2020年,我国部分关键核心技术加快突破,“华龙一号” 全球首堆并网,“九章”使我国实现“量子计算优越性”,“嫦娥五号”首次实现我国地外天体采样返回……但另一方面,芯片、工业软件等领域“卡脖子”问题依旧突出。
近日,统信软件总经理刘闻欢表示:“经过20多年的发展,中国在操作系统方面已经实现自主安全。随着研发的不断深入、应用领域的不断扩大,我相信,未来国产操作系必将走入国际主流市场。”
补齐短板 重塑信息产业底座
“在经历win7正式停服和近期国际形势的变化后,团队充分意识到国家安全信息体系建设的重要性。信创产业发展的最终意义,就是为了实现自主安全,这也是统信软件的初心。这不仅解决的是信息安全的问题,更重要的是解决信息产业发展权的问题。” 刘闻欢说。

操作系统是计算机系统的核心,也是信息安全产业的基础之一。曾有一段时间,外国厂商一度占据国内操作系统的主要市场份额,国内厂商则长期处于探索和跟跑状态。
统信软件成立于2019年,其核心产品统信UOS基于Linux内核,整合凝聚了国内多家操作系统、CPU和部分应用厂商的技术力量。2020年,统信UOS系统装机量超过100万套,在竞争市场上获得了超过70%的市场占有率。目前,统信UOS系统已发布桌面、服务器、专用设备三个产品系列。
刘闻欢作了一个形象的比喻,做操作系统就像公路,各种应用就像行驶的汽车。当拥有健全的基础设施后,汽车自然就会驶入这条“赛道”。
打造生态 不断拓宽应用边界
自主研发一款操作系统有多难?刘闻欢认为,这是一个巨型工程,除数千万行的代码外,在质量、稳定、安全方面都有很高要求,不经过长期的积累和大量的人员投入是无法完成的。
近几年,国家鼓励信息技术自主创新,鼓励中国企业开发基础性的软件、硬件、芯片等,对于从事操作系统、从事信息技术创新应用的厂家有很大的帮助。
刘闻欢表示:“在技术、人才、资金方面,我们现在已经有能力开发出适合大众使用的操作系统,未来还要打造出自己的标准。”
2020年,统信软件陆续发布了统信UOS社区版、行业版、个人版、教育版、专业版、企业版、欧拉版等产品版本,积累了超过100万的开源社区用户,实现了1个总部、3个通用软硬件适配中心、6个研发中心、14个省市的全国布局,结成了数千家技术商业和战略合作伙伴打造的生态系统。
把握机遇 三步走打造主流产品
一款操作系统想要占有市场地位,除了前期的研发,后期的优化、维护、不断开拓新的应用场景也需要投入大量的人力、物力。
刘闻欢介绍:“开发一款成熟的操作系统不是一朝一夕的事情,我们用了两年时间,团队从几百人扩增到两千人,目的是着眼未来,并实施三步走战略。”
此前在公开场合,统信软件曾公布未来十年三步走的路径。即用三年时间完成国家各关键行业的支撑需求;用三年时间达到国际主流水平;用四年时间实现全球范围的基础软件生态。
“我们不仅要满足国内用户的需求,更要放眼全球市场,让国外用户也能接受我们的产品。”刘闻欢说。
创新是引领发展的第一动力,保护知识产权就是保护创新。近几年,除了相关政策的支持,全社会尊重和保护知识产权意识明显提升也为研发、攻关关键技术提供了“沃土”。
刘闻欢认为,盗版只是在某个阶段会短期起到饮鸩止渴的作用,加大关键技术自主可控才是不受制于人的关键。随着我国对知识产权的重视,企业创新成果得到有效保护,尝到甜头的企业愈发重视自主创新带来的红利。
“但正版化并不等同于微软化,我们还是要不断加大研发力度,早日在国际市场中崭露头角,真正驶入‘快车道’。”刘闻欢说。
品牌简介:统信软件(www.uniontech.com)是以“打造中国操作系统创新生态”为使命的中国基础软件公司,由国内领先的操作系统厂家于2019年联合成立。公司专注于操作系统等基础软件的研发与服务,致力于为不同行业的用户提供安全稳定、智能易用的操作系统产品与解决方案。百度搜索“统信软件”了解详情。
好文章,需要你的鼓励
亚马逊云服务部门与OpenAI签署了一项价值380亿美元的七年协议,为ChatGPT制造商提供数十万块英伟达图形处理单元。这标志着OpenAI从研究实验室向AI行业巨头的转型,该公司已承诺投入1.4万亿美元用于基础设施建设。对于在AI时代竞争中处于劣势的亚马逊而言,这项协议证明了其构建和运营大规模数据中心网络的能力。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
当今最大的AI数据中心耗电量相当于一座小城市。美国数据中心已占全国总电力消费的4%,预计到2028年将升至12%。电力供应已成为数据中心发展的主要制约因素。核能以其清洁、全天候供电特性成为数据中心运营商的新选择。核能项目供应链复杂,需要创新的采购模式、标准化设计、早期参与和数字化工具来确保按时交付。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。