登录社区云,与社区用户共同成长
邀请您加入社区
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。
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。
阿里云手机端很难操控,加上大部分手机的环境(安卓,苹果,鸿蒙.....)不适合网络组的配置,所以请把阿里云app当成登陆器。现在很火的就是部署ai(llm)了,阿里云有很多优质镜像,像是应用商店一样直接就能下载openai,cloude。但是要注意配置,不要下完发现预算不够,清理起来很麻烦。例如我的服务器是华北(上海的),假如不使用这个地域的网段,那么很多状态(磁盘使用,cpu使用率等)都不容易看
ToDesk鸿蒙版4.8.0.0聚焦远程控制中的高频痛点,优化显示、隐私、键盘与通知四大核心体验。新增虚拟屏支持多屏扩展与4K画质,隐私屏实现双向确认遮蔽现场画面,高刷新率与模式切换提升操作流畅度,虚拟键盘精准支持组合键输入,并通过应用内及微信公众号双通道推送设备状态。版本以细节打磨重构远控流程,让移动端操作更高效、安全、连贯。
回到CSDN热榜那个问题:AI浏览器会取代App吗?会改变入口,但不会消灭App。更准确地说,Agent会成为新的交互层,而底层应用仍然负责数据、权限和业务规则。这个判断我在热榜原文里认同。Agent成为新交互层的前提,是推理算力足够便宜、足够快、足够稳定。如果每次Agent推理都要等500ms、花0.03美元,那Agent只会停留在演示阶段,永远进不了生产。只有当推理成本降到原来的1/10、延迟
CubeStudio是一款国产化、云原生的一站式开源AI平台,支持大模型全链路部署与管理。其推理服务模块内置vLLM、Ollama、TensorRT-LLM、MindIE等多框架,统一提供OpenAI兼容接口,自动处理张量/流水并行、端口配置与健康检查。平台原生适配昇腾、寒武纪等国产算力,支持多机多卡分布式训练与推理,实现从数据到上线的全流程自动化。通过拖拉拽编排与多租户计费,轻松将Hugging
模型层繁荣正在将竞争焦点推向基础设施层。华为云Agentic Infra从昇腾950高效Token、MaaS百模千态管理到安全自治运行时治理,提供了"让模型安全高效跑起来"的路径。模型决定上限,基础设施决定下限。在AI走向规模化的2026年,下限才是决定成败的那条线。
36氪报告的标题是"AI Agent进入生产力验证与商业化放量的早期阶段"。注意"早期"两个字——3320亿是2029年的数字,现在是2026年,市场才刚起步。但方向已经很清楚了:Agent的竞争,不在模型层,在基础设施层。谁能把Token跑得更高效、把记忆管得更持久、把运行时做得更可靠、把安全治理做得更完善,谁就能吃下这16倍增长中最大的一块蛋糕。华为云把这层基础设施叫做Agentic Clou
2026年是AI编程Agent从"能用"到"好用"的分水岭。Cursor 3重构工作空间、Kimi Code开源、工信部政策落地——个人侧的工具链已经成熟。但企业级落地不是装个插件那么简单,算力供给、代码安全、Agent可靠性三道坎,需要体系化的基础设施来填。华为云从昇腾950算力、CMS记忆存储到CodeArts/AgentArts平台的全栈布局,恰好覆盖了这三块拼图。
DeepSeek V4.1 Flash把KV Cache压缩到理论极限,这是模型层面的胜利。但推理降本的终局不是"模型够好",而是"模型+算力+存储+调度+编排"的全栈协同。当行业还在讨论"哪个模型最强"时,华为云已经用灵衢昇腾950+CMS+ModelArts+AgentArts的全栈方案,服务了3500+客户、1000+项目。模型在卷极限,基础设施在卷工程,而真正能落地的企业,卷的是两者的协同
华为云提出了一个全新的基础设施范式——"高效Token + 增强记忆 + 通智一体化调度 + 安全自治"。这四个词不是营销话术,而是对上述三大瓶颈的精准回应。高效Token:昇腾950智算集群灵衢昇腾950智算集群服务是这份答卷的算力底座。指标昇腾950表现对比业界Token吞吐性能较上一代提升20%调度+缓存+算法协同优化训练稳定性云上训练40天稳定运行全链路可观测五级快速恢复故障恢复时间10分
AI Agent从Demo到生产的距离,不是"再加几个功能"的距离,而是"换一套基础设施"的距离。不跟你比谁的模型更大,而是跟你比谁的Agent跑得更稳。灵衢昇腾950解决算力吞吐,CMS解决记忆容量,MaaS解决模型管理,AgentArts解决安全治理——四层全栈,每一层都对准了一个生产落地的硬约束。目前Agentic Infra已服务3500余家客户,"行业AI梦工厂"沉淀超千个行业资产,落地
算力基础设施从"堆卡"进入"系统级创新"阶段。NPO技术、灵衢互联、统一内存编址——这些不是营销概念,是实实在在解决十万卡规模下通信、功耗、可用度三大瓶颈的工程突破。CANN全面开源,昇腾960明年陆续上市,970定档2028年——一年一代的演进节奏已经明确。对于正在规划AI基础设施的技术团队,现在正是评估超节点架构的窗口期。算力是AI的引擎。引擎换代的时候,提前坐上新车的人,跑得最快。
CubeStudio是一款国产化、云原生的一站式开源AI平台,支持昇腾等国产异构算力,覆盖从数据到部署的全链路MLOps。本文详解昇腾硬件基础部署四步:驱动与CANN安装、Ascend Docker Runtime配置、K8s Device Plugin接入、NPU Exporter监控集成,实现昇腾卡在Kubernetes中可调度、可监控。后续将深入vNPU虚拟化与大模型分布式推理。平台开源免费
8月20日晚,在阿里巴巴2027财年第一季度业绩电话会上,问答环节刚开始,分析师便把问题抛向资本开支:三年3800亿元的云和AI硬件基础设施投入计划,现在执行到了哪里?
汉码未来Java开发全栈工程师,行业热门,政策风口,人才缺口极大,现在入场时机正好!数轮迭代的硬核知识体系,保姆式教学+简历指导+1V1模拟面试+内推,一站直达就业!
一旦该平台被资本收购,新的运营方大概率会调整商业策略,原本免费、开放的AI资源可能会受限或收费,对普通AI学习者、个人开发者、小型团队的使用体验会产生较大影响。AI模型对齐是AI安全的核心工作,简单说就是约束AI,让AI输出真实、合规、无害的内容,杜绝胡说八道、生成危险信息。:EAP是企业小范围内测的专属版本,不对普通用户开放。:全球核心AI芯片厂商博通,计划通过次级债、优先担保债等方式,筹措60
本文对比阿里云国际灵骏 A100 与 H100 算力差异,70B 以内模型推理、LoRA 精调选用 A100 性价比更高;百亿级全参预训练、大规模分布式训练更适合 H100。平台支持英伟达 GPU 与思元、昇腾 NPU 异构调度,训练用高端 GPU,在线推理分流国产 NPU,降低成本同时规避芯片管制风险。选型需结合模型规模、任务类型、框架适配与预算,同时关注 RDMA 网络、CPFS 存储等配套能
本文详细介绍了将OpenHanako AI助手云端化的完整方案,通过frp内网穿透实现跨设备安全访问。核心架构包括:云主机部署OpenHanako服务端作为唯一记忆中枢,开发机和手机通过stcp加密隧道连接;利用Caddy搭建WebDAV实现文件共享;开发机额外部署任务代理服务处理GPU密集型任务。作者分享了真实环境(Win云主机+RTX3060开发机+鸿蒙手机)下的部署经验,重点解决frp版本兼
负责技术核验的李工接过话头说,这种情况太常见了,很多厂商标称的算力是硬件裸芯片的理论峰值,根本没算上系统运行、视频解码、算法调度本身要占用的基础算力,最后留给推理任务的可用算力连标称值的30%都不到,项目进场之后返工的人力、时间成本至少是设备采购成本的两倍。在场的另一个做集成的老周说,这种情况他们也遇到过,很多传统的AI硬件设备,要改识别规则必须原厂的算法工程师改代码,普通的现场技术人员根本操作不
GPUInventory Port 的统一抽象——这是根基。如果调度器看到的是两套不同的 API(`nvidia-smi` 和 `npu-smi`),混合部署就永远停留在运维手册层面,无法成为平台能力。HAMi 的跨芯片虚拟化——昇腾 vNPU 切分和 NVIDIA MIG/vGPU 切分在 HAMi 层完成统一建模,对上层暴露完全一致的资源申请语义(`gpu-memory: 16GB, gpu-
近日,点量云流实时云渲染系统正式在鸿蒙应用市场与苹果App Store上架,全面支持鸿蒙设备及iOS手机端、iPad平板端。至此,点量云流实时云渲染系统已实现Windows、Android、iOS、鸿蒙、统信、麒麟等几乎所有主流操作系统客户端的全面覆盖。
摘要: 本文分享鸿蒙OS开发中云边协同的实战经验,提出"边缘处理即时任务,云端负责复杂计算"的架构思路。重点剖析鸿蒙的云服务框架(控制面、数据面、算力面)、设备协同范式(主从协同/分布式流水线/任务租约)及数据同步机制(设备孪生/冲突解决策略)。提供ArkTS边缘推理、软总线编排、设备孪生同步等核心代码片段,强调"延迟决定边界"的设计原则。适用于从Andro
摘要: 鸿蒙OS凭借分布式架构、微内核安全及模块化设计,为工业控制领域提供创新解决方案。其分布式软总线实现多设备高速互联(延迟<10ms),分布式数据管理统一工业数据格式,解决传统系统设备孤岛、协议不兼容等问题。通过机械加工车间案例,展示鸿蒙OS如何实现数控机床、传感器等设备的自动发现与数据同步,核心代码演示了设备连接与数据订阅流程,显著降低集成成本并提升实时性,为工业智能化转型提供技术支撑
华为2023年推出的仓颉编程语言专为鸿蒙生态打造,融合"安全、高效、现代、易用"四大特性。该语言采用所有权系统和强类型检查保障内存安全,性能接近C/C++,支持协程并发和全场景开发。仓颉深度集成鸿蒙分布式能力,内置ArkUI框架,实现"一次开发,多端部署"。相比主流语言,仓颉在安全性、性能与开发效率间取得平衡,目前生态建设快速推进,未来将拓展多平台支持并走向
人工智能(AI)自20世纪中叶诞生以来,经历了多次技术突破与产业变革,其发展历程可划分为六大阶段。