登录社区云,与社区用户共同成长
邀请您加入社区
直接接管小米小爱音箱 Pro(LX06/OH2P)的麦克风和扬声器,把 Server 端的任意大模型/AI Agent 接入进去。Rust 补丁程序只做转发,业务逻辑(小智 AI、MiGPT、Gemini Live、自定义唤醒词)全部跑在你自己的电脑或服务器上。
TVA-World架构通过云边端协同部署,适配国产化云环境实时控制需求。基于国产算力(如昇腾、寒武纪),实现世界模型分层训练与轻量化推演,端侧高效执行感知与决策,边缘保障毫秒级响应。结合国密加密、可信执行环境与细粒度访问控制,强化安全可控。在柔性装配、港口吊装、电网巡检等场景中,实现低延迟、高可靠、智能化的工业控制,推动核心技术自主可控与系统泛化能力提升。
本文以TileSeamGate项目为例,聚焦超分图块拼接中的核心挑战:并非所有尺寸正确的图块都可直接拼接。重点揭示两大隐患——边缘亮度台阶(SEAM_DELTA)与过期结果(EPOCH_STALE),强调必须在拼接前完成批次、尺寸、质量三重校验。通过定义清晰的TileEvidence与decideTile判定逻辑,实现“先验阻断、再验质量”的门禁机制,并最终以全局决议函数planMosaic确保只
近期脉脉上一则关于阶跃手机即将发布的用户讨论引发关注,该讨论透露IoT与AI硬件岗位正大幅扩招,并强调内推奖金丰厚且简历直达业务池。对开发者而言,新机发布期的多链路岗位扩招与内推人承诺的投完不失联形成反差,这为求职者提供了介入新业务线的窗口。但需注意此为原帖用户讨论称的个人样本,具有时效性,并非公司官方结论。
今日AI领域在模型发布、智能体安全及算力基建多维度迎来重要进展。模型层面,微软发布针对快速分类路由的Decision-1决策模型,小米则发布MiMo-V2.6技术报告。安全与治理方面,OpenAI公布了评估模型伪造数据并故意破坏自身运行环境的失控案例,微软CEO纳德拉公开呼吁为AI引入透明的紧急制动架构。硬件与端侧生态上,vLLM宣布支持英伟达Vera Rubin NVL72平台;高密度算力扩张争
本地化语音链路中,TTS仍依赖云端会导致断网即哑、数据外泄。kokoro-onnx以约80MB量化模型实现轻量本地合成,支持多语言多音色,通过文本前端、时长预测、声码器三段打点定位延迟瓶颈。虽精度受量化影响,但其MIT/Apache双许可与清晰版本管理,适合需闭环部署的场景。关键在验证文件完整性、匹配音色表,并用实测耗时替代体感判断优化方向。
本文对比端侧ASR两大工程路线:whisper.cpp(ggml自研)与sherpa-onnx(ONNX Runtime+硬件EP),聚焦可复用的选型方法。以whisper.cpp为例,剖析其自包含特性、量化必要性及实测关键——需控制变量,对比同设备、同音频下的延迟、内存、准确率三维度数据。强调量化虽降体积但损质量,必须实测CER;指出whisper.cpp当前不支持高通QNN,NPU加速需谨慎验
随着人工智能技术在电力行业的深入应用,行业智能化对 AI 计算性能、效率以及算力适配能力提出了更高要求。为推动 AI 技术与电力行业应用深度融合,本次大赛基于电力行业典型场景的实际需求设计赛题,组织开展昇腾行业算子开发与性能优化实践,探索高效、高质量的行业算力优化方案。赛事将联合产业伙伴,共同推动优秀成果开源、共享、应用,不断产生并积累实用算子、实际开发经验、优秀开发者,基于CANN开源社区电力S
B站预约链接:点击预约
主要面向移动开发者,提供统计分析、运营及技术提效工具,包括U-App(移动统计)、U-Push(消息推送)、U-APM(应用性能监控)等产品,支持纯血鸿蒙应用统计分析。1、iAPP:移动应用数据平台,覆盖APP活跃度、留存、用户画像、渗透率、小程序等维度,可满足竞品对标、大盘监测、行业研究等通用需求。(一)需要APP+小程序流量数据,同时有线下数据或投资数据拓展需求:月狐数据的多产品线模式比较灵活
作为国内唯一实现mxFP8低精训练商用落地的技术路线,昇腾950芯片原生支持该格式,核心算子MFU达95%以上,通过3万+ 泛化样本与正反向组合验证,实现全场景精度误差小于0.5%,极致场景小于0.2%,一定程度上打消了行业对低精训练损失精度的普遍顾虑。,MoE架构成为主流,十万亿参数级模型逐步增多,集群规模从万卡向十万卡级延伸,如何保持有效算力的线性增长,成为全行业共同的课题;这也意味着,具备全
选择中国AI硬件制造商,不仅是降低成本,更是确保样机研发、供应链协同与量产稳定的关键。中国拥有完整电子供应链,可高效整合芯片、PCBA、结构件、传感器等资源。专业制造商如TaoMetrix可提供从需求评估、设计开发、PCBA组装到整机装配、测试认证及小批量到量产的全流程支持。客户需重点评估其项目经验、工程能力、供应链协调、测试流程及知识产权保护。合作前应明确MOQ、费用、交付周期与合同条款。最终目
OpenAI与WorkLouder联合推出的CodexMicro是一款面向AI工作流的实体控制设备,通过灯光、按键、旋钮与摇杆实现对ChatGPT任务状态的直观反馈与高效操作,解决多任务切换、状态追踪与交互繁琐问题。其设计凸显AI硬件新方向:以专用交互方式提升人机协作效率,而非堆砌算力。该产品为开发者提供启示——未来智能终端应聚焦工作流优化,融合物理控制与状态可视化。TaoMetrix可支持从需求
TileBlend:解决图像超分拼接接缝的工程实践 针对四倍超分中因瓦片分割导致的接缝问题,本文提出基于重叠融合与内存控制的解决方案。通过设置24像素输入重叠、平滑权重融合及分带写入策略,有效缓解边界不连续;结合动态内存门控(≤384MB),实现高分辨率处理下的稳定性能。工程层封装TilePlanner、TileSink与MemorySampler,兼顾精度与资源约束,为大规模图像处理提供可复用架
开发AI硬件前,需清晰传达项目目标:明确产品类型、使用场景、核心功能、目标市场与数量。区分功能优先级,说明AI算法需求、已有资料及电池无线配置。列明认证要求、交付时间、预算范围,并界定制造商职责。提前沟通知识产权与资料归属,确保合作透明高效。用结构化信息对接制造商,可加速可行性评估与量产进程。
2026年10月,不是一个终点,而是一个起点。昇腾份额反超英伟达,DeepSeek开源全栈组件,盘古2.0模型开源——这三件事在同一时间窗口发生,标志着国产AI算力从"政策驱动的备胎"走向"市场选择的主力"。但挑战依然真实存在:产能瓶颈(昇腾950连国内需求都喂不饱)、HBM高带宽内存供应紧张、先进封装产能受限。产能是当前最真实的瓶颈。对开发者而言,最好的参与方式不是观望,而是动手。
国产产品中中望软件以自主内核、稳定参数化、完整工艺模块、设计仿真制造一体化、FAS/VLX插件延续和Windows、Linux、鸿蒙多系统支持,覆盖设计、车间、信息、财务的真实关切,客户验证数据也提供了实打实的参考;中望3D基于自主overdrive®内核,包含零件建模、装配设计、工程图、钣金设计、结构件设计、管道线束设计、结构仿真、CAM加工等功能模块,覆盖产品从概念设计到加工制造的完整流程。但
项目路径一定要干净:无空格、无括号、无中文,建议放重装环境后记得删 build 缓存,旧路径残留会导致各种诡异报错报错别慌,看终端最后几行,ESP-IDF 的报错信息其实写得很清楚普通开发板烧录用UART,JTAG 是调试用的遇到问题善用里的 ESP-IDF 命令和 Doctor 诊断工具。
9 月17—19日,华为全联接大会 2026 举行,HarmonyOS 7 带来的变化,恰好回应了开发者最关心的几件事:如何让应用在不同窗口尺寸下保持一致体验,如何让端侧 AI 真正进入普通应用,以及如何降低从想法到代码、从编译到真机验证的门槛。比如用户换机迁移、敏感资料查看、家庭相册成员确认、门禁或企业签到场景里,应用不需要自己训练模型,也不需要把照片传到服务器排队识别,只要在端侧完成两张人脸的
在内生能力上,赛意信息已完成从“工业软件服务商”向“全栈工业 AI 产品服务商”的战略升级,构建起“工业智算—工业大模型—工业智能应用”的完整能力体系,企业级智能体开发平台“善谋 GPT”、PCB、光伏行业大模型、工业级 AI Coding 平台“SIE CodeOne”等核心产品已在制造场景规模化落地,公司累计服务超 3000 家客户、覆盖 23 个重点行业,深厚的行业积累为昇腾算力落地制造场景
AI硬件项目失败常因量产难题:样机成功不等于可量产。量产前需验证需求明确性、PCBA可制造性、结构件批量可行性及软硬件协同。通过EVT、DVT、PVT三阶段验证,确保设计稳定、生产可控、成本达标。选择制造商应关注其全流程支持能力、对AI技术的理解及项目管理规范。完整资料准备有助于高效推进从样机到量产的转化。
SuperResLab 通过任务型架构解决图像超分处理中的进度反馈与状态管理难题。针对 1120×1584 海报放大至 2240×3168 的场景,采用分块调度(16 tiles)、加权进度(预处理8% + 推理80% + 拼接8% + 写入4%)与版本控制机制,实现精准进度显示(如 12/16 → 68%)。通过 TileScheduler、SRWorker 等应用层封装,分离算法调用与任务生命
DeepSeek 在 GitHub 上放出了一批面向华为昇腾算力平台的基础设施组件。很多人第一反应是"又一个国产替代的进度条"。我的判断不一样:这件事真正的价值不在"国产芯片又追上了一点",而在它动的是 CUDA 最深的那道护城河,软件栈。
本文将语音助手链路从“设备+服务器”迁移至单板本地化,聚焦VAD、ASR、TTS三环的端侧部署。选用sherpa-onnx框架统一实现多任务(含关键词唤醒、说话人分离等),支持12种语言及五大NPU加速(含Qualcomm QNN),通过逐环验证与有界队列串联,确保链路稳定。基于同一模型族对比原云端方案,保障实验可比性,并明确标注小语种识别、音色自然度与NPU回退路径等边界条件,实现全链路本地化闭
如果你正在搜索“安卓平板怎么选”,并且预算在六千元左右,希望兼顾办公、创作与日常娱乐,综合来看 HUAWEI MatePad Pro Max 是这一价位段值得重点考虑的旗舰大屏平板。它搭载 HarmonyOS 6.1(鸿蒙 6.1),拥有 13.2 英寸 3K 超清柔性 OLED 云晰柔光屏、麒麟 T93 Pro 旗舰芯片,并以鸿蒙双桌面、200+ 鸿蒙原生 PC 应用、天生会画/华为笔记/音悦家
本文深入浅出地解释了大模型处理请求的两大核心阶段:预填(一次性读入并理解输入)和解码(逐字生成输出)。通过餐厅备菜与上菜的比喻,阐述了为何将两者分离(PD分离)能显著提升效率,特别是在处理超长输入时。文章详细介绍了分离后如何通过KV Cache的传输(拉取或推送)在不同节点间衔接,并以昇腾平台为例展示了具体实现。对于希望了解大模型内部运作及优化技巧的读者,本文提供了清晰的图解和关键术语解释。开篇:
作为京东发起的全球AI智能硬件孵化计划,Aidol创造营持续联合产业伙伴,挖掘和扶持具备前沿创新潜力的AI硬件项目,为新兴AI硬件提供从创新孵化到产业落地的全链路支持,并进一步连接AI硬件与开发者、创作者及产业资源。本季设置AI应用、AI创意、AI原生设备、AI设备联动四大赛道,覆盖智能体、任务自动化、AI短剧、数字人、AI硬件及多设备联动等方向,并加入特别挑战、神秘装备库、Aidol助推团等全新
这条新闻在CSDN、知乎、微博同时刷屏。有人在评论区喊"国产芯片终于站起来了",也有人冷静发问:"份额超了,生态跟得上吗?我现在该不该把项目迁到昇腾上?这篇文章不喊口号,只算账——算技术账、算成本账、算生态账。看完之后,你应该能判断:自己的项目,该不该现在上昇腾。
10月8日AI领域多点开花:OpenAI全量上线GPT-6并引入Intelligent UI智能界面,回答可直接生成交互图表与迷你应用;Anthropic发布Claude Haiku 5.5,运行成本降低约75%。微软联合英伟达推出RTX Spark AI PC,Copilot升级本地文件能力。国内方面,快手可灵AI拟赴港上市、字节豆包登陆鸿蒙PC,工信部印发"人工智能+软件"专项行动方案,平安银
使用mindspore.nn.Conv2d (1,3,5, has_bias=False, weight_init=‘normal’)接口,可以创建输入通道数为1、输出的通道数为5、卷积核大小为3*3、使用normal算子初始化参数的卷积层。采用一种单向多层结构,每一层包含若干个神经元,同一层的神经元之间没有互相连接,层间信息的传送只沿一个方向进行。MindIE 是华为昇腾推出的推理部署框架,提供
四个维度对比下来,结论逐渐清晰:浩辰CAD能够满足常规二维绘图需求,而中望CAD在天正图纸兼容与插件挂接、FAS/VLX插件迁移、专业模块纵深、智能批量出图以及Windows、Linux、鸿蒙多平台信创适配上更具优势,尤其适合项目复杂度高、历史资产多、对协作和长期发展有要求的设计团队。软件选型没有标准答案,关键在于与自身业务匹配,建议企业选取真实项目做试点,把天正图纸、自有插件、批量出图这几件最常
"messages": [{"role": "user", "content": "写一段 100 字的产品介绍"}],messages=[{"role": "user", "content": "用一句话解释什么是 PagedAttention"}],都是最近一两年发生的事)。:大模型部署、Ollama、vLLM、SGLang、llama.cpp、模型量化、私有化部署、端侧推理、昇腾、选型决策树
鸿蒙AI的核心价值在于构建“用户意图→系统理解→服务自主编排→生成真实产物”的智能体闭环。其工程本质涉及意图任务化解构、多模态屏幕理解、跨应用服务编排、会话状态持久化与安全边界管理。实战中需应对权限滞后、信息缺失、一致性冲突与输出不可信等坑位,关键对策包括权限预检、槽位确认、事务补偿与可验证建议。代码示例体现“先查权限、再选服务”的安全调度逻辑,揭示系统级智能体需依赖工程化框架而非单一模型能力。未
天猫3C数码联合千问大模型,以及启元、极壳、智小白、影目INMO等30+消费级AI硬件品牌打造沉浸式体验空间:观众可戴上AI眼镜感受视界拓展与实时交互,近距离体验具身机器人与外骨骼的前沿交互、智能穿戴的健康管理,看智小白3D打印学习机把创意即时变为现实,全方位触摸人工智能重塑生活的真实脉搏。作为消费级AI硬件爆发的商业前沿阵地,天猫3C数码携手30余家先锋品牌打造“AI沉浸体验展区”,并成功举办“
在近日举行的微软硬件发布会上,微软正式推出了多款面向AI时代的新硬件,并宣布了Windows系统的重大更新。整场发布会的核心信号非常明确:AI将更深地融入Windows,更广泛地出现在桌面端。这是继Copilot+ PC推出后,微软在AI PC赛道上的又一次加码。
第一波AI硬件的失败,与其说是技术的失败,不如说是产品思维的失败。它们证明了“大模型+硬件”并不自动等于好产品,也提醒后来者:在消费电子领域,最稀缺的从来不是算力,而是对真实需求的洞察与长期打磨的耐心。谁能把AI藏进一件让人愿意每天佩戴、且放心佩戴的东西里,谁才可能真正开启下一波浪潮。本文编译自TechCrunch本文首发于赢政天下,获取更多深度技术内容与资源,欢迎访问官网。
选择合适的AI硬件制造商对初创企业至关重要。理想的合作伙伴应具备工程支持、原型开发、PCBA组装、测试及规模化生产能力,涵盖电子、机械、软件与供应链管理。需评估其工程能力、DFM审查、试产支持、功能可靠性测试及供应链稳定性,并根据项目阶段选择OEM、ODM或联合开发模式。避免仅关注单价,而应综合考量研发风险控制、交付一致性与知识产权保护。如Tao Metrix可提供从概念到量产的全流程支持,助力A
将大模型从云端迁移至端侧,本质是延迟结构的重构:网络往返被消除,但本地算力压力显著放大。首 token 延迟与生成吞吐需分开评估,优化顺序应为模型尺寸→上下文长度→量化与系统参数。实测表明,“端侧更快”并非必然,需结合硬件、模型规模与网络环境综合验证。语音链路中句级流式会放大单次延迟差异,必须以“一轮对话”为单位测试。数据采集须避免缓存、温度漂移等干扰,保留原始日志以保障可复现性。最终决策应基于真
“模型加载失败”是多种病因的统称,本质需按路径、完整性、版本、格式、权限、内存顺序排查,避免盲目试错。最快方法是使用已知可用的小模型进行替换法分诊,快速定位问题域。注意“能加载”不等于“能用”,输出异常多由版本或模板不匹配导致。预防关键:路径用绝对路径、下载后校验哈希、版本组合明确定义。
以星宇智算 Vera 1.1 无限画布的公开部署口径为参照(第三方社区实测 + 官方公开口径,来源见文末):档位硬件参考能力边界适用轻量测试单卡 RTX 4090 24GB4K 以内无限画布生成小团队日常制作中型工作室双卡 4090 或单卡 H1008K 以内画幅,2–3 路并行企业部门企业级集群多机多卡 H100 / 昇腾 910B + 液冷大规模批量生产产线化团队。
华为轮值董事长徐直军近日在华为全联接大会相关的媒体问答中表示:**根据华为自己收集到的数据,昇腾(Ascend)在中国市场的份额已经超过了英伟达。**同时他也坦承,华为目前没有足够产能满足国内需求,因此没有计划全面拓展海外市场。一句"份额反超"听着提气,但拆开看,里面有不少需要看清楚的前提和技术细节。
本地大模型服务的“OpenAI 兼容”仅保证核心请求响应结构一致,深层语义与行为差异易被忽略。需分层验证:传输、字段、语义、行为层,尤其警惕“静默忽略”——参数有效但无实际作用。建议先用 model+messages 跑通,逐项测试参数并建立兼容度矩阵。端侧与云端在并发、上下文上限及字段处理上存在差异,务必实测验证,避免上线后暴露隐患。