据《国产服务器操作系统发展报告（2023）》称，在云与AI深度融合的技术浪潮之下，服务器操作系统产业正处于升级迭代的关键时期。该主论坛将聚焦服务器操作系统产业 2.0 时代背景，集领域专家学者、联盟协会领导、企业领军人物等，深度解读国产操作系统的过去与未来。讲师/嘉宾简介专家学者、联盟协会领导、企业领军人物

如何联合开源技术与国际社区形成双向互动，消除 CentOS 策略变更带来的影响？“全网首档操作系统探访体验节目”《龙蜥+超级探访》重磅上线！统信软件既是实现开源和商业互补协作的成功典范，又是身先士卒引领伙伴投身开源的“大队长”，也是龙蜥+超级探访首期走进的企业。且看龙蜥社区联合行业内生态伙伴何实现从技术创新到商业变现的跨越。

中兴通讯无线软件平台部系统性能调优专家张诗烩做《OpenJDK 的 RISC-V 生态实践》主题演讲。他围绕 OpenJDK 在 RISC-V 架构上的工程化实践展开，重点介绍了 OpenJDK master 分支中 RISC-V 相关改进反合到 OpenJDK 21 的过程，并结合当前针对 RVV 后端冗余 vset 指令的优化工作，分析了 RISC-V 向量化代码生成中的性能问题与改进思路。

XSCC 是由香山编译器团队开发的一个编译器项目，构建在开源的 LLVM 编译器基础设施之上。通过利用和扩展现有的 LLVM 技术栈，XSCC 致力于基于香山处理器打造 RISC-V 生态的高性能编译器。北京开源芯片研究院编译器团队工程师王陆霖分享了《XSCC 源于开源，注入开源》。王陆霖介绍了 XSCC 项目，并分享了团队参与开源编译器社区的实践经验。接着，与现场嘉宾们一起讨论了在 LLVM 基础上开展编译器技术研发、为香山生态开发相关基础设施与工具，以及将研发过程中产生的改进和技术成果贡献回上游开源项目的经验。

中国科学院软件研究所工程师、编译器专家王玉锋分享了《筑基云原生：openRuyi RISC-V 虚拟化技术与生态共建》。王玉锋阐述了 openRuyi 在 RISC-V 云原生基础设施建设中关于构建高性能、安全隔离的虚拟化底座的前瞻探索，并深度分享了 Kata Containers 与 Cloud Hypervisor 在异构环境下的适配历程以及生态落地实践。此外，他还重点解析了 RISC-V KVM AIA 设置与 IMSIC 中断虚拟化的关键技术修复。此外，还将展示 Kubernetes 集成的验证与后续规划，旨在打破底层架构与上层云原生应用的技术壁垒，为 RISC-V 软硬件生态共建构筑坚实的开源虚拟化底座。

随着 RISC-V 生态向高性能领域持续拓展，定制硬件指令的潜力释放，越来越依赖于编译器对指令语义的精准映射与高效利用。中兴通讯操作系统产品部编译器专家唐玉科分享了《软件基石：RISC-V编译器生态建设实践》。唐玉科以向量绝对值计算指令为典型案例，从问题分析、IR 建模、指令模版定义、汇编代码生成等方面，完整描述一条硬件指令在 GCC 编译器中的 “从无到有”的过程，帮助开发者掌握指令扩展的核心方法，赋能 RISC-V 生态高效落地，建立软硬协同设计思维，切实赋能 RISC-V 架构在多样化场景中的高效落地与生态繁荣。

RISC-V生态的繁荣离不开编译器工具链的持续演进。玄铁团队一直在重点推进 RISC-V 后端在编译器上游社区和主流操作系统社区（如龙蜥、如意等）的功能支持和性能优化工作。会上，尚云海分享了玄铁团队围绕 RISC-V 指令集功能支持、性能优化两个方面，分析目前的支持状态以及与其他架构的差距，并分享玄铁团队在 RISC-V 编译器优化上取得的进展，如后端层面如何开启高效的指令 fusion 优化，中端层面如何在循环变换、自动向量化决策等方向上提升编译质量。

作为龙蜥社区的创始理事单位，以及全球最大的半导体芯片制造商，英特尔为龙蜥提供先进的硬件优化技术，是开源社区创新技术孵化合作的完美典范，也是本期《龙蜥+超级探访》走进的企业。本次访谈邀请了英特尔副总裁、英特尔软件和先进技术事业部总经理李映，英特尔技术总监、龙蜥社区理事杨继国，阿里云服务器操作系统产品经理贾正华，阿里云高级技术专家、龙蜥社区英特尔 Arch SIG Maintainer 丁宁，阿里云 Higress & MSE 云原生网关产品负责人耿蕾蕾等 5 位业界专家，深度解读在操作系统产业面向 AI 升级换代的历史节点上，英特尔如何联手龙蜥布局“云+AI”的未来？在双向奔赴的合作历程中，龙蜥与英特尔如何完美搭配将创新技术孵化至成熟产品，进而服务关键业务场景？

直播主题：libvirt 虚拟机热迁移流程简介 直播时间：2023 年 05 月 31 日（周三）16：00-17：00 直播内容： libvirt 是用于管理虚拟机的开源项目，是各大基于 OpenStack 二次开发的云平台管理底层 qemu-kvm 虚拟机的核心组件，而热迁移作为虚拟机管理中较为常用的功能，其在稳定性和效率关乎云平台的整体使用体验，本次分享主要讲解虚拟机热迁移在 libvirt 项目中的主要流程及迁移参数作用和影响。 听众受益： 了解 libvirt 虚拟机热迁移整体流程，迁移方式及关键迁移参数作用及影响。 适合人群： 云计算研发人员。 讲师介绍： 李东世，浪潮数据云计算高级研发工程师，负责浪潮数据云平台核心功能开发及维护，主导底层虚拟化相关功能开发、问题定位处理。

中国科学院软件研究所工程师、编译器专家王玉锋分享了《筑基云原生：openRuyi RISC-V 虚拟化技术与生态共建》。王玉锋阐述了 openRuyi 在 RISC-V 云原生基础设施建设中关于构建高性能、安全隔离的虚拟化底座的前瞻探索，并深度分享了 Kata Containers 与 Cloud Hypervisor 在异构环境下的适配历程以及生态落地实践。此外，他还重点解析了 RISC-V KVM AIA 设置与 IMSIC 中断虚拟化的关键技术修复。此外，还将展示 Kubernetes 集成的验证与后续规划，旨在打破底层架构与上层云原生应用的技术壁垒，为 RISC-V 软硬件生态共建构筑坚实的开源虚拟化底座。

通过给 Go 工具链移植 RISC-V zvk 相关指令的实际例子，分享及探讨了如何在编译器领域应用 AIGC 生产力工具。

大模型推理服务的性能问题往往难以定位——请求延迟高是卡在哪个环节？队列等待、prefill 计算、还是 decode 阶段？传统监控只能提供聚合指标，无法精准定位单请求瓶颈。SGLang 请求追踪系统解决了这一痛点。通过端到端的全链路追踪，每个请求从入口到输出的完整生命周期被精确记录：队列等待耗时、prefill/decode 各阶段时长、跨节点传输延迟等关键指标一目了然。结合 OpenTelemetry 标准，可与主流可观测性平台无缝集成，实现可视化分析。这套系统让性能调优从"猜测驱动"转变为"数据驱动"，帮助开发者快速识别热点、优化资源配比，显著提升 LLM 服务的吞吐与响应质量。

在 AI 大模型推理日益普及的今天，如何高效管理显存、降低延迟成为核心挑战。特别是在 PD 分离架构下，传统的KVCache 管理方式是否已触及天花板？本期龙蜥大讲堂将带来一场硬核技术分享，深入解析龙蜥操作系统面向未来的存储革新方案——MantaKV！

陈诗雁介绍了系统运维的现状和难点、智能对话机器人的发展、大模型在系统运维的应用、基于大模型智能体的诊断机器人设计，并演示了 SysOM 智能诊断机器人。智能机器人和运维平台是相辅相成的关系，运维平台的诊断能力成就了智能机器人解决实际问题的能力，智能机器人帮助运维平台更好地发挥和展示运维能力。

抖动是影响业务性能的一大类问题，通过深入理解 Linux 应用运行过程的抖动原因，来协助系统及应用进行优化。同时介绍怎么 SysAK 工具对问题进行监控和诊断。

本次分享展示EPD在图像密集请求（4–8张/次）下的优化：1 QPS时比非分离部署延迟低约6–8倍，高QPS下吞吐增约2倍；解析EPD解耦架构如何以组件弹性扩展与异构部署避免Prefill节点成倍扩容。并聚焦SGLang面向Omni多模态的系统演进，阐述如何将LLM推理扩展到文本、图像、音频、视频多模态IO，以及Processor拆分、数据流与调度、多阶段推理协同等关键设计与实践。

围绕 DCU 在 Anolis OS 环境部署做详细介绍，包括 DCU 产品介绍/DCU 在龙蜥社区的兼容性适配流程/DCU 环境的部署流程，最后就部署过程做演示。

本次演讲重点介绍面向大规模数据中心的GPU RAS能力建设要求，包括大规模数据中心集成过程中遇到的痛点问题，GPU RAS功能及管理要求、GPU系统级故障注入、错误报告及调试转储等内容。

在云智融合的跨时代浪潮下，阿里云坚持 1+4 开源战略，坚持核心技术的攻关，鼎力支持龙蜥操作系统社区发展，携手产业力量，共同打造中国操作系统的黄金时代。

数据时代，安全为先。如何保障系统安全、数据安全、如何构建开源软件安全生态，正成为当今用户关注的焦点。本次分论坛由龙蜥安全委员会组织，旨在推动开源安全领域的实践分享、技术创新及安全生态建设，共同探讨和交流系统安全、网络安全、数据安全及威胁响应等议题。分论坛还设置了圆桌互动环节，邀请了来自国内外知名厂商的多位专家学者，共同探讨大数据大模型时代下机密计算技术的挑战、机遇和未来发展。讲师/嘉宾简介企业技术专家

根据中科方德自身的实践，从可用性、可靠性、安全、运维等多个维度分享云平台的实践经验。

LLM推理中prefill（计算密集）与decode（访存密集）资源特性迥异。现有PD分离方案割裂KV cache池、难以适应流量波动；Chunked-prefill则在SLO达标率与GPU利用率间顾此失彼。MuxWise提出GPU内PD空分复用新范式：动态划分SM，让prefill与decode在同一GPU上并行执行、共享KV cache。系统包含三项核心技术：无气泡空分复用引擎、竞争感知延迟预测器、decode优先SLO感知调度。在主流GPU和任务上实现最高3倍goodput提升，代码已合并入SGLang主分支。

国产服务器操作系统发展报告（2023年）解读。

Mooncake 是一个以 KVCache 为中心、面向解耦场景设计的分布式大模型推理架构，通过零拷贝传输、多网卡池化与链路优化、弹性扩展与高效内存利用等技术，助力 SGLang 实现了 KVCache 的高效跨节点传输与共享，显著提升了推理性能。KTransformers 是一个 CPU/GPU 混合的大模型异构推理框架，基于 AVX/AMX 指令集，实现了 NVFP4、FP8、BF16 等原生精度 MoE kernel，支持了高效的原生精度推理；同时，使用专家级流水线进行流式预填充，通过 SGLang 的 GPU MoE Kernel 实现了 layerwise prefill 架构，大幅提升长上下文场景的吞吐与延迟表现。本次分享将聚焦于 Mooncake 和 KTransformers 的架构设计、关键技术特性、最新进展，以及与 SGLang 的集成实践和应用效果。

从实用角度解读如何在 Arm 平台上进行业务软件的性能测评、分析及优化，涵盖负载配置模式的选择、波动因素的消除、宏观经验调优及多层配合（应用层、系统层及微架构层）的深度性能优化，充分挖掘底层基于 Arm 架构硬件的性能潜力。

龙蜥社区理事长、阿里云研究员马涛为现场嘉宾带来主题演讲：《开放算力·云启未来》。 “‘开放算力，云启未来’，为什么提开放算力？现在对于算力可以非常明显地感觉到是一个在快速发展的阶段，那么龙蜥社区对于算力的支持我认为无论是国内还是国际的社区里面是最全的，因为无论是对于国际厂商，像 Intel、AMD、Arm 等企业全面的支持，还是国内的厂商，像龙芯、兆芯、飞腾芯片厂商的支持，所以我们对于整个算力的支撑我认为在国内和国际都是领先的。第二个就是‘开放’，对于一个操作系统社区而言，开放是非常重要的。

73期-SysOM 2.0 存储相关诊断功能

66期-SysOM 2.0 诊断中心功能介绍

随着 RISC‑V 生态快速成熟，x86、ARM 等传统架构向 RISC‑V 平台的跨架构迁移需求激增，代码适配难、效率低、验证周期长成为产业痛点。中兴通讯 RCH 系统部生态工具专家申林分享了《面向RISC-V的跨架构代码智能迁移工具研发及性能优化实践》。为此研发专用智能迁移工具，可自动扫描解析源码，精准定位架构依赖代码，智能完成适配修改，实现高效迁移。工具集成编译校验、性能调优功能，保障程序稳定高效运行，支持 Web 端、Skill 模式部署，为 RISC‑V 生态规模化迁移提供工程化解决方案。

2026 开放原子开源生态大会上，在开放原子开源基金会理事长谢少锋和龙蜥社区理事们的见证下，龙蜥社区（OpenAnolis）正式官宣升级为 AI 原生操作系统社区，并发布了面向智能体系统的社区级技能生态平台 SkillHub 。

2026 开放原子开源生态大会上，龙蜥社区迎来了发展历程中的又一重要里程碑——正式完成向开放原子开源基金会的捐赠。在捐赠仪式上，开放原子开源基金会秘书长助理李博出席见证，龙蜥社区理事长马涛代表社区完成签约。会上，阿里巴巴集团合伙人、阿里云高级副总裁蒋江伟分享了开源战略在阿里巴巴的落地实践。蒋江伟强调，在 AI 时代，操作系统是被重塑最深的基础软件层，龙蜥社区正是这一变革中的关键力量。同时，在大会上蒋江伟宣布了将龙蜥社区正式升级为“AI原生操作系统社区”。

围绕主流开源大模型，介绍在国产化硬件上的适配实践：通过低比特量化实现高效部署，结合多算子融合与单算子调优技术，全面提升端到端推理性能。

分享系统化搭建超智融合算力架构的思路，实现整套集群从芯片、存储、网络到操作系统、算力调度、系统运维的深度融合，以支撑复杂科学计算、工程仿真和AI大模型训练/推理的超智融合应用场景。

本演讲聚焦Agent场景下KVCache的存储需求和带来的挑战，梳理了KVCache管理模式的演进路径。重点介绍了SGLang生态中的Hf3fsMetadataServer（MiniManager），以及阿里云即将开源的企业级全局KVCache管理系统—-TairKVCacheManager。该系统已实现对Mooncake的原生支持，为Agent时代的大模型推理提供稳定高效的KVCache存储支持。

Arm作为最为普遍使用的架构，吸引了广大开发者的兴趣。最近阿里巴巴生态核心应用在Arm平台上部署后显示较大的性能差异，通过分析发现主要是CPU前端瓶颈，因此我们在JVM层面进行了针对性优化，提出的代码压缩、热代码集中分配等技术方案在落地后进一步完善性能，给后续更大规模的部署提供了信心；同时，Arm平台也拥有丰富的性能分析工具，比如CoreSight提供了指令流分析的能力，基于这些信息阿里云发现了JVM中编译阈值对profile采集准确性的影响，针对性调整后达到了更佳的性能效果。

互联网为开源提供了理想的土壤，让全球开发者们可以不受物理距离的限制，共同在一个透明开放的环境中工作。与此同时，开源项目在互联网发展中起到了积极的贡献。在这个时代背景下，阿里云极度重视开源项目，尤其重视操作系统方向的开源合作。2019 年开始，阿里云和业界伙伴一起着手构建面向云计算场景的原生操作系统的开源社区，2020 年龙蜥随之应运而生，社区的开放、平等、中立的价值理念，确保了公平公正的决策和核心项目的健康运行。无论是持续的技术创新，还是社区的治理理念，阿里云作为社区的参与方，都将实质地坚持和保持投入，共同推动整个社区的未来的持续壮大与发展。

eBPF 在网络可观测上具有安全灵活、实时追踪等优点，通过运行时加载 DataKit 探针能实现对网络流量的实时分析和统计；基于网络协议的分析，能够为链路系统提供系统侧的 Span 补充。最终在观测云统一可观测平台上展示出请求数、响应时间、错误率等关键指标。

介绍一种新的 CPU 和 NUMA 绑定方法，并在 CRI 资源管理器 (CRI-RM) 中实现，主要将其用作 K8S 上加速工作负载的解决方案。

Nydus 是阿里云和蚂蚁集团合作开发的容器镜像加速服务。此次分享介绍 Nydus 的下一代镜像加速方案，同时也是 Linux 主线内核首个原生支持、开箱即用的容器镜像分发方案。该方案相对于用户态方案具有更优的性能和稳定性表现，为容器镜像终态的高密、高性能、高可用和易用性提供坚实保障。此次分享包含技术原理介绍、方案优势等。

AMX 加速 stable diffusion

龙蜥操作系统是什么？ta定位于什么？

介绍了阿里巴巴基于 Alibaba Dragonwell （一款免费的 OpenJDK 发行版，提供长期支持（LTS），涵盖性能增强、安全修复以及性能增强等特性），在 RISC-V 架构上的探索工作。从 2022 年开始，Alibaba Dragonwell 团队联合达摩院，参与 RISC-V 后端研发，为Dragonwell JDK 增加对 RISC-V 的支持，同时对上游 OpenJDK RISC-V 后端提供多个贡献，以及今后针对 Datacenter 的 RISC-V 芯片的展望。

SGLang 贡献者、阿里巴巴集团通义千问（Qwen）团队成员林骏荣做了题为《使用 SGLang 进行高效稳定的强化学习》的主题演讲。近期，SGLang 强化学习团队在提升强化学习（RL）训练稳定性、并缩小训练与推理误差方面取得了显著进展。在本次演讲中，我们回顾了这些进展，讨论其背后的关键动机和解决方案。

中兴新支点公司副总经理崔黎明分享了在龙蜥社区的合作成果。

根据 IDC 报告统计，通过云满足客户业务的需求，已经大大超过了传统管理基础设施。ECS 作为阿里云的比较关键的产品和服务，需要用自身产品能力满足不同类型的市场需求。吴天议主要分享了基于龙蜥社区 Anolis OS，阿里云采用倚天芯片与 CIPU 构建的面向云原生神龙计算体系架构，如何满足未来智能化的应用的需求。

本次大会上，Intel 开设了专区，值得一提的是，Intel 等 3 家企业凭借对社区开源生态建设的卓越贡献，升级为龙蜥社区“新晋副理事长单位”，Intel 技术总监杨继国博士等 3 位新晋副理事长上台接受授牌，共同开启“同心共行·共建龙蜥”的新里程道路。

本次双周会会进一步讨论 SIG 组件引入的规范，同时由 Intel 资深云计算软件架构师介绍 Intel 在 micro-vm 快速启动的探索，听众可以获取云原生函数计算场景下，实例快速置备、快速启动的解决方案。

海光安全虚拟化技术的原理和技术特点、CSV 机密容器的原理和部署方法。

随着龙蜥社区规模的迅速壮大，为了更好的服务于生态伙伴和广大用户， 龙蜥社区推出全网首档操作系统探访体验节目“龙蜥+超级探访”，该节目将揭示龙蜥与生态伙伴如何实现从技术创新到商业变现的跨越，共同探寻算力新浪潮下龙蜥如何帮助用户拥抱智算时代。首期“龙蜥+超级探访”走进统信软件，让我们一起期待统信软件如何给世界一个更好的选择！ 7 月 31 日将全网上线正片，敬请期待！