 播客主理人 Allen Wyma 展开对话，从语言演进、基金会治理到社区多元协作，为整场活动勾勒出 Rust 未来十年的愿景底色。随后，非凸科技 ftlog 开源项目作者吕国立从微秒级低延迟系统讲到 AI Agent，展示 Rust 工程纪律如何从交易系统平移到智能体运行时。Shannon Labs CEO、CodeWhale 作者 Hunter Bown（鲸鱼哥）以“Rust：生态构建者”分享独立开发者如何借 Rust 的严格反馈构建 Agent 工具链；Makepad 联合创始人、Cloud9 IDE 联合创始人 Rik Arends 则用特别演示，把大型代码库与 AI Agent 活动放进 Makepad 的可视化界面里。

除主论坛外，RustChinaConf 2026 还设置了三个技术分会场，进一步聚焦 Rust 与 AI 的“双向奔赴”：「Rust for AI：GPU、数据引擎与软件工厂」聚焦 Rust 在 AI 基础设施与工程体系中的应用；「AI for Rust：测量、Harness、沙箱与形式化验证」探讨 AI 技术如何辅助 Rust 开发、测试与安全验证；「Rust in Production：嵌入式、工程与 Agent 协作」则回到真实生产环境，关注 Rust 在嵌入式系统、工程实践及智能体协作中的落地。

从 Rust 社区的长期发展，到 AI 基础设施、代码理解与生产级应用，RustChinaConf 2026 展现了 Rust 生态在 AI 时代不断拓展的技术边界，也为开发者提供了交流开源实践、探索工程创新的机会。

开源创新走向应用，GOSIM 特色展区亮点纷呈

两天来，除了主题演讲、技术论坛、项目路演与黑客松，特色展区也为开发者提供了近距离了解创新成果、体验技术应用、交流实践经验的机会。在这里，技术不再只是抽象的概念，而是在一次次互动中展现出真实的应用价值。

当然，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！正是因为每一位合作伙伴的积极参与，来自不同领域的技术力量与创新实践才能汇聚于此，让前沿思想在交流中激荡，让开源成果在协作中不断生长。

AI、开源生态共创，期待 2027 再聚！

回望 GOSIM Shenzhen 2026 的短短两天，从 AI 与操作系统的前沿探索，到开源技术与智能体应用的实践分享；从各领域技术论坛的深入交流，到黑客松和项目路演中的创意碰撞，大会呈现了开源技术不断拓展边界的多种可能。不同背景的开发者、研究者与产业伙伴在这里相聚，分享经验、交流思路，也为技术创新与开源生态的发展注入了新的动力。

面向未来，开源仍将在更多技术领域持续扎根，在实践中积累，在协作中成长。期待 2027 年与大家再次相聚 GOSIM，在不同的技术方向继续深耕，在更广阔的开源世界里探索新的可能，共同书写下一程精彩！