FlagOS 作为面向 AI 计算的开源系统软件平台，致力屏蔽底层硬件差异，实现“一次编写、多芯运行”，旨在屏蔽底层硬件差异，打造全球支持芯片种类最多的开源AI系统软件栈，让算力开放、流动、可及；其社区已汇聚芯片厂商、云服务商、高校与独立开发者，形成“芯片—系统—框架—应用”的开放生态。
2026年10月17日，为期两天的“2026人工智能开放计算大会暨众智FlagOS技术大会”在北京中关村国家自主创新示范区展示中心召开。北京智源人工智能研究院副院长兼总工程师林咏华以“众智FlagOS 2.2：从token经济走向物理AI”为主题发表演讲，详细介绍了9月30日发布的FlagOS 2.2这一AI开放计算系统软件栈新版本，标志着开放计算技术生态已经“迈入规模化共享优化的新阶段”。
FlagOS 2.2：AI开放计算系统软件栈新版本
在会上，林咏华展示了旗舰版本FlagOS 2.2的四组关键指标：覆盖21家AI芯片厂商35款芯片；9大算子库合计1454个算子，较上一版增加890个；跨芯算子性能提升27.6%（覆盖10款芯片）；社区代码贡献者达264位，较上季度增长55%。
FlagOS 2.2由BAAI智源研究院、众智FlagOS与CSDN社区联合发布，技术架构自上而下分为四层：最上层支持各类AI大模型，涵盖语言、多模态、世界模型与具身智能；中间层通过多芯片统一插件系统适配主流训推框架；下层提供核心开源库与开放工具平台；最底层覆盖AI服务器、边缘设备、AI笔记本、ARM、RISC-V到量子计算等硬件形态，通过统一模型生态、统一软件层与统一硬件入口，让不同硬件共享AI生态。
算子能力层面，FlagGems大模型算子库拥有1224个算子，为全球最大的Triton单一算子库，已进入PyTorch基金会生态；面向vLLM推出FlagGems-vllm支持60个重要融合算子，面向SGLang推出FlagGems-SGLang支持40个融合算子并适配5款以上芯片。混合精度扩展至fused_moe、gemm、sparse_mla等关键算子，加速比最高分别达4.8倍、1.8倍和1.3倍，其中793个算子在不少于5款国产芯片上超过原生算子80%的性能。
编译优化方面，FlagTree编译器单仓库覆盖20个厂商后端，新增支持英伟达TileIR、AMD、平头哥、进迭时空、达摩院、辉羲及ARM64 CPU等后端，main分支升级至Triton 3.6；FlagOSTune自动调优针对矩阵乘等算子搜索提效高达298倍。端到端实测中，英伟达DSV4-flash吞吐提升12.63%、首token时延下降20.22%；摩尔线程S5000运行Qwen3.6-35B-A3B达H100等效算力吞吐的82.29%至89.83%，超越厂商原生4%至19%。通过算子与编译联合优化，跨芯片整体性能提升27.6%，覆盖上千算子和10款异构芯片，其中昆仑芯P800加速比提升191.2%、华为昇腾910B提升160.7%，标志着优化能力从“单点突破”转向“规模化系统性能提升”。
工具链方面，新发布的FlagPrism定位为跨芯片调试与性能分析工具，可深入内核将数值偏差定位到语句级，并清晰展示计算、同步、数据搬运等瓶颈，已支持华为昇腾、天数智芯、摩尔线程、英伟达、燧原等后端。多芯片统一插件系统将“N×M”组合简化为“N+M”解耦模式，实现非侵入式修改，覆盖推理（vLLM、SGLang）、训练（Megatron-LM、TransformerEngine）、强化学习（VeRL）及基础框架（Torch-FL），具备统一发行、接入、运行时、优化四大特性。FlagOS-Compressor首次发布跨芯片统一量化工具，以397B MoE模型为例，W8A8量化后体积减少49.1%，GPQA-Diamond得分保持84.85%，在英伟达H20和国产PPU上完成推理验证。Day0适配能力使新模型可一天内适配运行于多达12款芯片，适配后的多芯片模型版本同步分发至HuggingFace、魔搭社区、腾讯云、焕新社区及国家超算互联网等平台。
众智FlagOS 2.2：从token经济到物理AI的计算支撑
林咏华指出，从Token经济到物理AI正面临三类AI系统挑战。其一是Token工厂，面向训练与推理的规模化系统，痛点在于基础设施更新慢而模型演进快，MoE、长上下文、MTP持续带来新负载。其二是物理世界AI，面向世界模型与具身智能，输入从语言扩展到视频、3D、时空与动作，维度更高、耦合更强。其三是端侧AI，让智能留在设备侧，强调低时延、低功耗，需在隐私、带宽、时延约束下兼顾小内存与高效率。三者算力需求呈现“模型规模×token长度×空间维度×时序帧×生成步数”的复合增长关系。
Token服务案例中，基于FlagOS对DeepSeek V4.1 Flash跨平台优化，英伟达H100推理性能提升18%至20%、64路并发总吞吐约9190 tok/s，平头哥810E提升77%至82%、实现16路并发可用；关键算子中FP4索引打分平均加速2.75倍、FP8 Dense GEMM平均1.41倍。另一案例针对GLM-5.3-Flash在昇腾910B上优化，吞吐实现2.04倍提升，长上下文下冷TTFT下降8.1%、满载ITL下降16.6%，性能达官方API的99.7%，性价比高19.4%至27.6%，体现“让存量算力承接前沿模型”的价值。
针对世界模型与具身智能，智源研究院构建了“物理交互多模态感知–原生具身模型–执行与控制–持久记忆–持续进化”的闭环架构。性能上，VLM加速约2.3倍、MFU约33%，Tx2V加速约1.9倍、MFU约36%，Action加速约2.0倍、MFU约35%，训练MFU约33%至36%，显著优于Cosmos3-Nano（23%）与Cosmos3-Super（30%）。
端侧AI方面，林咏华强调“端侧AI已突破实用临界点”，驱动力在于“更小的可用模型+更强的本地计算”。边缘芯片算力指数级增长至2026年高通IQ10接近350 TOPS，同时同等能力（GPQA-Diamond约70%）的模型参数从2024年的3000B（o1）在2026年9月降至2.52B（MiniCPM5-2B），两条曲线在2025至2026年间交叉。实测中，FlagOS for Arm CPU环境下仅用CPU运行MiniCPM5-2B，预填充速度即达1135 tokens/s、生成90 tokens/s。通过FlagTree-CPU与SME2、NEON I8MM协同，完整模型Prefill吞吐提升21%至25%，Mac M5 Pro平台上Xing4.0 29B-A4B相对vLLM原生提升252.09%。从云到端侧，ARM支持进一步落实到完整模型优化；基于FlagOS，大模型在ARMCPU的端到端性能有明显提升
FlagOS还赋能新架构用于探索量子世界的创新。10月18日，，由智源研究院与北京量子信息科学研究院（BAQIS）联合推出量智云Quantum-AI Cloud，通过FlagOS Execution Stack支撑FlagQuantum量子框架，对接“九鼎”AI算力系统与“QUAFU”量子计算机，实现量子与经典混合作业调度。
持续繁荣产业及开发者生态
生态建设与国际化是众智FlagOS取得长足进展的重要基础。FlagOS在2026年第三季度开源下载量达464,336次，为第二季度4.76倍，生态成员单位增至107家，新增合作伙伴涵盖凌川科技、中国电子、润开鸿、中国电信、NXP恩智浦、壁仞科技、跨维智能、聆思科技等企业和机构。
国际化方面，林咏华介绍了多项举措：9月1日在智源举办timbuktoo中非创业与AI伙伴研讨会；9月28日联合国“开放计算工作组”获批成立，两周内超300家全球机构报名，首会计划于11月APEC期间举行；联合港科大、清华、Linux基金会、PyTorch基金会、Red Hat发起OASIS-AI 2026学术Workshop；10月6至7日在阿布扎比举办Open Compute Workshop；全球“AI算力师资发展计划”第二期开班，30多国近50位高校骨干教师来华。
社区层面，FlagOS秉持“开放计算是一场团队协作”理念，支持35种AI芯片、覆盖21家厂商，活跃贡献者超730位、成员组织超100个、覆盖30多国、开发者超55,800人。FlagOS V2.2发布刚半个月，就已在PyTorch、vLLM、SGLang、Megatron-LM、TransformerEngine、VeRL、Triton等主流框架完成集成，FlagCICD核心中间件支持超10种芯片平台。从2.1到2.2版本，合并PR从1890增至4890、新建Issue从420增至1423、代码提交从5100增至9730，代码贡献者达264人、较前增加55%。
毫无疑问，FlagOS 2.2版本的突破正是社区共同研发投入的结晶。
可以预见，随着开放生态持续繁荣，FlagOS 2.2有望成为国产AI基础软件走向规模化共享优化的关键力量，前景值得看好。
（未经本人审定）
- 林咏华：众智FlagOS 2.2发布，token经济正走向物理AI – 2026年10月18日
- AMD Ross发布：智能体AI重塑嵌入式开发全流程 – 2026年10月17日
- 中控技术接入千问办公，打造流程工业领域AI Native标杆企业 – 2026年10月16日