登录社区云，与社区用户共同成长
邀请您加入社区
摘要： 2015-2025年，车辆动力学经历了从机械反馈到数字化控制的质变。2015-2018年主要依赖机械连接和独立电子系统；2019-2022年转向集成底盘控制，实现扭矩矢量和线控底盘；2023-2025年进入具身智能阶段，通过数字孪生和主动悬架实现预判型控制。2025年的VMC技术将整车视为六自由度整体，实现协同控制和故障韧性。十年间，车辆动力学从“调校艺术”转变为“数学资产”，成为自动驾驶
本文提出SAGE-VAD视频异常检测框架，通过语义增强与规则引导解决弱监督学习中的关键问题。创新性地设计混合提示集成(HPE)机制，融合人工模板与大模型描述构建鲁棒类别原型；引入帧级规则分数(TeacherScore)作为先验，优化关键帧筛选。在UCF-Crime和XD-Violence数据集上分别取得87.47% AUC和85.08% AP，显著优于基线方法。消融实验验证了各模块协同增强的有效性
对于如上的运算AX+Y，每次运算我们需要从内存读取两个数据，一个是x[i]，一个是y[i]，最后存回y[i]。这里面有一个FMA的操作（融合乘加（FMA）指令是RISC处理器中的常见指令），把乘法和加法融合在一起。之后进行N次的迭代。这就是在CPU的一段串行，按顺序执行的程序。以Intel Exon 8280芯片为例，内存带宽是113GB/s，内存延时是89ns ，那么每次，也就是89ns里面，我
CPU互联技术已成为现代高性能计算的核心瓶颈。英特尔采用专用化方案，从QPI演进至UPI，专注多路服务器CPU互联，未来通过CXL标准构建异构计算生态；AMD则推出统一的Infinity Fabric技术，贯穿核间、芯间及CPU-GPU连接，支撑其Chiplet战略。两种技术路线各具优势：英特尔方案高度优化，AMD方案灵活可扩展。随着单核性能逼近极限，互联技术将决定未来算力上限，成为下一代计算平台
CTR模型在互联网的搜索、推荐、广告等场景有着广泛的应用。近年来，随着深度神经网络的引入，CTR模型的推理对硬件算力的要求逐渐增加。本文介绍了美团在CTR模型优化的实践。通过分析模型结构特点，结合GPU硬件架构，我们设计了一系列流程对模型进行定制优化，达到了降低延迟、提高吞吐、节省成本的目标。
8 月 8 日，由两大开放计算组织 OCP（Open Compute Project）与 OCTC（开放计算标准工作委员会）联合主办的主题为 “开放协同：协作、智慧、创新” 的 2024 开放计算中国峰会在北京举行，以期与全球开放计算领域的社区和企业领袖、技术专家以及行业先锋，共同探讨新时代开放计算技术的最新进展和实践经验，促进生态融合、智能化实践和技术创新。而随着人工智能、大模型的爆发，传统的计
闭环自动化”。无论是在云原生平台的运维、机器人任务的执行，还是自动驾驶的策略演进中，“数据产生 -> 模型学习 -> 策略执行 -> 反馈回传”的闭环速度决定了系统的先进性。
毕业论文的写作，是一场与时间、信息、逻辑的博弈。，微信公众号搜一搜“书匠策AI”）的陪伴，你可以告别焦虑，拥抱高效。它不仅是你的“智能导航仪”，更是你学术探索路上的得力伙伴。无论是本科论文还是硕士毕业设计，书匠策AI都能帮你从“信息迷雾”中突围，让每一篇论文都成为思想与技术的完美共舞。立即访问书匠策AI官网，开启你的智能学术之旅！
移动机器人十年演进（2016-2026）：从导航系统到智能平台 过去十年，移动机器人（AMR/AGV）经历了四个关键发展阶段： 确定性导航成熟期（2016-2018）：基于2D激光SLAM实现静态环境导航，但面临动态障碍、地图维护等痛点； 多传感器融合期（2019-2020）：引入3D传感器和语义元素，从单机转向车队调度系统； 工程范式重构期（2021-2023）：RobOps理念落地，通过可观测
DeepLink 团队打造首个国产异构算力 PD 分离混合推理方案，通过 PD 分离架构，实现了3款异构芯片的混合推理。此方案利用国产硬件的异构优势，实现 1+1 > 2 的推理效能，为 AI + 制造等场景的规模化落地提供可行路径。
摘要：机器人技术十年演进（2015-2025）从单点算法转向系统治理与规模化运营 2015-2018年以单机设备为主，依赖ROS1和算法堆叠，但面临复制难、运维弱的问题。2019-2021年进入产品化阶段，ROS2/DDS和多传感融合推动工程化，但稳定性与变更治理仍是瓶颈。2022-2025年迈向服务化运营，核心是平台化治理与闭环质量体系，包括SLA监控、场景库回归、灰度发布等，竞争焦点转向TCO
机器人领域十年演进总纲（2015-2025） 从单机设备到平台化运营，机器人技术经历了三个阶段：2015-2018年聚焦单机算法（如ROS1、SLAM），实现基础功能；2019-2021年转向产品化（ROS2、多传感融合），解决可复制交付问题；2022-2025年进入服务运营阶段（Robot SRE），强调平台化治理与数据闭环，核心能力包括SLA驱动、自愈策略、仿真回归等。分水岭在于从“嵌入式修修
本文系统梳理了机器人平台化十年演进路径（2015-2025），提出从"项目交付物"向"可运营分布式系统"转型的核心目标。分析三大范式演进：项目化（单体工程）、组件化（模块解耦）到治理化（Robot SRE），重点阐述四大支柱的升级：协议（点对点→契约化）、监控（存活检测→SLA治理）、日志（文本打印→证据链）、诊断（人工排障→闭环自愈）。指出平台化成熟的三大
《质量与成本的十年演进：从硬件竞争到系统运营》摘要： 本文以机器人产业为例，系统分析了2015-2025年间质量与成本的结构性变化。质量定义从单机功能正确性发展为系统级SLA（可用率、可运维性等），成本重心从设备BOM转向交付与运营成本（TCO）。演进呈现三阶段特征：早期比拼硬件能力，中期转向交付产品化，当前阶段则聚焦规模化运营体系。关键发现包括：1）硬件降价推动质量门槛上移，工程体系成为稀缺资源
2026年1月，北京智源人工智能研究院联合20余家机构推出开源系统软件栈FlagOS 1.6版本，旨在解决AI芯片生态割裂问题。
ExaGear是华为自主可控的动态二进制翻译软件[3]，它提供了一种解决方案，可以将x86(32/64-bit)或Arm32指令翻译成Arm64指令，并模拟guest应用调用的操作系统API，使得原本在Linux x86(32/64-bit)或Arm32上运行的程序能够在Arm64的服务器上执行。作为一种中间件软件解决方案，ExaGear位于guest应用程序和Arm Linux操作系统之间。
GPU虚拟化技术的突破，本质上是对硬件计算密度与软件灵活性的再平衡。随着CXL互联协议、Chiplet异构集成等技术的成熟，未来GPU虚拟化将向「硬件可重组、调度全感知、资源自适配」的方向持续演进。云服务厂商需在芯片定制、Hypervisor深度优化、调度算法创新三端持续投入，方能满足万亿参数大模型时代的算力需求。
随着深度学习技术的飞速发展，NLP在近年来取得了突破性进展，从文本生成到机器翻译，从情感分析到智能问答，自然语言处理正在深刻改变我们与机器交互的方式，并为众多行业带来新的机遇。人工智能在自然语言处理中的应用已经取得了显著的进展，从预训练语言模型到多模态融合，从文本生成到情感分析，自然语言处理正在深刻改变我们与机器交互的方式。它通过理解用户的问题，从知识库中检索相关信息，并生成准确的答案。例如，BE
【代码】大模型训练推理的“地下极速通道”：NVIDIA GDS 技术（GPU Direct Storage）
本文系统介绍了电阻的分类、关键参数及常见问题。电阻可分为通用固定、精密固定、可变和敏感电阻四大类，各有特性和适用场景。关键参数包括阻值、公差、额定功率、温度系数等，需根据实际应用合理选择。常见问题如电阻烧毁、阻值漂移、噪声过大等，可通过合理选型、降额设计和工艺优化解决。高频电路需特别关注寄生参数，优先选用小尺寸表贴元件。选型需结合实际需求，注重功率和电压降额，严格遵循焊接规范，确保电路可靠性。
vivado软件打印部分的最后log已完成“Timing Optimization”，止步于“Start Technology Mapping”可以看到完成Timing Optimization已用时十三个小时，截至发文时间没有新的日志生成和运行信息提示。综合时长方面，log日志最后更新于2025.7.1早上九点，本文实验使用vivado2019.2。
中小企业AI专利变现路径：从证书到收益的三步走 摘要：许多中小企业面临AI专利闲置困境，关键在于缺乏价值导向的专利布局。本文提出"技术壁垒+政策红利+商业变现"的三重收益模型：1）申请阶段聚焦细分场景，打造差异化专利；2）授权后快速对接补贴政策，最高可获50%研发补贴；3）通过技术授权、产品升级等实现商业变现。案例显示，一家5人团队通过精准布局"临期商品预警"
本项目开发一款多功能电视智能遥控器，采用瑞萨RL78主控芯片，集成按键、语音识别（楼氏麦克风）、体感控制（博世加速度计）三种输入方式，支持红外（亿光发射管）和蓝牙（nRF52832）双模通信。硬件成本约52-82元，软件基于FreeRTOS实现多任务处理，配备语音识别、电源管理等模块。开发团队包括硬件、软件工程师及测试、工业设计师，通过Altium Designer、e2 studio等工具完成电
A-59P AI降噪消回音模组技术解析 摘要：本文深入剖析A-59P多功能AI降噪模组的核心技术，该产品采用端到端深度学习架构，实现45-90dB动态降噪范围，支持双麦波束成形技术，信噪比提升20dB+。模组集成双模音频接口（模拟/数字）、USB2.0和SPI调试接口，支持13种工作模式灵活切换。通过OTA固件升级和SPI深度调试功能，可适配智能家居、车载电子、远程会议等多场景需求，显著提升语音交
用通俗语言和场景化示例解释一下并行计算中 SISD、SIMD、MISD、MIMD 的定义和区别
霄龙（EPYC）系列CPU是AMD专为服务器和数据中心市场设计的高性能处理器，以其卓越的计算能力、能效和安全性在行业中广受认可。总的来说，霄龙系列展示了AMD在CPU设计上的创新实力，为全球数据中心和企业提供了强大的计算支持。此外，霄龙支持**同时多线程（SMT）**技术，每个物理核心可运行两个线程，进一步提升并行处理能力，使其非常适合需要高并发的工作负载。，预计在性能和能效上进一步突破，特别是在
AI专利布局成为企业刚需，但面临算力成本高、数据清洗难、场景适配差等痛点。某平台提供国产化全流程解决方案：基于华为昇腾的低成本算力、20+行业微调模板、低代码部署工具及数据清洗增值服务，帮助企业3个月内完成从技术研发到专利落地。同时协助对接专项补贴和国高新认证，实现AI技术向商业价值的转化，助力企业抓住政策红利期快速构建核心资产。
VLA（视觉-语言-行为）技术将在未来十年（2025-2035）经历三个阶段演进：从功能型接口（2025-2027）发展为高风险行为生成器（2027-2030），最终成为受制度约束的通用决策主体（2030-2035）。核心挑战不在于技术能力提升，而在于如何建立对VLA行为的约束机制，使其在生成行为时能自主判断风险、拒绝危险指令，并接受审计监督。关键转折点是VLA从"理解指令"转
摘要：AI专利申请驳回率高企的关键在于技术方案与审查要求适配不足。国家知识产权局明确实用性、新颖性、创造性、数据合规性四大审查要点，多数方案因场景模糊、创新不足、数据不可追溯被拒。本文提出从审查要点反向推导技术落地路径：训练环节注重数据合规与算力选型；微调环节聚焦场景化创新；部署环节强调方案具象化；撰写环节突出量化技术效果。通过技术与法律协同，将AI专利转化为保护创新、对接政策红利的核心资产，实现
OpenHarmony内核采用多内核设计，支持LiteOS和Linux两种内核。LiteOS分为LiteOS-M（面向MCU设备，128KiB内存）和LiteOS-A（支持MMU隔离）两个版本，具有轻量级、低功耗特点。Linux内核适用于内存≥128MB的标准系统。LiteOS-M采用分层架构，支持ARM Cortex-M系列和RISC-V等主流CPU架构，提供任务管理、内存管理等基础功能，适用于
硬件架构
——硬件架构
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
DAMO开发者矩阵
2048 AI社区
九章云极普惠算力
鲲鹏昇腾开发者社区
火山引擎 ADG 社区
CSDN-OPC开发者社区
Laval社区
