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。

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

我们了解的 Linux 稳定性都是基于 x86 和 Arm 服务器上的，然而在手机上的系统稳定性，也值得我们去一探究竟。魅族科技高级工程师、龙蜥系统运维SIG Contributor 白浩文与嘉宾一起谈一谈《手机内核稳定性的治理与实践》。他首先简要介绍了稳定性问题的来源，以及开发过程。重点举例介绍了运行时动态检测的一些方法以及相关原理。在实践中，魅族手机在开发阶段引入了一些新的特性来提高捕捉内存异常的概率，其中也包括从上游龙蜥社区引入的改进特性。为了全方位监控和解决稳定性问题，魅族也在智能化分析问题和提升效能方面做了相应工作。最后，还作了简要的总结和阐述所面临的一些挑战。

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。

了解OceanBase分布式数据库及其诊断现状，快速洞悉obdiag作为OceanBase敏捷诊断工具的项目价值及其设计与实现，提前知晓obdiag未来规划。

9 月 21 日，作为 GOAI 开源周系列重磅活动，由龙蜥社区主办、AMD 协办的龙蜥社区 SkillHub 精选技能实战工作坊在杭州云谷中心圆满举办。这是龙蜥社区升级为 AI 原生操作系统社区后的首次线下 Skill 实战工作坊，以“从 Infra 到 Agent ”为核心主题，汇聚操作系统、算力硬件、内核、安全、数据库、运维等多领域技术专家，与现场超 70 位开发者，围绕 Skill 生态底座、系统安全、场景化落地、标准化开发等核心维度展开深度分享，全景探索基础设施与智能体融合的真实落地方案。

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？

Tokenless 支持接入多种 Agent，在工具输出进入模型前压缩冗余内容，无需改变现有提示词和工作流。任务完成后，开发者可通过运行统计与 AgentSight 查看 Token 用量和节省效果，让 Token 使用清楚可见。

主机智能巡检，正是“业务韧性”最锋利的那把刀——从事后救火，转向事前防护。

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。

从以 GPT 为代表的大模型出现之后，用 AI 实现 Ops 解决运维困境的梦想看起来实现近在咫尺，但 AIOps 发展的核心瓶颈是数据。现阶段的运维体系存在大量的数据盲区、数据孤岛、数据关联等问题，运维诊断更多的是依靠经验、猜测、直觉和灵感，而不是依靠数据。

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。

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。

本次分享将介绍阿里巴巴自研强化学习框架ROLL及其针对AgenticRL异构负载的深度优化方案。重点解读如何通过异构硬件亲和性调度、细粒度异步编排以及状态感知的按需弹性部署，攻克大规模场景下的通信与计算瓶颈。目前，ROLL已在三千卡集群、千亿参数MoE模型上实现了生产级的极致吞吐；此外，我们将探讨ROLL与Mooncake存算分离架构结合的未来演进，进一步释放大规模RL后训练的潜力。

从点点滴滴的迁移适配过程，分享上游社区操作系统内核，在国产化架构系统的适应、变迁与优化路径。

通过本次讲座，Java 开发者可以进一步地了解到一些 Java 代码背后的行为，特别是与 CPU 硬件相关的性能优化，进而理解如何使用 SIMD 指令集进一步提升 Java 代码的性能。同时，听众能大概了解 SVE 这一最新的 Arm SIMD 指令集架构。

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”。

沐曦股份SGLang推理引擎核心开发者杨鑫压轴分享《沐曦GPU对SGLang的深度适配与工程实践》。视频详解SGLang在沐曦GPU上的全流程适配、自研MXMACA软件栈技术亮点，以及最新模型适配进展与性能优化实战，全面展示国产算力与开源推理框架深度融合的工程成果。

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。

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。

hybridnet 是一款面向混合云场景的 Kubernetes 容器网络解决方案。它可以帮助用户在物理机和虚拟机的异构环境之上，构建一层 underlay + overlay 的统一网络平面。

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。

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。

随着大语言模型（LLM）的普及与应用，AI计算需求快速增长。许多LLM模型运行在基于GPU的硬件上，而随着Arm架构不仅在边缘设备，而且在数据中心领域也愈发流行，如何让RTP-LLM（实时推理框架）有效支持Arm CPU平台变得尤为重要。通过优化LLM在Arm平台的推理性能，可以进一步提升功耗效率和模型部署的灵活性。

本话题将介绍龙蜥操作系统在云原生领域的深入探索和场景优化，展示其针对云原生所做的全面优化以及强大特性，邀请龙蜥社区的用户介绍这些特性在各自领域的落地情况。通过讲解基础软件的优化方法和案例，为听众提供关于如何在云原生场景下提高性能、安全性和稳定性的建议。同时我们也会邀请学术界大拿，为大家带来云原生领域前沿的探索信息。讲师/嘉宾简介技术专家

介绍 Arm 架构下常用性能分析工具，结合龙蜥操作系统分享软件移植的注意事项和实际优化案例，从而帮助大家了解 Arm 架构下软件移植、优化过程中的常见问题和优化思路。

当龙蜥操作系统遇到云原生

1）介绍社区 CI 体系和四大服务流程。 2）介绍如何接入社区 CI 服务。 3）未来规划和自由讨论。

SGLang社区核心维护者童心源深度解读《SGLang Roadmap：面向大模型与多模态模型的高性能开源推理系统》。视频涵盖SGLang发展历程，重点剖析PD分离、多模态与硬件支持、RL/post-training部署等关键技术创新，并分享开源社区协作进展及最新性能优化路线图，带你全面了解这一高性能开源推理系统的前沿动态。

龙蜥社区SGLang项目开发者苏峰与智算联盟委员常怀鑫联合分享《从全链路可观测到智能分析：AI性能分析范式的演进与实践》。视频回顾了SGLang Tracing可观测性建设历程，并结合实战案例，深入探讨如何借助AI Agent实现SGLang框架的智能性能优化，展现AI性能分析新范式的落地应用。

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。

ANOLISA 是打造的 Agent 系统管家。它的使命是：打造更高效、更安全的 Agent Native 环境。

介绍浪潮信息操作系统团队在人工智能浪潮中面向AI做的一些高效的AI解决方案。

面对多元算力优化与操作系统 AI 双向融合的技术趋势，浪潮信息如何联手龙蜥把握产业机遇，共同推动中国操作系统产业的可持续发展，向更高层次的操作系统智能化迈进？

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。

EasyYitian 是阿里云为支持倚天迁移专门打造的工具平台，包括软件兼容性扫描、环境兼容性分析、跨架构编译构建、应用性能分析调优，是集工具、镜像、解决方案、最佳实践、迁移指南为一体的统一平台，解决倚天迁移过程的难点和痛点，助力客户快速完成业务迁移到倚天，为倚天迁移提供全量支持。本文沿着迁移时间线，对 EasyYitian 的功能和基本原理依次展开介绍，帮助大家快速了解倚天、倚天迁移以及我们为帮助迁移做了哪些事情，把迁移从文字变成实例化的内容，帮助读者建立正确客观的迁移认知。

会上，中国工程院院士陈左宁，北航网安学院院长、教授、龙蜥社区高级顾问刘建伟 ，中国开源软件推进联盟副主席、龙蜥社区特约顾问刘澎，阿里巴巴集团副总裁、阿里云基础设施事业部总经理蒋江伟，就“龙蜥社区在提升中国开源软件影响力和国际贡献率的思考“展开圆桌话题环节。讨论中，陈左宁院士表示，龙蜥底座不是传统意义上的服务器操作系统，主要是来自于阿里云支撑云软件的操作系统，这个实践本身是支撑阿里云的，现在可能对通义千问，对人工智能有进一步支持。龙蜥将云时代、大数据时代、智能时代的一些技术，垂直做到基础操作系统里面，可以支撑上层系统，比原来 CentOS 等一般操作系统的意义更大。期望龙蜥的开放生态，下面对“芯”，上面对“云、数、智”，真正地支撑住。

从工具生态的现状梳理、Arm 生态中各方的诉求分析，推导出未来的工具应该怎样建设才能高效使用 Arm 服务器。

从 DeepFlow 的实践经验出发，以业务运维、应用开发的视角分享了一系列典型实战案例。通过他的分享，我们更生动的了解到了 eBPF 作为一项非常底层的内核编程技术，是如何支撑银行分布式核心快速上云，如何让层层网关呵护下的 Serverless 应用快速实现全栈链路追踪，如何帮助 C++ 技术栈的游戏应用解决插桩难的观测痛点，如何为祖传代码遇到的降本增效难题提供解决方案，如何化解公有云服务商和租户之间的工单卡死难题，以及如何结合 Wasm 技术让新一代证券交易系统实现零侵扰的分布式追踪。

了解高性能编译器带来更加快速、流程的开发体验。

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。

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。

基于Intel®第四代至强®可扩展平台QAT功能加速服务网格和云原生网关中的TLS性能

SysOM AI Profiling 是一款专为 AI 应用设计的全生命周期性能观测与诊断工具——从训练到推理，从单卡到千卡集群，从 Python 层到 GPU Kernel 层，帮你看清每一微秒发生了什么。

大模型正从“参数竞赛”转向“应用落地”，算力的性能、成本与工程效率成为关键瓶颈。本圆桌邀请阿里云、中兴、沐曦、浪潮等企业专家，探讨三大关键：如何通过软硬协同释放异构算力效能？SGLang与开源社区如何降低部署门槛？在 AI 运维与垂直行业中如何构建稳定、弹性且低成本的推理方案？最终推动AI从技术突破走向产业落地。

分析了多核场景下Linux调度器的挑战与机遇：优化进程唤醒时随核数增加而递增的idle CPU搜索开销；改进默认时间片调度，使其感知进程工作集、线程数据共享等指标，推进同进程线程组在相同LLC domain唤醒以减少跨核缓存失效；探讨了内核调度器支持的用户态BPF自定义调度与AI结合的潜力，即AI预测进程需求辅助BPF生成智能调度策略。

探讨了具身智能系统，其核心在于构建紧密耦合的“感知-融合-决策-执行”闭环，使机器能实时理解并作用于物理世界。指出实现面临的主要挑战：需达成高实时性、强鲁棒性的多模态感知融合，并进行高效动态决策与控制。该演讲以智能机器人为核心示例，聚焦基于Ubuntu + ROS2构建的主流机器人操作系统生态，探讨了OS在具身智能中的关键角色及其面临的端到端确定性问题。

调用链 (Callchain) 是软硬件事件上下文信息之一，对性能优化和故障排具有非常重要的作用。如著名的火焰图 (Flamegraph) 就是对调用链信息汇总统计和可视化的结果。但是在调用链收集的过程中，工程师往往因为不了解底层的采集原理导致调用链收集不完整，采集开销不可控等问题。本议题核心介绍了在AArch64架构下调用链采集的原理，比较它们之间的不同和阐述适用场景。同时对Linux内核态和eBPF调用链采集做了一些简单介绍。

CentOS 停止更新，企业和用户面临着系统安全和稳定性的双重挑战。而国内对于自主可控操作系统的需求日益增加，在此背景下，操作系统迁移已成为势在必行的选择。KOS 团队立足于国产化需求，提出了浪潮的操作系统迁移方案，并经过多个行业的实战落地，形成一套成熟方案，迁移技术自主可控，助力企业在数字化转型中稳步前行。

了解如何编译安装兰亭集库; 2.了解如何使用兰亭集库快速开发静态文件服务器； 3.了解如何使用兰亭集库快速开发websocket应用；