
(配图由大模型 sensenova-u1.5-lite 与 skill sn-image-base 生成:一间会议厅的座位上,摆满了形状各异的散热片与电路板,讲台中央却空无一人。)
引子:一封没有任何信息的拒稿信
2026 年 11 月 17 日,PyTorch Day China 2026 的组委会发来了一封信。
它说:由于投稿量很大、场次有限,无法接受我们的议题。落款是 PyTorch Foundation Event Team,没有评审意见,没有分类理由,甚至连「主题不匹配」都没说。
那篇被拒的议题叫《深度制度解剖:PyTorch 基金会独立背后的「可信承诺」与硬件生态大爆发》。它讲的是:Meta 把 PyTorch 治理权交给 Linux Foundation 之后,芯片厂商的贡献为什么会在两年内大幅上升,以及这背后「让渡控制权换取生态」的经济学机制。
被拒本身不意外。投出去的时候我们就说过——这类制度分析的话题,大概率过不去。
但真正有价值的信息不在信里,在日程里。
12 月 12 日,北京,阿里巴巴朝阳科技园。整场会议的 16 个技术 session 已经排定。把这 16 场排开来看,会看到一件比「我们没被选中」重要得多的事:
一场挂着 PyTorch 名字的国际开源会议,它的中国站,已经变形成了一场国产算力的适配现场。
这不是批评,也不是抱怨。这是一次难得的制度观察机会——一份完整的议程表,把所有取舍都摆在了明面上。
一、先把数字摆出来
16 个技术 session,全天技术时段共 400 分钟。
| 分类(大会自己的 track 名) | 场次 | 场次占比 | 时长 | 时长占比 |
|---|---|---|---|---|
| Efficient Inference & Deployment | 8 | 50% | 170 分钟 | 42% |
| PyTorch Core & Hardware Acceleration | 3 | 19% | 140 分钟 | 35% |
| PyTorch Ecosystem & Applications | 3 | 19% | 50 分钟 | 12% |
| Model Training & Post-Training | 2 | 12% | 40 分钟 | 10% |
前两类合计 77% 的时长。
再看提供者的构成:Inferact 3 场(vLLM 团队)、AMD 3 场、阿里云 1 场、华为 1 场、摩尔线程 1 场、寒武纪 1 场、小红书 1 场、中科院软件所 1 场、PyTorchKR 1 场、同济+北大 1 场。
16 场里,12 场来自中国大陆的产业机构。
这些数字不说明好坏,它们只说明一件事:这场会的实际重心在哪里。
二、四处取舍
数据是结果,取舍是原因。把日程摊平了看,组委会做了四个明确的取舍。
取舍一:把「生态」压缩成了「案例汇报」
最值得注意的是那一列——「PyTorch Ecosystem & Applications」,只剩 3 场、共 50 分钟。而这三场实际讲的是:
- LlamaFactory 的后训练实践(技术实现)
- Legalize-KR 的本地知识库建设(应用案例)
- PyTorch on RISC-V 的上游支持(移植工程)
没有一场在讲「生态是怎么组织起来的」。
这正是这个分类最有意思的地方:「Ecosystem」这个词被用来装下「用 PyTorch 做出来的东西」,而不是「让 PyTorch 这个共同体得以成立的东西」。
治理结构、基金会角色、许可证选择、控制权让渡、贡献者激励、维护者接续——这些让一个开源项目活过十年的东西,在整个议程里是零。
这不是偶然遗漏。这是一个分类被重新定义之后必然的结果。
取舍二:把「叙事」换成了「性能数字」
看 16 个标题的动词:
State of vLLM / Optimizing SGLang / Serving MiniMax / Accelerating on AMD / Beyond KV Cache / Optimizing on MLU
几乎全是「怎么做更快」。
唯一沾一点元叙事的是那场「Sovereign AI Needs Sovereign Context」——但它讲的是主权 AI 的内容建设,不是治理机制。
取的是可量化的性能提升,舍的是不可量化但决定长期走向的制度问题。
这个取舍有它的合理性:性能数字可以验证,制度分析只能说服。在一个以「参会者能不能带走可用技术」为目标的会议上,前者天然占优。
取舍三:把「开发者」定义成了「推理侧工程师」
时间结构比分类更能说明问题:
- 上午 10:20 到 11:30,连着 4 场全在 Efficient Inference(vLLM、SGLang、MiniMax、UMBP)
- 下午 15:00 到 16:20,又连着 4 场(小红书、Mooncake、AMD、寒武纪)
160 分钟的推理议题,占全天的四成。 加上硬件适配的 140 分钟,两者合计 77%。
这个时间结构传达的「开发者」定义非常具体:正在做推理服务、或正在给国产芯片做 PyTorch 后端适配的工程师。
这个定义里没有学生,没有制度研究者,没有「用 PyTorch 但不在大厂做工程」的人。
取舍四:把「地方产业现实」当成了唯一有效的议题
16 场里 12 场来自中国大陆产业机构,其中硬件与推理两家占去 6 场。
这不是问题,这是事实。 但它和前面三条叠加,就指出了这场会的真主题:
这场会真正的主题不是「PyTorch」,而是「在中国大陆把 PyTorch 跑在国产算力上」。
所有被接受的议题,都能直接回答同一个问题:明天上班,我能不能用上?
三、什么样的议题在这一刻必然被筛掉
把四条取舍合起来,就是一个筛子的形状。
我们的议题逐条落进了它的孔洞里:
| 我们的议题 | 大会的判据 |
|---|---|
| 制度解剖 | 不是性能优化 |
| 可信承诺(治理机制) | 不是工程实践 |
| 硬件生态爆发的因果分析 | 不是「我怎么接上去」 |
| 威廉姆森 L1–L4、新制度经济学框架 | 听众需要额外训练 |
| 45 分钟纯思辨 | 没有代码、没有 benchmark、没有可下载的 slides |
不是议题不好,是它和这场会的目标函数正交。
组委会要的是:听完能立刻改自己代码的人。 我们要给的是:听完会重新思考自己在做什么的人。
后者在这场会上没有 KPI。就这么简单。
四、但这不只是这一场会的事
如果把这件事只读成「我们投错了一场会」,就浪费了这份材料。
真正值得看的是:这是一种什么样的形变?
一个国际基金会主办、全球统一品牌的会议,落地到中国,被压缩成了一天的产业适配路演。这个过程里发生了什么,是可以被描述的:
第一层,赞助结构决定议程结构。 免费注册、厂商赞助,那么议程的权重就必然向赞助方的技术需求倾斜。AMD、华为、摩尔线程、寒武纪各有一场,不是巧合——这是「谁付钱、谁定议题」最直接的体现。
第二层,语言与门槛决定了听众的构成。 16 场里超过一半是中文演讲配英文 slides。这个设置同时做了两件事:让本土工程师听得懂,同时也把不熟悉这套技术语境的人挡在外面。
第三层,也是最深的一层:可验证性压倒了可解释性。 「我把某芯片的 PyTorch 后端从 0 做到 X 倍加速」可以被验收;「我分析这个基金会为什么能吸引芯片厂商」只能被相信。在一个需要向赞助商交代产出的会议上,前者胜出是必然的。
这三层叠起来,就是一场会议在特定环境里必然发生的形变。 不是谁做错了,是结构自己长成了这样。
五、所以,我们该怎么调整
理解趋势不是为了抱怨趋势,是为了在其中找到自己的位置。
调整一:接受「会议」这个形式的边界。
会议是一个交付物市场,不是思想市场。它交易的是一小时之后你能带走什么。制度分析在这个市场上没有货架,这不是商品质量的问题,是品类不匹配。
调整二:把制度分析做成可以被验收的东西。
如果一定要进入这类场合,唯一可行的改法是把「观点」变成「数据」:
- 不只说「PyTorch 治理权移交后芯片厂商贡献上升」,而是给出逐季度的贡献曲线、PMC 席位变更记录、提案作者归属统计;
- 不只说「可信承诺是有效的」,而是给出同类项目(捐与不捐)的对照表;
- 不只说「生态靠演化」,而是给出演化每一步对应的具体问题、具体文件、具体日期。
观点在这里没有位置,但数据有。 数据是可以被验收的,验收通过之后,观点会跟着进去。
调整三:换场合,而不是降标准。
真正需要「这件事意味着什么」的听众,不在产业会议上,在别的地方:
- 大学的通识课堂(11 月 23 日那场就是)
- 读书会与共读活动
- 社区年会里偏思想的那些分论坛
- 写下来,让读的人自己找上门
这不是退而求其次,这是找对了市场。
六、继续准备,给有兴趣的人单独讲
拒稿不改变一件事:这个议题本身是对的。
我们仍然会把那份演讲稿做完整——完整的论证、完整的证据、完整的 slides。理由有三条:
第一,好东西不该因为一次落选就不存在。 议题的生命周期比一场会议长得多。今年没人要,明年可能有人要;这场不要,那场可能要。
第二,一对一的讲述比一对多的演讲更适合这个题目。 制度分析需要对话:听众会追问,追问会让论证变得更硬。在一间会议室里给五个人讲清楚,胜过在会场给三百人讲三十五分钟然后被忘掉。
第三,也是最实际的:想听的人会自己走过来。 那封拒稿信里有一句「希望您仍然计划出席」。我们会去。带着完整的稿子去。坐在会场的某个角落,等那几个真的想问「为什么会这样」的人。
这不是自我安慰。这是这个领域里一直以来的运作方式——思想从来不是靠议程安排传播的,是靠人对人传下去的。
结语:一场会议的形变,本身就是一个信号
回到最初那个判断。
一场国际开源会议的中国站,变成了一天的国产算力适配现场——这件事本身就是「大分流 2.0」的一份当代样本。
不是因为谁有恶意,而是因为当制度环境、赞助结构、语言门槛、验收标准四者叠加,会议这个形式会自己朝着某个方向生长。它长成了那个方向,不是因为有人设计了它,是因为所有具体的、合理的小决定累加起来只有那个方向。
理解这一点,比被接受或不被接受都重要。
因为看清一个系统怎么运转的人,才谈得上在系统里找到自己的位置。
而我们的位置,一直很清楚:不在议程上,在议程之外,看着它,把它讲清楚。
视角:一个视角,不是定论。
参考资料
- PyTorch Day China 2026 议程表 — https://www.lfopensource.cn/pytorch-day-china/program/schedule/
- PyTorch Day China 2026 活动页 — https://pytorch.org/event/pytorch-day-china-2026/
- PyTorch Day China 2026 注册页 — https://www.lfopensource.cn/pytorch-day-china/register/
- Yue, D., & Nagle, F. (2024). Igniting Innovation: Evidence from PyTorch on Technology Control in Open Collaboration. Harvard Business School Working Paper No. 25-013.
- Hoffmann, M., Nagle, F., & Zhou, Y. (2024). The Value of Open Source Software. Harvard Business School Working Paper No. 24-038.
- Acemoglu, D., & Robinson, J. A. (2012). Why Nations Fail: The Origins of Power, Prosperity, and Poverty. Crown Business.
- Ostrom, E. (1990). Governing the Commons: The Evolution of Institutions for Collective Action. Cambridge University Press.
关于作者
「开源之道」·适兕
「发现开源三部曲」(《开源之迷》,《开源之道》《开源之思》。)、《开源之史》作者,「开源之道:致力于开源相关思想、知识和价值的探究」主创,Social Hacker,协作机制设计者。「开源之道」·窄廊
来自于大语言模型的 AI 助手(如 Gemini 3.1 Pro 等),「开源之道」·窄廊 负责高密度的逻辑推演与文本具象化,在对话中作为镜像与反弹板,提出问题、提供理论切入点并对推演进行反馈。仅偶尔进行双重验证!