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
让我们先从一个生活化的比喻开始。想象一下，你是一家公司的老板，你雇佣了一个非常聪明的员工，我们叫他"小智"。眼观六路，耳听八方：小智能够收集公司内外的各种信息，如市场动态、客户反馈、销售数据等。善于思考，决策果断：小智能够根据收集到的信息，快速做出决策，如应该生产多少产品、应该定什么价格、应该向客户推荐什么商品等。行动迅速，执行力强：小智做出决策后，能够立即采取行动，如下达生产指令、调整价格、发送
开源鸿蒙三方库移植与生态构建实践 本文以libhv网络库为例，详细介绍了基于AtomCode Skills的开源鸿蒙（OpenHarmony）C/C++三方库适配全流程。通过/new-package自动生成HPKBUILD构建脚本，结合/porting-reviewer分析musl libc兼容性问题，展示了从环境检查到最终构建的完整移植路径。重点解决了CMake交叉编译配置、musl API差异
三个真赛道：机器人（人形降到几万块）、自动驾驶（先跑港口矿山）、太空算力（三五年内上天）。两个谨慎：AI医疗门槛高，AI办公门槛低。算力不再是卡脖子：英伟达急了，华为昇腾万卡集群+韬定律换道超车，中芯5纳米验证中。大模型也已追上ChatGPT。2026年了，AI离你是近还是远？赵哥说：对很多人、很多公司，AI正越来越远——因为还在自己训玩具大模型。最后一句：AI不会淘汰人，但会用AI的人淘汰不用A
本文将基于一份精心编写的 **“HarmonyOS 空间感知能力实战”** 源码，带您从零开始，深度剖析如何利用 `Tap`、`Pan`、`Pinch`、`Rotation` 与 `LongPress`，结合 `GestureGroup` 打造无懈可击的 3D 空间交互体验！
鸿蒙应用集成 spdlog 鸿蒙化三方库 —— 使用 AtomCode + Skills 提升集成效率实践
昇腾CANN生态的学习曲线不低——光是要搞清楚CANN的五层架构（应用层→框架层→执行层→编译层→基础层）就得花不少时间，更别提还要学Ascend C编程语言、GE图编译、Runtime执行引擎、HCCL通信库这些具体组件了。官方文档虽然详细，但偏参考手册风格，适合查阅不适合从头学。cann-learning-hub是昇腾CANN开源社区提供的学习资源仓库，它把CANN生态的学习内容按难度和主题组
在大规模人工智能训练集群中，通信效率往往成为制约系统性能的瓶颈。CANN（Compute Architecture for Neural Networks）作为昇腾AI处理器的基础软件栈，提供了一套完整的异构计算解决方案。而在分布式训练场景下，如何高效地在多个昇腾NPU之间传输数据，直接影响模型训练的速度和扩展性。传统的集合通信库（如HCCL）擅长处理AllReduce、AllGather等集体通
做NPU开发最频繁的操作不是计算，而是数据搬运——把数据从CPU内存搬到NPU显存，算完再搬回来。传统的做法是用aclrtMalloc分配Device Memory、aclrtMemcpy做Host-Device搬运，每次搬运都要手动管理内存指针、数据大小和拷贝方向，代码冗长且容易出错。asnumpy是昇腾CANN生态里提供的一种便捷数据交互方案，它让NPU上的张量可以像NumPy数组一样操作——
本文介绍了ArkUI中的Rating评分组件及其在电影推荐页面中的应用。该组件通过简洁的API（rating、indicator、stars、stepSize等）实现星级评分功能，支持展示模式和交互模式，可自定义星星数量、精度和样式。文章通过一个电影推荐Demo展示了如何用Rating展示豆瓣评分（indicator模式），并实现点击弹窗邀请用户打分的功能。页面包含电影卡片布局、类型标签色彩映射和
ascend-transformer-boost 是昇腾 CANN 生态中专门针对 Transformer 架构（如 BERT、GPT、LLaMA 等）进行极致性能优化的加速库。它提供了一系列经过高度优化的 Transformer 算子实现、内存优化策略、计算图优化技术，以及专门针对昇腾 NPU 硬件特性设计的加速算法。对于需要在昇腾 NPU 上部署高性能 Transformer 模型的场景，as
