CentOS停止维护之后，产业界迫切需要一个可持续演进、安全可信、可承接存量生态的开源根社区，为芯片、整机、云计算、行业应用等上下游提供统一、开放、可预期的底座。

龙蜥项目持续以“AIxOSx云”深度融合为主线，推动操作系统从“承载AI”走向“理解AI、调度AI、协同AI”，打造下一代Agentic操作系统开源根社区。同时，社区致力于吸引更多元的贡献者与生态伙伴，推动治理结构优化与生态开放性建设，让国产基础软件从跟随走向引领。

经过六年建设，龙蜥社区在生态规模、技术能力、产业价值三个维度积累了扎实的能力体系，具备承担AI时代操作系统开源根社区职责的基础。社区已聚集2万余名研发者和超过343万用户，自研ANCK内核及全栈技术纵深为AI原生跃迁提供坚实底座。

在产业落地方面，小鹏汽车、极氪、OPPO、中国联通等头部企业已成为龙蜥最佳实践案例，覆盖汽车智造、消费电子、通信等核心场景。社区推出ELS延保服务与AOMS智能迁移工具链，以“低门槛”为基本原则助力关键行业平滑承接CentOS存量迁移，并提供二进制级兼容替代方案确保用户无缝过渡。面向AI场景，社区已推出OS Copilot智能运维助手和机密计算等关键能力，并发布SkillHub——面向智能体系统的社区级Skill生态平台，将基础设施层运维、安全、调度等最佳实践沉淀为标准化系统级能力资产。

内核层面，基于上游Linux LTS稳定分支作为基线内核，通过ANCK内核实现独立演进。当前主力版本Anolis OS 23搭载6.6 LTS内核，同时保持对RHEL8/CentOS8和RHEL7/CentOS7的兼容发行版支持。

多元算力层面，坚持“一云多芯”统一底座，全面覆盖国际主流及国产六大芯片架构。2025年首次发布兼容RVA23高性能扩展的Anolis OS 23 RISC-V预览版，涵盖内核、工具链与大量软件包适配，率先在国内实现RISC-V服务器版本发布。

AI原生层面，从“承载AI”向“协同AI”演进，形成System for AI与AI for System双循环路线，并联合智算联盟共建AI引擎生态。操作系统在底层首次原生支持AI算力调用和应用运行，同时以AI能力反哺系统运维与调度效率。

Skill生态层面，通过SkillHub将Infra层运维、安全、调度等最佳实践沉淀为标准化能力资产，秉持开放原则让生态伙伴早期参与共建。

迁移层面，以立项之初即确定的“低门槛”为基本原则，提供二进制级兼容替代与智能迁移工具链，兼顾自动化与可控性，降低企业替换成本。同期发布第三期龙腾合作方案，联合芯片与整机厂商推动产业链协同升级。

项目代码托管地址：

https://gitee.com/openanolis

现有大模型在规模化部署中面临核心挑战：（1）资源效率与SLO保障矛盾：流量潮汐波动，难以兼顾严格SLO延迟约束与高资源利用率；（2）硬件潜力释放不足：MoE等新架构与AI加速器发展迅速，现有系统无法充分释放算力，形成性能瓶颈；（3）异构场景协同困难：多模型并存带来异构引擎管理难、多芯片适配难的系统性挑战，难以实现统一调度与高效协同。xLLM旨在打造国内领先、国际知名的大模型推理框架，通过服务-引擎解耦架构，系统性解决大规模企业部署中资源效率与服务质量矛盾、硬件算力释放不足、异构芯片适配难等核心问题。

引擎解耦架构，实现集群弹性调度与底层算力极致优化的独立演进与协同增效；通过多层次流水线执行、自适应图模式、动态PD分离等核心技术，在保障SLO的前提下显著提升吞吐与资源利用率，性能超越现有SOTA框架；提供统一的推理抽象层，屏蔽硬件差异与模型多样性，支持MoE、生成式推荐等多模型及国产芯片混合部署；全局KV Cache管理与分布式快速故障恢复架构，保障大规模生产环境的高可用性。填补“异构芯片统一推理”的空白，支持多种国产AI加速器，降低国产化部署技术门槛；统一承载LLM、多模态、文生图/视频、生成式推荐等多类模型推理，打破模型依赖不同引擎的“孤岛”局面。

项目将从以下方面对生态进行适配：（1）大模型推理引擎：面向Transformer架构及MoE（混合专家）等新型模型的高效计算与内存优化技术。（2）AI集群调度系统：面向异构计算资源的弹性调度、SLO保障与资源利用率优化技术。（3）异构计算适配：支持多种AI加速器（GPU、国产芯片）的统一推理框架与算子优化技术。（4）分布式系统高可用：大规模生产环境下的KV缓存管理、故障恢复与服务质量保障技术。

项目代码托管地址：

https://github.com/jd-opensource/xllm

https://github.com/jd-opensource/xllm-service

本项目旨在解决LoongArch架构x86软件生态匮乏、迁移成本高的痛点，借助龙架构硬件翻译扩展实现x86程序高效跨架构运行，补齐生态短板、加速自主CPU规模化落地。

实现翻译效率的大幅提升；实现较高兼容性；极大丰富龙架构软件生态；通过二进制翻译实现x86软件运行于龙架构平台。

项目代码托管地址：

https://github.com/lat-opensource/lat