登录社区云，与社区用户共同成长
邀请您加入社区
暂无图片
为遵守国家网络实名制规定，未绑定将限制内容发布与互动
正如未来智能CEO马啸此前所说，“耳机是大模型天然的‘耳朵’，是自然语言与AI交互最好的入口”，其全天候、低延迟、高隐私、随身性的特殊属性，可以持续收集关于用户和环境最真实、最实时的多模态数据，既能为AI提供丰富的听觉上下文信息，又能通过语音完成交互闭环，无疑是AI Agent硬件中最具落地价值与想象空间的产品形态。传音方面表示，下一代AI硬件的竞争，核心不只在模型能力本身，更在于对真实场景的深刻
两台8*64的昇腾910b4服务器物理机，未做任何虚拟化，已经通过交换机进行互联。
随着 HarmonyOS NEXT 与 Harmony6.0 的持续推进，越来越多开发者开始关注 Flutter 在鸿蒙生态中的跨端落地能力。相比传统 Android 单端开发，Flutter 在 UI 一致性、组件化能力以及开发效率方面具有非常明显的优势，而 Harmony6.0 则进一步提供了更完整的系统能力与分布式生态支持。两者结合之后，实际上已经形成了一种非常适合快速构建业务应用的新方案。
HMAF（鸿蒙智能体框架）是HarmonyOS推出的操作系统级智能体基础设施，旨在推动人机交互从GUI向LUI范式转变。该框架采用三层架构（应用层、框架层、能力层），通过40行代码即可快速开发智能体应用。HMAF的核心竞争力在于打通了"感知-决策-行动"全链路：感知环节解析用户意图和环境状态；决策环节通过任务规划器和多智能体协同引擎拆解复杂任务；行动环节自动调度各类设备执行。框
本文探讨了鸿蒙PC与传统应用平台的根本差异。作者指出，鸿蒙PC并非简单的应用平台，而是正在构建一种新型"系统级运行模型"。与传统以应用为中心的平台不同，鸿蒙PC强调状态驱动、分布式协同和AI原生特性，使得应用边界逐渐模糊。系统开始深度参与状态管理、上下文组织和多设备协同，形成了一种分布式运行时环境。这种转变要求开发者从传统的"页面思维"转向"状态思
昇思大模型是基于MindSpore框架构建的生成式AI模型，支持从预训练到部署的全流程开发。其核心优势在于深度适配昇腾硬件，支持分布式训练，无需复杂改造即可完成模型开发。关键技术包括：1）基于大规模无标注数据的Transformer架构预训练；2）支持全参数和LoRA两种指令微调方式；3）采用RLHF技术实现模型输出与人类偏好的对齐。通过MindFormers工具套件，开发者可以高效完成大模型训练
昇思大模型（MindSpore）基于昇腾NPU与鲲鹏架构，通过自动并行、图算融合等技术实现高效多模态内容生成。其核心技术包括MindSpore框架、昇腾硬件加速和多模态融合，支持文本、图像、音视频的智能生成与理解。应用覆盖内容创作、医疗、工业等领域，典型案例包括智能分诊系统和新能源预测。实操指南涵盖环境搭建、模型训练及部署优化。未来将聚焦技术演进、生态拓展和伦理规范，推动智能内容生产发展。
本文介绍了昇腾AI平台在计算机视觉（CV）和自然语言处理（NLP）模型微调方面的全栈解决方案。平台基于DaVinci架构、CANN异构计算架构和昇思MindSpore框架，提供硬件加速、异构调度和轻量化微调等优势。文章详细讲解了环境配置、数据处理、模型加载和微调训练的全流程，包括ResNet50图像分类和BERT文本分类的具体实现。重点介绍了混合精度训练、数据集下沉模式、算子融合优化等关键优化策略
本文系统介绍了昇腾AI处理器上GEMM（通用矩阵乘法）算子的性能优化方法。通过分析昇腾DaVinci架构的硬件特性，提出六大优化维度：1）利用专用矩阵计算单元和多级缓存架构；2）采用MC=128/KC=128/NC=256的分块策略；3）优化数据排布提升缓存命中率；4）实现向量化指令并行计算；5）多核任务调度；6）编译调优。文章提供了完整的AscendCL实现代码，通过分块循环、数据重排和SIMD
