开源已成为技术和产业生态发展的重要趋势。英特尔秉持着开放、选择、信任的原则贯彻开源,并在社区、开源项目、开发者等方面贡献力量,带动更多参与者共同实现生态繁荣。2023年2月,英特尔中国开源技术委员会正式成立,这是英特尔推动开源的重要实践之一。过去一年,委员会通过驱动内外部合作,以强大执行力、整合的运营,同本地开源伙伴合作,取得了众多进展。
英特尔公司副总裁、英特尔中国软件与先进技术事业部总经理、英特尔中国开源技术委员会主席李映博士表示:“英特尔一直是开源生态的坚定不移的支持者,我们认为开源才能开放,开放才能给用户带来更多选择,而拥有更多选择才能更好地推动产业的发展。”

深度参与,共建繁荣社区
开源的本质是开放协作,这样的特质使开源社区成为不可或缺的平台。据英特尔中国开源技术委员会介绍,英特尔在中国开源社区建设的初期便积极参与其中。如在龙蜥社区,英特尔中国是14个初始创建成员之一,并且加入社区理事会、技术委员会以及运营委员会,去年还当选了龙蜥理事会的副理事长企业。此外,还在龙蜥社区成立了英特尔架构SIG,将其作为一个技术入口,把英特尔的平台支持,虚拟化、云原生等开源技术,和oneAPI框架集成到社区。
这样的合作同样发生在OpenEuler、Deepin和开放麒麟(Openkylin)等多个开源社区中。英特尔积极贡献平台优化和技术,深度参与社区发展,共同为生态建设注入活力。英特尔院士、英特尔大数据AI首席架构师、英特尔中国开源技术委员会技术创新负责人戴金权提到:“我们希望英特尔的技术在社区有更多应用,比如oneAPI本身是一个开放标准,在社区能够实现跨平台支持、应用,更好地助力开放生态,这是英特尔的目标。”
同时,英特尔中国还正式加入开放原子开源基金会(OpenAtom),共建开源软件验证中心,使中国开源软件项目能够在英特尔最新平台上尽早进行验证,以期形成合力共同促进本地生态繁荣。
积极贡献,耕耘开源项目
随着中国开源从跟随者转变为现在的引领者,其为服务产业的开源项目提供了成长壮大的一片沃土。在2023年,英特尔中国贡献到30多个本地开源项目中,涵盖操作系统、人工智能、网络与边缘等多个方面。例如,软件定义的智能座舱解决方案,就集中展示了英特尔平台在计算、游戏、人工智能和跨操作系统应用支持方面的强大能力。
此外,英特尔还联手行业伙伴推出企业AI开放平台(OPEA),加强异构生态系统的互操作性及RAG技术,凝结行业力量为企业提供一流的生成式AI部署便利性、性能和价值;并携手腾讯推出腾讯应用宝,打破安卓和x86的架构限制,促进生态融合,为更多客户和合作伙伴贡献价值。
英特尔中国技术政策和标准高级总监邹宁表示:“现在围绕AI、OPEA等有很多的开源项目,我们希望能够开放更多的开源项目,去和社区、开发者进行合作,帮助本地工程师更好地、更容易地推动开源发展。”
以技术专长,服务开发者
独木难成林,开发者生态培育同样重要,他们是整个生态可持续发展的中坚力量。为普及开源文化,鼓励更多人参与到开源生态中,英特尔中国开源技术委员会特别设立了工作组,通过活动、社区会议、媒体报道和开发者项目,触达并影响了约600万开发者。
对于开发者而言,如何通过技术和工具将想法转化为现实是关键所在,英特尔正通过AI产品组合、oneAPI、英特尔开发者云平台等帮助他们减低开发门槛,提升开发效率。
英特尔中国网络与边缘事业部、OpenVINO™产品营销及开发者生态总监王珅以人工智能创新应用大赛为例,讲述了开发者们在英特尔技术加持下的亮眼表现:“从大赛当中可以看到有很多开发者其实是在不同的角度、不同的层级去探索创新。有的参赛队伍可能熟悉某个具体的行业,他们会抓住行业痛点,从AI PC着手,搭配的平台CPU、NPU和GPU,以及OpenVINO™等工具,把它和行业问题结合,找到适配的应用场景。”
在未来,英特尔也将继续坚定地拥抱开源,进一步通过自身技术和高效协作,助力生态的开放互补、繁荣发展。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。