装机量超2000万、全球主流GPU与AI框架“开箱即用”，OpenCloudOS成AI时代优先选项

尽管企业仍持续不断地加大硬件投入，但行业数据显示，GPU 有效利用率长期徘徊在 30% 以下，企业即便投入十倍预算采购硬件，真正获得的算力提升却常常不到三倍，结构性浪费愈发显现。

造成低效率的根源，被业内总结为三类：资源碎片、潮汐式负载波动、以及在线与离线任务的冲突。然而，更深层的矛盾并不仅限于调度侧，而在于整个行业正面临的基础设施割裂：一方面，AI 训练与推理规模持续爆发；另一方面，底层硬件形态、上层模型框架、编译环境与加速库均呈“百家争鸣”态势，缺乏统一标准。这种生态碎片化，使得开发者在不同硬件、不同框架之间频繁进行适配、调优与迁移，进一步拉低集群整体效率。

在这样的背景下，如何通过标准化体系重塑底层软件栈、如何在异构算力环境中实现统一编排与高效调度，成为产业讨论的核心议题，这也是今年 OpenCloudOS 操作系统生态大会备受瞩目的原因。

1  聚焦“易用”和“安全”，南北软硬件生态全兼容 

12 月 6 日，2025 OpenCloudOS 操作系统生态大会在北京举办，AMD、Arm、沐曦、海光信息、腾讯云等近 30 家生态企业围绕技术创新、最佳实践与协同共建分享了各自的最新进展。

自 2021 年成立以来，OpenCloudOS 社区始终秉持全链路自主可控、全场景兼容、全生态开源开放的发展路线。得益于腾讯云将多年积累的内核技术、云原生能力及大规模服务器运营经验全面融入，该社区如今已发展为国内规模领先的开源操作系统生态之一。截至今年，OpenCloudOS 操作系统装机量已突破 2000 万节点，服务超过 62000 家企业用户，并完成了超过 97500 项软硬件适配。

生态建设方面，社区已汇聚 1200 多家生态伙伴及 400 多家深度合作伙伴，并拥有超过 18 万名开发者。随着参与社区的厂商不断增加，OpenCloudOS 的生态版图也从传统数据中心延伸至云原生、边缘计算、高性能计算以及 AI 训练与推理等新型场景。

过去数年间，社区已建立覆盖 x86、Arm、RISC-V、龙芯等多体系结构的兼容认证体系，用户仅需通过标准 yum/dnf 命令即可一键部署底层依赖，无需再进行复杂的编译调试工作，这使 OpenCloudOS 成为国内适配广度最全面的开源操作系统之一。同时也孵化出了如 TencentOS、东华的 NTOS、红旗 Linux 等十余款操作系统的衍生版，形成了开源协同商业落地的良性循环。

在技术层面，随着 AI 工作负载全面云原生化，底层基础设施正面临前所未有的复杂性：大模型镜像动辄数十 GB，拉取与分发成本急剧上升；AI 软件栈依赖链长且更新频繁，环境配置难度不断攀升；硬件形态快速多元化，驱动安装、版本兼容与性能调优成为企业最沉重的运维负担；而节点规模越大，这些问题被放大得越明显。无论对企业成本、交付效率还是资源利用率而言，传统操作系统与工具链都已难以满足 AI 时代的需求。这些现实压力使得构建面向 AI 的新一代操作系统能力体系成为必要且紧迫的方向。

基于此，OpenCloudOS 围绕 AI 原生需求进行了系统性的技术升级，重点聚焦轻量化、快速分发、自动化维护与生态适配四大方向。

首先，在 AI 镜像结构扩张带来高成本负担的情况下，OpenCloudOS 推出镜像小型化能力，通过自动去冗与自研 chisel 工具对软件包进行切片，结合静态与动态依赖分析，大幅压缩 AI 镜像体积，降低构建和传输成本。

其次，针对大型模型镜像拉取耗时过长的问题，OpenCloudOS 构建镜像加速体系：基于 stargz-snapshotter 实现懒加载，在内核侧引入 fuse passthrough 降低访问开销，并通过优化预取策略加速模型启动。同时，利用 chunk 级索引实现镜像文件去重，进一步降低网络与存储开销。

在大规模集群落地场景中，OpenCloudOS 也强化了镜像分发能力。通过分片并发、乱序下载、Range 请求代理等增强的 P2P 加速机制，可在集群内快速同步镜像，并支持限速策略与 RDMA 加速，显著缩短大规模分发的耗时。

针对异构硬件加速卡数量激增带来的维护复杂，OpenCloudOS 提供自动化硬件服务，可自动识别设备、匹配适配驱动，并支持多版本并存，从根源上降低 GPU 等硬件在云原生环境中的运维门槛。

面对海量且高速迭代的 AI 软件栈，OpenCloudOS 构建 Agent 自动化适配流程，实现从版本跟踪、构建测试到容器封装的全链路自动化。目前已适配超千款 AI 软件，并可根据硬件后端自动开启加速路径，使用户获得开箱即用且经性能优化的体验。此外，OpenCloudOS 还提供完整的 AI 上层环境，包括 RPM 源、PyPI 源及多类 AI 容器镜像，使用户可通过简单命令完成环境部署，并减少重复构建投入。

通过这一系列围绕 AI 全链路的升级，OpenCloudOS 已系统性构建起云原生 AI 应用所需的操作系统能力闭环，从镜像构建、拉取、分发，到硬件管理与软件生态覆盖，为企业提供高效、轻量、自动化、可持续演进的 AI 基础设施底座。

要支撑这一系列面向未来的技术演进，仅有“先进能力”并不足够，真正关键的是这些能力能否在产业场景中形成可验证的价值闭环。海光芯片、作业帮、东软等企业与 OpenCloudOS 的合作，便是这种价值落地的典范。

许多海光芯片的首发版本，其关键的软件套件就来自 OpenCloudOS 社区，实现了“首发即兼容、首发即适配”；东华软件更是基于 OpenCloudOS 操作系统底座，成功推出了两款自研操作系统，解决了业务系统中长期存在的依赖冗余、漏洞修复链条长、权限越界等顽疾，系统稳定性与安全性大幅提升。

作业帮内部长期面对的是“资源碎片化 + 基建割裂 + 框架异构”的叠加难题。OpenCloudOS 通过统一的系统底座，让跨地域 GPU 的行为一致、驱动链路一致、框架版本一致，使得调度器能够以真正全局的视角去整合算力资源。从底层适配到上层框架拉通，OpenCloudOS 构建的多版本 AI 生态，不再要求企业去“押注”某一种硬件或单一框架，而是让所有硬件都能在同一操作系统生态中获得最优解。这一能力成为作业帮解决算力利用率难题、推进统一算力池建设的关键基础。

2  面向 AI 深度进化，OpenCloudOS Infra 智能基座正式发布 

随着大模型与各类 AI 应用进入规模化落地阶段，行业面临的核心矛盾正在从“模型能力不够”，转向“算力复杂度过高”。爆发式增长的算力需求与标准不一、生态割裂的软硬件体系之间的矛盾愈发突出，导致开发者不得不在驱动适配、环境部署、框架兼容等繁琐工作上投入大量时间与人力，产业创新效率被严重掣肘。

在此背景下，借 OpenCloudOS 操作系统生态大会之机，OpenCloudOS 社区联合昇腾、海光、AMD、沐曦、昆仑芯，以及 vLLM、SGLang、作业帮与腾讯云等合作伙伴，共同推出“OpenCloudOS Infra 智能基座”，旨在构建统一 AI 算力底座、并由产业伙伴共同驱动的开放技术体系。

这一发布背后的逻辑十分明确：要推动 AI 在产业中真正走向工程化、大规模和低成本普及，就必须在操作系统层面建立一个统一、稳定、高兼容、可持续演进的“AI 算力底座”。

OpenCloudOS 之所以能够把如此多的合作伙伴拉到同一张桌子上，根本原因在于它解决的是所有参与方的共同痛点——碎片化的算力生态导致巨大重复成本。

对于芯片厂商而言，没有统一的适配标准和通用的软件栈，他们每次新品上市都要花费大量成本完成基础驱动适配；对于框架开发者而言，面对不同操作系统、不同驱动、不同硬件的组合，需要重复进行性能调优与稳定性验证；对于企业用户而言，部署一个 AI 框架往往需要跨越数十道依赖、冲突和配置障碍。OpenCloudOS 通过智能基座提供统一接口、统一集成和统一运行时环境，让不同厂商能够在同一生态内协作，从根源上降低全产业链的技术摩擦。

在这一协同机制之上，OpenCloudOS Infra 智能基座构建了一个覆盖全栈的 AI 基础设施体系，包含“AI 开箱即用、AI 软件支持生态、AI 硬件支持生态”三大核心层级。依托 OpenCloudOS 9 版本，社区已完成对国内外多家主流 AI 加速芯片官方驱动及计算栈的深度整合与验证。过去开发者需要花费数小时甚至数天手动下载、编译和调试驱动程序，而如今只需通过 yum install 或 dnf install 即可一键安装所有底层依赖，大幅降低了环境准备成本。

具体而言，OpenCloudOS Infra 智能基座能提供哪些能力？

在软件与框架层，OpenCloudOS 通过容器化技术完成了近 20 款主流 AI 框架及智能体应用的深度适配、依赖清理和性能优化，并封装成可直接拉取使用的标准化镜像。传统部署一个 AI 框架可能需要经历数十个步骤，而在智能基座体系中，以“一键安装容器依赖—启动预制框架—启动服务”三步即可完成，部署时间从天级、小时级缩短到分钟级。这不仅让开发者不再被环境问题拖慢工程节奏，也为企业大规模部署 AI 服务提供了可复制、可扩展的基础。

在性能和调度层面，智能基座也带来了显著提升。容器镜像体积最高缩减 94%，降低存储和传输成本；镜像与模型分发速度逼近硬件极限；自研的 FlexKV 分布式 KVCache 系统在高并发场景下可降低首 Token 延迟约 70%。这些针对 AI 工作负载特征的系统优化，使 OpenCloudOS 不仅能“跑 AI”，还能“高效、稳定、规模化地跑 AI”。

与此同时，OpenCloudOS 还将 AI-ready 能力延伸到云端。在腾讯云 HAI 平台上架的 OpenCloudOS 镜像已内置 CUDA 组件，用户无需手动配置即可获得开箱即用的 AI 开发与推理环境，实现从本地到云端的无缝协同。这种能力使企业能够快速构建、验证并上线 AI 服务，进一步缩短工程化周期。

3  结语 

回望整场大会，OpenCloudOS 过去几年的技术演进与生态扩展，在这一刻呈现出一种清晰的方向感：AI 时代的基础设施已经不再是单点优化的堆叠，而是一种跨芯片、跨框架、跨场景的系统工程。无论是镜像小型化、按需加载、P2P 加速等底层能力，还是智能基座对多样性算力的统一支撑，抑或超过千款 AI 软件与框架的自动化适配，这些看似独立的技术动作最终汇聚成一个共同目标——让开发者、硬件厂商和行业应用真正站在同一套“可用、好用、稳定可控”的操作系统底座上。

本次大会的意义并不止于发布了新的技术能力或生态计划，而是宣告了一种新的 AI 基础设施范式：在算力爆发、模型多样、框架迭代的时代，真正的创新不在于单点性能的提升，而在于提升整个产业链的协作效率与系统韧性。

OpenCloudOS 正在让这一目标具象化——通过可持续的技术路径、标准化的生态接口以及开放共建的社区机制，让 AI 的基础设施变得更普惠、更可靠，也更具规模化能力。

本文来自微信公众号 “InfoQ”（ID：infoqchina），作者：冬梅，36氪经授权发布。