富灯网中国最大AI开源社区，在北京办了第一场开发者大会

智东西

作者 | 陈骏达

编辑 | 云鹏

智东西6月30日报道，今天，国内AI开源社区魔搭在北京举办了其首届开发者大会。截至2025年6月，魔搭社区已经拥有超500家贡献机构，模型总量超7万个，并服务了36个国家超1600万开发者。此外，已经有超过4000个MCP服务在魔搭MCP广场上发布，支持开发者超过1亿次的调用。

魔搭社区如今已是中国最大的AI开源社区，DeepSeek系列模型、MiniMax多款模型、腾讯混元系列模型许多业界头部模型选择在魔搭社区开源。这一社区可提供模型体验、下载、调优、训练、推理、部署等服务，覆盖LLM、对话、语音、文生图、图生视频、AI作曲等多个领域。

为进一步激励开发者对社区的参与，周靖人在大会现场发布了“魔搭开发者勋章激励计划”，为在平台上作出贡献的开发者赋予荣誉和奖励，勋章获得者可以获得平台免费GPU算力支持，以及AIGC专区高阶训练券、高阶生图券等奖励，用于模型生成、模型训练、应用搭建等场景。

大会期间，还有多位嘉宾分享了他们对具身智能、端侧AI等行业重要趋势的见解。通义千问负责人林俊旸更是提前预告，该团队将于下个月推出编程能力更强的Coder模型。

会后，周靖人接受了智东西等少数媒体的采访。周靖人向智东西说道，魔搭既是一个社区，也是一个技术产品，要随着AI技术的发展而发展。魔搭正在快速迭代其对新技术、新产品、新工具的支持，也希望有更多开发者能加入到魔搭社区本身的开发过程中。

一、魔搭周靖人：模型已成重要生产元素，要帮开发者“找、用、学、玩”

周靖人认为，模型现已成为重要的生产元素，并成为了新一代应用的核心。在大模型技术快速迭代的过程中，开源开放是大模型生态发展的核心力量。

魔搭在成立之初就遵循了开放、中立、非盈利的原则，这一理念吸引了诸多开发者和企业共同参与生态建设。回顾发展历程，魔搭见证了许多顶尖开源模型的发布。

2023年，业界第一个文本生成视频的开源模型在魔搭社区发布。同年，百川智能、上海人工智能实验室书生系列大模型、零一万物Yi模型等业界领先模型均在魔搭社区开源首发。

2024年，魔搭社区面向AI创作者与设计师群体推出AIGC专区，提供图片、视频创作和模型训练等服务。

2025年，DeepSeek系列模型、阶跃星辰开源的Step-Video-T2V视频生成模型和Step-Audio语音交互模型在魔搭社区首发。

开源开放降低了开发者和企业使用先进AI技术的门槛，并且无需担忧因为使用某一项技术而被绑定。模型开发者能从中获取社区反馈和建议，从而形成正向循环。

具体到服务层面，魔搭能在找模型、用模型、学模型、玩模型这四大领域为模型算法开发者、AI应用开发者和模型爱好者提供帮助。

社区对模型家族进行了分类，并配备丰富的案例和API接口，帮助用户快速将模型集成到实际业务中。同时，云端Notebook功能提供了低成本的开发环境，便于用户高效探索业务场景。

为简化大模型与工具的对接流程，魔搭推出了MCP广场，汇聚数千款MCP服务及托管方案，并开放第三方集成接口。支付宝、MiniMax等创新服务在此独家首发，进一步拓展了生态应用。

在开发支持方面，魔搭提供了涵盖训练、推理、微调和评估等流程的SDK工具包，目前装机量已突破900万次。

周靖人分享，在这样一个技术变革的时代里，能够让更多的人使用AI，能够让AI的使用触手可及，普惠到社会的方方面面，是魔搭与开发者努力的重要方向。

二、无问芯穹汪玉：端侧AI面临算力能效困局，软硬件协同设计可实现突破

大会主论坛上，清华大学电子工程系系主任、无问芯穹发起人汪玉从硬件与算法的协同优化角度，探讨了端侧AI的挑战与未来。汪玉认为，AI技术正经历从云端向终端设备的迁移，随着AI模型规模的扩大，端侧设备在算力和能效上面临巨大压力。

与云端侧重多用户并发不同，端侧AI更强调低延时响应和单用户体验，当前端侧AI的理想推理速度大约为100-1000token/s，但端侧AI硬件的能力离这一目标还存在显著差距。

汪玉为上述问题提出了多个突破方向：通过芯片架构创新和存算一体技术提升硬件性能，采用模型压缩技术开发高效小模型，以及针对具体应用场景进行算法优化适配。

他特别强调，国内产业需要打通从算法设计、软件开发到硬件制造的全栈协同创新。在硬件层面，其团队已在FPGA上实现55token/s的推理速度。

汪玉特别看好具身智能的发展前景，认为这是将数字智能延伸至物理空间的重要方向。他呼吁产业界通过软硬件协同设计、共建数据生态，共同推动端侧AI和机器人技术的创新发展，构建面向未来的智能算力基础设施。

三、星海图赵行：机器人硬件形态趋于收敛，具身智能需要自己的“ImageNet”

主论坛上，清华大学特别研究员、星海图联合创始人赵行进一步分享了具身智能相关的话题。他认为，当前以ChatGPT为代表的离身智能（Disembodied AI）已通过图灵测试，但具身智能（Embodied AI）仍处于早期阶段，其核心瓶颈在于如何在正确的机器人本体上获取高质量数据，并构建可泛化的模型。

赵行强调，具身智能的突破需要类似计算机视觉领域ImageNet的标准化数据集，但由于机器人需要进行闭环测试，且硬件形态各异，数据采集和模型开发更为复杂。

标准化的硬件平台是突破上述问题的关键。星海图已经发布了3款机器人本体，计划在今年年底前采集超过1万小时的真实世界数据，涵盖工业、家庭、商业等多样化任务。

在模型架构上，星海图提出了“快慢双系统”的具身基础模型（Embodied Foundation Model），结合多模态大语言模型（慢思考）和轻量化执行模型（快执行），实现任务规划与实时闭环控制。

展望未来，赵行预测机器人硬件形态将趋于收敛，基础模型的泛化能力将在2026年迎来爆发，世界模型技术将增强机器人的预测与自主学习能力。他呼吁全球开发者共同构建具身智能生态，推动其在真实场景的大规模落地。

四、通义千问林俊旸：预训练技术仍有空间，Qwen Coder模型下月发布

在下午的主题论坛上，通义千问负责人林俊旸分享了他们的开源模型实践经验。

今年4月底，Qwen3系列模型迎来发布。模型参数量从0.6B到-235B不等。林俊旸称，这一代模型主要有三大特点：

混合推理模式：Qwen3全系列都支持混合推理，也就是说在一款模型内实现推理和非推理模式，并允许开发者自主选择模型的推理长度。但林俊旸认为，这还不是推理模型的理想形态，未来模型还需要具备自己决定是否进行推理的能力。

更多语言支持：Qwen从1.5系列就开始关注多语言，目前Qwen3支持119种语言和方言，在下一版本Qwen会扩展对非洲地区语言的支持。

MCP增强：Qwen3在训练数据方面针对MCP进行了增强，这本质上提升了模型的Agent能力。

林俊旸透露，Qwen团队内部更加关注MoE模型Qwen3-30B-A3B和稠密模型Qwen3-4B。Qwen3-30B-A3B在能力和部署难度上实现了平衡，在Qwen团队的内部测试中甚至超过了14B的稠密模型。