OPC时代，AI底座先行——FlagOS携Qwen3-8B镜像正式登陆阿里云

OPC 浪潮下，AI 底座成为关键

当前，国内多个省市密集出台 OPC（一人公司）支持政策，"人 + AI = 公司"的创业形态正在加速成为现实。OPC 的核心竞争力，不只是选对了哪个大模型，更在于能否搭建一套稳定、可控、可持续演进的 AI 底座------它决定了你的模型跑得多快、数据是否安全、未来能否迁移到更低成本的国产算力上。

众智 FlagOS 是一款完全开源的 AI 系统软件栈，支持多款异构 AI 芯片，可让 AI 模型一次部署、跨芯片无缝迁移，真正实现自主可控的 AI 底座。本次 FlagOS 联合阿里云将 Qwen3-8B-FlagOS 镜像正式上线到人工智能平台 PAI，开发者直接拉取即可使用，无需手动配置依赖，在 PAI-DSW（交互式开发）和 PAI-EAS（推理部署）环境中开箱即用，为 OPC 创业者和企业开发者从公有云API转向自建私有化AI推理服务提供了可落地的实践方案。

众智 FlagOS：flagos.io/

FlagOS 面向多芯片和多场景的开源 AI 系统软件栈

FlagOS 聚焦大模型与具身智能的高效训练、推理与部署，通过统一软硬件接口和异构算力适配，打通端到云的全流程 AI 工作流，让 AI 模型与智能体在多种芯片上轻松实现快速部署与迁移。FlagOS 已形成完整的开源技术体系，所有核心组件均已开源在 Github，同时开放了数十款最新的主流基础大模型、十多款 AI 芯片的适配方案与最佳实践，开发者可自由获取、深度定制：

四大核心技术库：FlagGems 通用大模型算子库、FlagTree 统一 AI 编译器、FlagScale 训练推理并行框架、FlagCX统一通信库，覆盖算子开发、编译优化、并行计算、跨芯片通信全链路；
三大工具平台：FlagRelease 大模型自动迁移发版平台、KernelGen 算子自动生成工具、FlagPerf 多芯片评测工具，提供从模型适配、性能评测到工程落地的一站式工具链；
全场景扩展生态：vLLM-plugin-FL、Megatron-LM-FL、TransformerEngine-FL 等框架增强组件，以及 FlagOS-Robo 具身智能工具包，覆盖大模型训练、推理、应用全场景。

如何在阿里云 PAI 部署 FlagOS 镜像

本次在与阿里云 PAI 的合作中，FlagOS 对 NVIDIA GPU 做了深度适配。通过内置 FlagScale 并行框架、FlagGems 算子库、FlagCX 通信库及 FlagTree 统一编译器，用户以非侵入式方式使用 PyTorch，无需修改任何代码，即可获得更高性能的推理加速，同时为未来迁移至其他芯片保留完整的可移植性。

主要特性：

统一训练推理框架：集成 FlagScale 核心子系统，提供统一分布式训练与推理能力，覆盖大模型开发、分布式训练、推理服务全流程。
丰富生态支持： 原生集成主流大模型（Qwen、DeepSeek 等）、多模态与智能体模型，支持主流推理后端。
易用性强： 提供简单易用的 Python API、配置化管理和 Docker 镜像，支持科研与产业快速落地。
阿里云深度集成： 支持 RDMA 高速网络，可适配阿里云高性能算力集群，安全高速。

通过 PAI-DSW 服务部署过程

在创建 PAI-DSW 实例中填写 Qwen3-8B-FlagOS 开源镜像地址：harbor.baai.ac.cn/external-cooperation/flagrelease:flagrelease_nv_qwen3_8b，如下图：

打开 PAI-DSW 执行命令下载模型

plaintext 复制代码

pip install modelscope
modelscope download --model Qwen/Qwen3-8B --local_dir /root/qwen3-8b

启动服务，使用默认的 Flagscale 部署方式

plaintext 复制代码

flagscale serve qwen3

调用服务

plaintext 复制代码

curl http://0.0.0.0:8010/v1/completions   -H "Content-Type: application/json"   -d '{
    "model": "qwen3-8b-flagos",
    "prompt": "Write an article as long as possible, introducing your reasoning process.",
    "max_tokens": 512,
    "temperature": 0.7,
    "stream": false
  }'

结果输出：

通过 PAi-EAS 服务部署过程

创建 PAI-EAS 服务，并选择相同的 FlagOS 镜像
获取鉴权信息
公网访问测试

plaintext 复制代码

curl https://test-flagscale.cn-wulanchabu.pai-eas.aliyuncs.com/api/predict/test_flagscale/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: ZDkxM**************MTBmZg==" \
  -d '{
    "model": "qwen3-8b-flagos",
    "messages": [
        {
            "role": "user",
            "content": "Where is the capital of France?"
        }
    ]
}'

返回测试结果

基于这套 AI 底座，你能搭建什么

OPC 创业者和企业开发者可以在 PAI-DSW 上快速调试验证模型，满意后直接推到 PAI-EAS 稳定对外提供推理服务，将信息处理、内容生产、客户沟通等高频任务交给私有模型处理。从开发到部署，一套 FlagOS 镜像贯通，数据始终不出自己的环境------不依赖外部 API，不受 Token 成本约束，用私有化 AI 底座让 OPC 具备团队级能力。

关于众智 FlagOS 社区

为解决不同 AI 芯片大规模落地应用，北京智源研究院联合众多科研机构、芯片企业、系统厂商、算法和软件相关单位等国内外机构共同发起并创立了众智 FlagOS 社区。成员单位包括北京智源研究院、中科院计算所、中科加禾、安谋科技、北京大学、北京师范大学、百度飞桨、硅基流动、寒武纪、海光信息、华为、基流科技、摩尔线程、沐曦科技、澎峰科技、清微智能、天数智芯、先进编译实验室、移动研究院、中国矿业大学(北京)等多家在 FlagOS 软件栈研发中做出卓越贡献的单位。

FlagOS 是一款专为异构 AI 芯片打造的开源、统一系统软件栈，支持 AI 模型一次开发即可无缝移植至各类硬件平台，大幅降低迁移与适配成本。它包括大模型算子库、统一 AI 编译器、并行训推框架、统一通信库等核心开源项目，致力于构建「模型-系统-芯片」三层贯通的开放技术生态，通过"一次开发跨芯迁移"释放硬件计算潜力，打破不同芯片软件栈之间生态隔离。

社区官网：flagos.io
GitHub地址：github.com/flagos-ai
GitCode地址：gitcode.com/flagos-ai