作者｜冬梅

在大模型訓練的高速迭代背景下，算力需求約每六個月翻一番，遠超基礎設施建設和摩爾定律的增速，同時數(shù)據(jù)中心能耗急劇攀升。

盡管企業(yè)仍持續(xù)不斷地加大硬件投入，但行業(yè)數(shù)據(jù)顯示，GPU 有效利用率長期徘徊在 30% 以下，企業(yè)即便投入十倍預算采購硬件，真正獲得的算力提升卻常常不到三倍，結構性浪費愈發(fā)顯現(xiàn)。

造成低效率的根源，被業(yè)內總結為三類：資源碎片、潮汐式負載波動、以及在線與離線任務的沖突。然而，更深層的矛盾并不僅限于調度側，而在于整個行業(yè)正面臨的基礎設施割裂：一方面，AI 訓練與推理規(guī)模持續(xù)爆發(fā)；另一方面，底層硬件形態(tài)、上層模型框架、編譯環(huán)境與加速庫均呈“百家爭鳴”態(tài)勢，缺乏統(tǒng)一標準。這種生態(tài)碎片化，使得開發(fā)者在不同硬件、不同框架之間頻繁進行適配、調優(yōu)與遷移，進一步拉低集群整體效率。

在這樣的背景下，如何通過標準化體系重塑底層軟件棧、如何在異構算力環(huán)境中實現(xiàn)統(tǒng)一編排與高效調度，成為產(chǎn)業(yè)討論的核心議題，這也是今年 OpenCloudOS 操作系統(tǒng)生態(tài)大會備受矚目的原因。

1 聚焦“易用”和“安全”，南北軟硬件生態(tài)全兼容

12 月 6 日，2025 OpenCloudOS 操作系統(tǒng)生態(tài)大會在北京舉辦，AMD、Arm、沐曦、海光信息、騰訊云等近 30 家生態(tài)企業(yè)圍繞技術創(chuàng)新、最佳實踐與協(xié)同共建分享了各自的最新進展。

自 2021 年成立以來，OpenCloudOS 社區(qū)始終秉持全鏈路自主可控、全場景兼容、全生態(tài)開源開放的發(fā)展路線。得益于騰訊云將多年積累的內核技術、云原生能力及大規(guī)模服務器運營經(jīng)驗全面融入，該社區(qū)如今已發(fā)展為國內規(guī)模領先的開源操作系統(tǒng)生態(tài)之一。截至今年，OpenCloudOS 操作系統(tǒng)裝機量已突破 2000 萬節(jié)點，服務超過 62000 家企業(yè)用戶，并完成了超過 97500 項軟硬件適配。

生態(tài)建設方面，社區(qū)已匯聚 1200 多家生態(tài)伙伴及 400 多家深度合作伙伴，并擁有超過 18 萬名開發(fā)者。隨著參與社區(qū)的廠商不斷增加，OpenCloudOS 的生態(tài)版圖也從傳統(tǒng)數(shù)據(jù)中心延伸至云原生、邊緣計算、高性能計算以及 AI 訓練與推理等新型場景。

過去數(shù)年間，社區(qū)已建立覆蓋 x86、Arm、RISC-V、龍芯等多體系結構的兼容認證體系，用戶僅需通過標準 yum/dnf 命令即可一鍵部署底層依賴，無需再進行復雜的編譯調試工作，這使 OpenCloudOS 成為國內適配廣度最全面的開源操作系統(tǒng)之一。同時也孵化出了如 TencentOS、東華的 NTOS、紅旗 Linux 等十余款操作系統(tǒng)的衍生版，形成了開源協(xié)同商業(yè)落地的良性循環(huán)。

在技術層面，隨著 AI 工作負載全面云原生化，底層基礎設施正面臨前所未有的復雜性：大模型鏡像動輒數(shù)十 GB，拉取與分發(fā)成本急劇上升；AI 軟件棧依賴鏈長且更新頻繁，環(huán)境配置難度不斷攀升；硬件形態(tài)快速多元化，驅動安裝、版本兼容與性能調優(yōu)成為企業(yè)最沉重的運維負擔；而節(jié)點規(guī)模越大，這些問題被放大得越明顯。無論對企業(yè)成本、交付效率還是資源利用率而言，傳統(tǒng)操作系統(tǒng)與工具鏈都已難以滿足 AI 時代的需求。這些現(xiàn)實壓力使得構建面向 AI 的新一代操作系統(tǒng)能力體系成為必要且緊迫的方向。

基于此，OpenCloudOS 圍繞 AI 原生需求進行了系統(tǒng)性的技術升級，重點聚焦輕量化、快速分發(fā)、自動化維護與生態(tài)適配四大方向。

首先，在 AI 鏡像結構擴張帶來高成本負擔的情況下，OpenCloudOS 推出鏡像小型化能力，通過自動去冗與自研 chisel 工具對軟件包進行切片，結合靜態(tài)與動態(tài)依賴分析，大幅壓縮 AI 鏡像體積，降低構建和傳輸成本。

其次，針對大型模型鏡像拉取耗時過長的問題，OpenCloudOS 構建鏡像加速體系：基于 stargz-snapshotter 實現(xiàn)懶加載，在內核側引入 fuse passthrough 降低訪問開銷，并通過優(yōu)化預取策略加速模型啟動。同時，利用 chunk 級索引實現(xiàn)鏡像文件去重，進一步降低網(wǎng)絡與存儲開銷。

在大規(guī)模集群落地場景中，OpenCloudOS 也強化了鏡像分發(fā)能力。通過分片并發(fā)、亂序下載、Range 請求代理等增強的 P2P 加速機制，可在集群內快速同步鏡像，并支持限速策略與 RDMA 加速，顯著縮短大規(guī)模分發(fā)的耗時。

針對異構硬件加速卡數(shù)量激增帶來的維護復雜，OpenCloudOS 提供自動化硬件服務，可自動識別設備、匹配適配驅動，并支持多版本并存，從根源上降低 GPU 等硬件在云原生環(huán)境中的運維門檻。

面對海量且高速迭代的 AI 軟件棧，OpenCloudOS 構建 Agent 自動化適配流程，實現(xiàn)從版本跟蹤、構建測試到容器封裝的全鏈路自動化。目前已適配超千款 AI 軟件，并可根據(jù)硬件后端自動開啟加速路徑，使用戶獲得開箱即用且經(jīng)性能優(yōu)化的體驗。此外，OpenCloudOS 還提供完整的 AI 上層環(huán)境，包括 RPM 源、PyPI 源及多類 AI 容器鏡像，使用戶可通過簡單命令完成環(huán)境部署，并減少重復構建投入。

通過這一系列圍繞 AI 全鏈路的升級，OpenCloudOS 已系統(tǒng)性構建起云原生 AI 應用所需的操作系統(tǒng)能力閉環(huán)，從鏡像構建、拉取、分發(fā)，到硬件管理與軟件生態(tài)覆蓋，為企業(yè)提供高效、輕量、自動化、可持續(xù)演進的 AI 基礎設施底座。

要支撐這一系列面向未來的技術演進，僅有“先進能力”并不足夠，真正關鍵的是這些能力能否在產(chǎn)業(yè)場景中形成可驗證的價值閉環(huán)。海光芯片、作業(yè)幫、東軟等企業(yè)與 OpenCloudOS 的合作，便是這種價值落地的典范。

許多海光芯片的首發(fā)版本，其關鍵的軟件套件就來自 OpenCloudOS 社區(qū)，實現(xiàn)了“首發(fā)即兼容、首發(fā)即適配”；東華軟件更是基于 OpenCloudOS 操作系統(tǒng)底座，成功推出了兩款自研操作系統(tǒng)，解決了業(yè)務系統(tǒng)中長期存在的依賴冗余、漏洞修復鏈條長、權限越界等頑疾，系統(tǒng)穩(wěn)定性與安全性大幅提升。

作業(yè)幫內部長期面對的是“資源碎片化 + 基建割裂 + 框架異構”的疊加難題。OpenCloudOS 通過統(tǒng)一的系統(tǒng)底座，讓跨地域 GPU 的行為一致、驅動鏈路一致、框架版本一致，使得調度器能夠以真正全局的視角去整合算力資源。從底層適配到上層框架拉通，OpenCloudOS 構建的多版本 AI 生態(tài)，不再要求企業(yè)去“押注”某一種硬件或單一框架，而是讓所有硬件都能在同一操作系統(tǒng)生態(tài)中獲得最優(yōu)解。這一能力成為作業(yè)幫解決算力利用率難題、推進統(tǒng)一算力池建設的關鍵基礎。

2 面向 AI 深度進化，OpenCloudOS Infra 智能基座正式發(fā)布

隨著大模型與各類 AI 應用進入規(guī)模化落地階段，行業(yè)面臨的核心矛盾正在從“模型能力不夠”，轉向“算力復雜度過高”。爆發(fā)式增長的算力需求與標準不一、生態(tài)割裂的軟硬件體系之間的矛盾愈發(fā)突出，導致開發(fā)者不得不在驅動適配、環(huán)境部署、框架兼容等繁瑣工作上投入大量時間與人力，產(chǎn)業(yè)創(chuàng)新效率被嚴重掣肘。

在此背景下，借 OpenCloudOS 操作系統(tǒng)生態(tài)大會之機，OpenCloudOS 社區(qū)聯(lián)合昇騰、海光、AMD、沐曦、昆侖芯，以及 vLLM、SGLang、作業(yè)幫與騰訊云等合作伙伴，共同推出“OpenCloudOS Infra 智能基座”，旨在構建統(tǒng)一 AI 算力底座、并由產(chǎn)業(yè)伙伴共同驅動的開放技術體系。

這一發(fā)布背后的邏輯十分明確：要推動 AI 在產(chǎn)業(yè)中真正走向工程化、大規(guī)模和低成本普及，就必須在操作系統(tǒng)層面建立一個統(tǒng)一、穩(wěn)定、高兼容、可持續(xù)演進的“AI 算力底座”。

OpenCloudOS 之所以能夠把如此多的合作伙伴拉到同一張桌子上，根本原因在于它解決的是所有參與方的共同痛點——碎片化的算力生態(tài)導致巨大重復成本。

對于芯片廠商而言，沒有統(tǒng)一的適配標準和通用的軟件棧，他們每次新品上市都要花費大量成本完成基礎驅動適配；對于框架開發(fā)者而言，面對不同操作系統(tǒng)、不同驅動、不同硬件的組合，需要重復進行性能調優(yōu)與穩(wěn)定性驗證；對于企業(yè)用戶而言，部署一個 AI 框架往往需要跨越數(shù)十道依賴、沖突和配置障礙。OpenCloudOS 通過智能基座提供統(tǒng)一接口、統(tǒng)一集成和統(tǒng)一運行時環(huán)境，讓不同廠商能夠在同一生態(tài)內協(xié)作，從根源上降低全產(chǎn)業(yè)鏈的技術摩擦。

在這一協(xié)同機制之上，OpenCloudOS Infra 智能基座構建了一個覆蓋全棧的 AI 基礎設施體系，包含“AI 開箱即用、AI 軟件支持生態(tài)、AI 硬件支持生態(tài)”三大核心層級。依托 OpenCloudOS 9 版本，社區(qū)已完成對國內外多家主流 AI 加速芯片官方驅動及計算棧的深度整合與驗證。過去開發(fā)者需要花費數(shù)小時甚至數(shù)天手動下載、編譯和調試驅動程序，而如今只需通過 yum install 或 dnf install 即可一鍵安裝所有底層依賴，大幅降低了環(huán)境準備成本。

具體而言，OpenCloudOS Infra 智能基座能提供哪些能力？

在軟件與框架層，OpenCloudOS 通過容器化技術完成了近 20 款主流 AI 框架及智能體應用的深度適配、依賴清理和性能優(yōu)化，并封裝成可直接拉取使用的標準化鏡像。傳統(tǒng)部署一個 AI 框架可能需要經(jīng)歷數(shù)十個步驟，而在智能基座體系中，以“一鍵安裝容器依賴—啟動預制框架—啟動服務”三步即可完成，部署時間從天級、小時級縮短到分鐘級。這不僅讓開發(fā)者不再被環(huán)境問題拖慢工程節(jié)奏，也為企業(yè)大規(guī)模部署 AI 服務提供了可復制、可擴展的基礎。

在性能和調度層面，智能基座也帶來了顯著提升。容器鏡像體積最高縮減 94%，降低存儲和傳輸成本；鏡像與模型分發(fā)速度逼近硬件極限；自研的 FlexKV 分布式 KVCache 系統(tǒng)在高并發(fā)場景下可降低首 Token 延遲約 70%。這些針對 AI 工作負載特征的系統(tǒng)優(yōu)化，使 OpenCloudOS 不僅能“跑 AI”，還能“高效、穩(wěn)定、規(guī)?；嘏?AI”。

與此同時，OpenCloudOS 還將 AI-ready 能力延伸到云端。在騰訊云 HAI 平臺上架的 OpenCloudOS 鏡像已內置 CUDA 組件，用戶無需手動配置即可獲得開箱即用的 AI 開發(fā)與推理環(huán)境，實現(xiàn)從本地到云端的無縫協(xié)同。這種能力使企業(yè)能夠快速構建、驗證并上線 AI 服務，進一步縮短工程化周期。

3 結語

回望整場大會，OpenCloudOS 過去幾年的技術演進與生態(tài)擴展，在這一刻呈現(xiàn)出一種清晰的方向感：AI 時代的基礎設施已經(jīng)不再是單點優(yōu)化的堆疊，而是一種跨芯片、跨框架、跨場景的系統(tǒng)工程。無論是鏡像小型化、按需加載、P2P 加速等底層能力，還是智能基座對多樣性算力的統(tǒng)一支撐，抑或超過千款 AI 軟件與框架的自動化適配，這些看似獨立的技術動作最終匯聚成一個共同目標——讓開發(fā)者、硬件廠商和行業(yè)應用真正站在同一套“可用、好用、穩(wěn)定可控”的操作系統(tǒng)底座上。

本次大會的意義并不止于發(fā)布了新的技術能力或生態(tài)計劃，而是宣告了一種新的 AI 基礎設施范式：在算力爆發(fā)、模型多樣、框架迭代的時代，真正的創(chuàng)新不在于單點性能的提升，而在于提升整個產(chǎn)業(yè)鏈的協(xié)作效率與系統(tǒng)韌性。

OpenCloudOS 正在讓這一目標具象化——通過可持續(xù)的技術路徑、標準化的生態(tài)接口以及開放共建的社區(qū)機制，讓 AI 的基礎設施變得更普惠、更可靠，也更具規(guī)?；芰Α?/p>