在大模型时代，每一位 AI 开发者或许都经历过这样的“崩溃”瞬间：

 

• 为了跑通一个算子，先花三个小时解决环境依赖。

• 面对各种私有脚本、修改容器镜像，战战兢兢地敲下每一行编译命令，生怕由于版本不匹配导致前功尽弃。

   

为什么发展了几十年的传统操作系统（OS）包管理体系，能否向 AI 场景演进，实现大模型软件栈轻量化、标准化一键安装？

 

正是因为看透了这一层技术断层，FlagOS 选择了一条极具挑战却彻底破局的路：直接与传统操作系统深度融合。 我们要做的，就是把大模型系统软件栈，真正塞进传统操作系统的“血液”里。

 

AI 软件栈也能成为操作系统中的“标准软件包”

 

当然，软件包只是第一步。

 

真正重要的是，它意味着 AI 软件栈开始拥有操作系统级的生态能力。

 

目前，FlagOS 正在推动统一的软件包规范（FEP），并与 openEuler、Deepin、openKylin 等探索协同建设。与此同时，FlagOS 还在持续完善跨芯片、跨架构的统一适配体系，围绕编译器、算子、通信、训练推理框架和发行版认证构建完整的软件交付链路，让 AI 软件栈从“能跑”走向“易装、易用、易维护”。

 

我们相信，未来开发者获取 AI 基础软件，不应该再从源码开始，而应该像今天安装 Git、Docker 一样简单。

 

观看直播你将获得

 

✅ 吃透 AI 软件栈系统级分发底层逻辑，摆脱低效源码编译部署

✅ 掌握多芯片、跨发行版标准化打包落地方案，可直接复用至自有AI项目

✅ 了解国产操作系统 AI 生态共建路径，获取开源社区参与渠道

 

理论之外，本次直播还将进行完整 Demo

 

1. 从源码开始，把一个 Triton 算子库打包成 deb 软件包；

2. 演示一个真实 Bug 如何在打包阶段被提前发现，让软件包成为质量保障的重要环节；

3. 使用一条 apt install 完成部署；

4. 在消费级 AMD 核显上运行 Triton 算子；

5. 现场组合 FlagGems × FlagAttention 两个软件包，快速搭建 Transformer Block；

6. 最后，将同一套打包规范迁移到 Arm64 CPU 平台，展示一次打包、多架构部署的完整能力。

 

这不仅是一次 Demo，

更是 AI 软件栈工程化的一次完整实践。

 

与我们一起见证 AI 软件栈从“源码时代”迈向“软件包时代”。