11月4日,以“技术筑生态,智联赢未来”为主题的第二届开放原子开源基金会OpenHarmony技术大会在北京圆满召开。作为国内开源操作系统领域的一次盛大会议,本次大会汇聚行业权威大咖、技术专家、高校技术导师和业界开发者,共话下一代终端操作系统技术发展方向,共享OpenHarmony最新生态进展与产业应用案例。大会现场,OpenAtom OpenHarmony(简称“OpenHarmony")项目群技术指导委员会(TSC)展示了“终端操作系统十大技术挑战方向”的年度进展,并发布面向十大挑战方向的37道年度课题,与现场的产学研专家共同探讨技术挑战与解决思路。“终端操作系统十大技术挑战方向”年度课题的发布不仅为未来OpenHarmony在极致体验、纯净安全、极简开发领域的技术研究指引了方向,也为终端操作系统未来的技术创新奠定了坚实基础。
分析关键挑战与创新机遇,指引技术前进方向
作为下一代智能终端操作系统根社区,自成立以来,OpenHarmony便不断完善关键能力,落地行业应用并推动智能终端操作系统的技术发展和进步。2022年9月30日,OpenHarmony项目群技术指导委员会(TSC),聚焦根技术的创新,面向全社会公开征集了对操作系统具有引领作用的前沿技术挑战、工程技术难题和产业技术问题,也因此获得了大量来自产业界与学术界的一手难题资料。基于OpenHarmony的技术愿景和技术架构,由OpenHarmony项目群技术指导委员会(TSC)的委员们进行总结、抽象、拔高,最终形成“终端操作系统十大技术挑战方向”,并在第一届OpenHarmony技术大会上进行发布,引起了社会的广泛关注。
为继续推动OpenHarmony终端操作系统的发展,OpenHarmony项目群技术指导委员会(TSC)在第一届大会后,便联合产业界和学术界老师、专家对“十大技术挑战方向”进行了深入研究与讨论,并将每个方向拆解成具体的课题。本次大会,OpenHarmony项目群技术指导委员会(TSC)汇报了“十大技术挑战方向”年度进展,并正式揭幕了由这些技术挑战拆解出的37道课题。在未来,期待看到这些课题的成果能够进一步推动OpenHarmony终端操作系统的发展,为全球的开发者社区带来更多的创新和价值。
2023 OpenHarmony年度课题发布仪式
携手产学研界,投入研究共建生态
众人拾薪,方可共筑智慧未来。终端操作系统的发展与进步,离不开生态内各位团体贡献者与个人贡献者的助力。随着“十大技术挑战方向”逐步分解出细分课题,OpenHarmony技术俱乐部成员也在本届大会上逐一领取了各自的课题,并将就此展开进一步研究。
此外,OpenHarmony项目群技术指导委员会(TSC)还将根据这些课题研究成果给予揭榜的团体或者组织一定的资助,并进行评优。评选出的优秀课题成果也将面向社会进行公示,并在下一届OpenHarmony技术大会上予以展示。这些举措,进一步活跃了国内终端操作系统生态,也将吸引越来越多的贡献者投入万物智联时代的生态共建工作中。
高校教师代表逐一揭榜意向年度课题
作为下一代根技术,操作系统在数字经济发展领域扮演着数字底座的重要角色。只有在根技术上不断创新突破,筑牢技术根基,国内基础软件领域才能枝繁叶茂。以本次技术大会为契机,在学术界、产业界等共同努力下,OpenHarmony一定能把握万物智联时代换道超车新机遇,抢占数字经济发展先机,推动我国产业经济与基础软件领域的繁荣发展。让我们期待更多专家、老师们和广大开发者积极参与和贡献,共同开创OpenHarmony终端操作系统的美好未来。让我们一起,凝心聚力,探索万物智联的未来!
好文章,需要你的鼓励
OpenAI和微软宣布签署一项非约束性谅解备忘录,修订双方合作关系。随着两家公司在AI市场竞争客户并寻求新的基础设施合作伙伴,其关系日趋复杂。该协议涉及OpenAI从非营利组织向营利实体的重组计划,需要微软这一最大投资者的批准。双方表示将积极制定最终合同条款,共同致力于为所有人提供最佳AI工具。
中山大学团队针对OpenAI O1等长思考推理模型存在的"长度不和谐"问题,提出了O1-Pruner优化方法。该方法通过长度-和谐奖励机制和强化学习训练,成功将模型推理长度缩短30-40%,同时保持甚至提升准确率,显著降低了推理时间和计算成本,为高效AI推理提供了新的解决方案。
中国科技企业发布了名为R1的人形机器人,直接对标特斯拉的Optimus机器人产品。这款新型机器人代表了中国在人工智能和机器人技术领域的最新突破,展现出与国际巨头竞争的实力。R1机器人的推出标志着全球人形机器人市场竞争进一步加剧。
上海AI实验室研究团队深入调查了12种先进视觉语言模型在自动驾驶场景中的真实表现,发现这些AI系统经常在缺乏真实视觉理解的情况下生成看似合理的驾驶解释。通过DriveBench测试平台的全面评估,研究揭示了现有评估方法的重大缺陷,并为开发更可靠的AI驾驶系统提供了重要指导。