智源用 FlagOS 支援 32 款晶片——中國想解的不是模型問題，是綁定問題

2026 北京智源大會於 6 月 12 日在中關村國際創新中心開幕。這場會議發布的成果不少，媒體報導多集中在世界模型與 Nature 論文。

但如果從產業結構的角度看，最值得注意的其實是一套聽起來很不性感的東西：FlagOS。

先界定：FlagOS 要解的是什麼問題

依智源公布的數據，FlagOS 支援 18 家晶片品牌、32 款型號，算子總數超過 600 個，生態成員超過 80 家，全球下載超過 37.5 萬次，觸及開發者 5.6 萬人。

這些數字單獨看沒有感覺，關鍵在於它們指向的問題：目前 AI 訓練與推論高度綁定在特定硬體生態上。換一家的晶片，軟體幾乎要重寫。

用生活的例子：這就像所有的電器插頭都只能插一種特定廠牌的插座。不是別家做不出電器，是插座不相容。FlagOS 想做的是轉接頭——或者說，想做的是統一插座規格。

「軟硬解耦」這個詞在智源的十大趨勢裡也出現過（第九條，開源編譯器生態）。FlagOS 就是那條趨勢的具體產物。

其他成果：世界模型路線

大會發布的悟界系列，方向一致指向「理解物理世界」而非「處理文字」：

• 悟界·Emu3.5　智源稱其為「全球首個原生多模態世界模型」，並指出「2026 年 1 月登上 Nature 正刊，是我國科研機構主導的大模型成果首次在 Nature 正刊發表」。
• 悟界·Physis-v0.1　稱為「全球首款通用世界基座模型」，「以物理隱空間表徵替代傳統像素、幀級預測方案」，支援 50 個以上複雜物理場景的長程推理。
• 悟界·RoboBrain Orca　「以下一個物理狀態預測為核心的具身大腦」，可同時生成語言思考、視覺預測與動作決策。
• 悟界·Brainμ1.0　神經科學方向，統一編碼跨物種腦信號，應用於阿茲海默症、憂鬱症、帕金森氏症的輔助篩查。

整體開源規模方面，智源公布開源模型超過 200 個，全球累計下載超過 10 億次。

邊界：這些數字能與不能說明什麼

• 「支援 32 款晶片」不等於「在 32 款上都跑得一樣好」　支援與最佳化是兩件事，公布資料未說明各晶片的效能差距。
• 下載次數不等於生產環境使用　開源專案的下載量包含測試、研究與重複下載。
• 「全球首個」的宣稱需保留　這類定位取決於定義方式，且由發布方自行認定。

能說明的是投入方向與資源規模——這一點從 80 家生態成員與 18 家晶片品牌的參與看得出來，不是單一機構的實驗性專案。

對台灣企業的意義

FlagOS 這條線對台灣的意義比世界模型更直接。

目前 AI 硬體的價值分配，很大一部分建立在軟體生態的綁定上。如果算力層真的被標準化，競爭會從「生態誰完整」回到「硬體本身效能與成本」。

這對台灣是雙面的。做代工與零組件的位置會更穩——因為競爭回到製造本身，而那正是台灣的強項。但如果台灣廠商的策略是綁在單一生態上做整合方案，那個位置的護城河會變淺。

務實的觀察指標不是模型發表，而是有沒有非中國廠商加入 FlagOS 生態。目前 80 餘家生態成員的組成未公布細節，若參與者主要集中在單一地區，那它更接近區域性方案而非國際標準；若開始跨區，性質就不同了。

這也與我們談過的算力與能源的瓶頸相關——當電力成為限制，硬體選擇的彈性就更有價值。

需要保留的懷疑

本文數據出自智源自家的社群平台，屬第一手，但發布方同時是利害關係人。「全球首個」「全球最大」這類定位由該機構自行認定，未經第三方驗證。

Nature 正刊發表一事屬可查證的客觀事實，但論文發表與產品可用性是不同的事，兩者不宜混為一談。

另外，FlagOS 的晶片支援清單、各晶片的效能對照、以及生態成員名單，公布資料中未見細節。要判斷它的實質影響力，這些才是關鍵資訊。

常見問題

FlagOS 是什麼？為什麼值得關注？

依智源公布，FlagOS 是支援多品牌晶片的開源算力層，宣稱支援 18 家晶片品牌、32 款型號，算子超過 600 個。它要解決的是 AI 軟體高度綁定特定硬體生態的問題——換晶片品牌時軟體幾乎需重寫。若算力層標準化，競爭會從生態完整度回到硬體本身的效能與成本。

智源公布的「開源模型超過 200 個、下載超過 10 億次」代表什麼？

代表投入規模，但不宜直接解讀為生產環境的採用程度。開源專案的下載量包含測試、研究與重複下載，與實際商業部署數量無直接對應。這些數據由智源自行公布，屬第一手資料但發布方為利害關係人。

台灣供應鏈該關注這件事的哪個指標？

建議觀察是否有非中國廠商加入 FlagOS 生態。目前公布的 80 餘家生態成員未揭露組成細節。若參與者集中於單一地區，較接近區域性方案；若開始跨區擴展，對硬體綁定格局的影響才具實質意義。此外各晶片的實際效能對照亦為關鍵，公布資料中未見。

下一步

硬體綁定鬆動與否，會影響未來三到五年的採購彈性。若你正在規劃地端算力配置，可搭配算力與能源的實際限制一起評估，兩者是同一個決策的兩面。

出處

本文內容出自智源社區《2026北京智源大會開幕》，hub.baai.ac.cn/view/55492。加註引號者為該發布之原文。

該平台為北京智源人工智能研究院自有之發布管道，所列成果與數據均由該機構公布，未經第三方驗證。「全球首個」「全球最大」等定位為發布方自行認定。