前沿探索
锚定原生智能与跨界融合理念，通过底层范式重构打造连接现实与未来的智能泛在数字化基石。
面向人机物融合泛在计算的智能化软件：挑战与机遇
面向未来人机物融合泛在计算的新模式和新场景，一类新型操作系统——泛在操作系统（Ubiquitous Operating System，UOS）正在出现并处于探索成型期。人机物融合泛在计算环境多变、需求多样、场景复杂，需要对硬件资源、数据资源、系统平台及应用软件等进行柔性灵活的软件定义，以支持泛在感知、泛在互联、轻量计算、轻量认知、动态适配、反馈控制、自然交互等新应用特征。
从用户操作到智能体自动化——走向大语言模型时代的意图驱动软件
聚焦破解“智能体缺乏持续自我记忆、多端记忆割裂、个体经验难以沉淀、群体知识难以协同进化”等难题，围绕智能体记忆感知、分层存储、自主沉淀、多端同步、混合检索与集体共建等关键环节，构建面向 AIOS 的智能体记忆引擎共性底座，实现 ToC 场景下个体经验的长期沉淀、跨端连续服务与主动智能体验，以及 ToB 场景下组织知识的可信共建、协同复用与持续演化。
泛在操作系统：面向人机物融合 泛在计算的新蓝海
围绕智能体在实际应用中面临的安全授信与隐私边界难题，我们构建了一套面向多元参与方的细粒度安全授权体系。依托国家标准与产业实践，建立统一的安全协议与机制框架，实现对数据访问、能力调用与身份权限的精细化管控。通过标准化授权模型与动态策略管理能力，支持智能体在不同场景下的可信协作与安全运行。同时，推动应用软件由传统“应用分发”模式向“能力开放、能力供给”模式演进，构建安全、可控、可审计的能力流通体系。整体方案为智能体生态提供坚实的安全基础，促进多方协同与生态繁荣发展。
Tessera：通过内核粒度解耦解锁异构GPU
Tessera是一个系统，它为异构GPU集群上的AI工作负载实现了内核粒度的解耦，从而能够精确地将计算需求与各种硬件能力对齐。与之前的粗粒度方法相比，它实现了高达2.3倍的吞吐量提升和1.6倍的成本效率提升，并将适用性扩展到多样化的AI模型架构。
KernelBand：通过硬件感知多臂老虎机引导LLM核优化
KERNELBAND 将 GPU 核函数优化建模为硬件受限的上下文多臂老虎机问题，指导大型语言模型 (LLM) 平衡探索与利用。该框架在 NVIDIA A100 GPU 上实现了高达 1.91 倍的几何平均加速，并展示了在各种 LLM 和硬件架构上的鲁棒性。
重塑系统边界
每一次代码的提交，每一行协议的确立，都是向着最终极智能未来迈出的一小步。