ai-stack

小鹏汽车展示了其完整的AI堆栈，包括Turing芯片、TuringViT感知模型、端到端AI（XNGP）以及汽车、机器人等实体，突显了他们在智能系统上的集成方法。

本文介绍了Open Source AI Gap Map网站，该网站评估了超过24,626个项目，以识别开源AI堆栈中缺失的组件，并邀请合作者帮助填补这些缺口。

讨论依赖单一美国前沿AI模型的风险，主张使用DeepSeek和Qwen等中国替代品构建多元化堆栈，这些模型可本地运行且成本更低，能实现更好的韧性和数据隐私。

一位用户分享了一个帖子，Ronin 描述了他如何将自己的整个 AI 技术栈切换到中国模型（Kimi K2.7、Qwen 3.7 Max），在可接受的基准差距下大幅节省成本，同时也在感叹更广泛的生态系统中内容被盗的问题。

本文认为，开源权重AI模型追赶闭源模型并非通过蒸馏技术，而是得益于AI堆栈的模块化——稳定的接口（Transformer架构、兼容OpenAI的推理API、智能体框架）使得创新能在整个生态系统中迅速扩散，在缩小能力差距的同时保持巨大的价格优势，最终可能导致前沿AI的商品化。

一位用户报告称，在推理、代码生成、智能体循环、批量处理以及图像/视频生成等方面，已将美国AI模型替换为中国替代品，实现了成本降低87%，平均质量仅下降4%，且收入未变。

一位研究人员表示，是时候购买更多GPU并构建本地AI堆栈了，并提到Qwen 3.5 27B和GLM 5.2等模型消除了永久底层阶级的威胁。

stackd.cc 是一个分享和发现 AI 技术栈的平台。

对Google I/O 2026的分析认为，该活动展示了一个完整的AI堆栈（芯片、模型、开发者工具、分发、主动代理和物理感知媒体），而非孤立产品。由于芯片成熟度，Google占据主导地位，而Microsoft/OpenAI是18个月内唯一可能的挑战者。

这篇评论文章认为，由于根本性的硬件差异，AI内核在不同硬件（TPU、GPU等）上的可移植性在结构上是不可能的，并且尽管业界渴望可移植性，但最好的AI堆栈始终需要特定于硬件的DSL才能获得最佳性能。

本文概述了预计 2026 年的“免费层级 AI 技术栈”，列出了各大平台（包括 Gemini、GPT 和 Llama 等主要模型）当前及预期的免费访问限额。

Modal Jazz 是一个完整的开源AI堆栈，使用Modal、DeepSeek V4 Pro和SGLang进行自托管语言模型推理，前端包括OpenCode、OpenClaw和Vercel AI SDK。