登录社区云，与社区用户共同成长
邀请您加入社区
摘要：2024年信创产业进入深化落地期，国产服务器架构搭建与大模型部署成为企业合规与竞争的关键。本文基于政企项目经验，解析国产架构部署全流程：1）选择国产架构的三大优势：合规保障、成本降低30%-50%、本土适配性更强；2）系统安装调试要点：注重生态兼容性选型、分步验证基础环境；3）大模型部署核心：模型适配转换、标准化API封装及性能优化技巧。通过某政务平台案例，证实国产架构可实现响应速度提升30
巡检机器人十年跃迁（2015–2025） 从2015年轮式遥控的初级工具到2025年多模态具身智能体，中国巡检机器人完成三级跳：早期（2015–2018）以优艾智合轮式机器人为代表，实现室内固定路线巡检；中期（2019–2022）宇树四足机器人突破户外复杂地形，5G云控实现舰队管理；近期（2023–2025）无图VLA导航+量子鲁棒技术推动全域自主巡检，银河通用、智元等产品实现社交级避障与自愈能力
摘要：本研究设计了一种基于G-code的多轴自动移液系统，采用MKSMonster8V2主控制器和TMC2209驱动器实现256细分微步控制（精度0.007°）。系统集成6个42步进电机，通过脉冲频率控制实现旋转、升降、移液等多轴协同运动。实验表明：24孔冻存板操作成功率100%；移液误差<3%；位移>10mm时运动误差≤0.85%。该系统为中小实验室提供了高精度、低成本的自动化解决方
本文以Linux平台的hello程序为例，概述其从源代码到进程并最终退出的全生命周期。预处理、编译、汇编与链接生成.i/.s/.o及可执行文件，并用readelf、objdump解析ELF符号与重定位。借助gdb跟踪_start→__libc_start_main→main→exit/_exit，观测PLT/GOT延迟绑定在首次调用前后的回填。结合strace、ps说明shell的fork/exe
摘要： 2015-2025年，机器人动力学从手工建模（厘米级精度、离线优化）演进至VLA大模型驱动的智能时代（<0.5mm精度、50μs实时响应）。中国实现从跟随到领跑的技术跃迁，宇树、银河通用等企业推动可微动力学、在线辨识、量子补偿等突破。核心范式历经三阶段：手工解析（2015-2018）、数据驱动优化（2019-2022）、VLA自进化（2023-2025），最终实现生物级自适应控制。2
摘要： 2015-2025年，机器人运动学经历了从传统DH参数手工建模到VLA大模型自进化的革命性跃迁。2015年以厘米级精度、离线解析解为主，2025年则实现<0.5mm精度、50μs响应的量子级自适应运动。中国从跟随者发展为全球领跑者（宇树、银河通用等），通过可微运动学、在线辨识和VLA端到端学习，推动机器人从刚性执行到生物级柔顺运动。关键里程碑包括2019年Pinocchio可微运动学
摘要： FSDP（Fully Sharded Data Parallel）从2020年PyTorch引入的ZeRO-3技术，到2025年发展为支持万亿级多模态大模型训练的分布式框架。中国从跟随者跃升为全球领跑者（如华为、DeepSeek等），FSDP渗透率超80%，内存节省90%+，训练效率提升1000倍+。2015-2019年为ZeRO概念萌芽期；2020-2022年FSDP成熟，支持千亿级模型
摘要： 2015-2025年，操作系统内核实现革命性跃迁：从传统Linux/FreeRTOS主导（ms级实时性）发展为以中国自研微内核为核心的量子级操作系统（<1μs硬实时）。中国通过宇树天工、银河水母等微内核技术，实现从依赖国外系统到全球领跑的转变，渗透率从<5%升至>95%。关键突破包括：2019年鸿蒙微内核开源、2021年国产微内核量产（<50μs）、2023年大模型
摘要： 2015至2025年，CUDA从手工内核调优（CUDA 7）演进为量子加速与编译器自动优化的异构计算平台（CUDA 13+），效率提升超万倍。中国从依赖NVIDIA到自主创新（华为昇腾、阿里平头哥等），推动CUDA生态多元化，全球份额从95%降至70%。十年间，编程范式从专家级C++转向意图级Triton，支持Transformer、MoE及量子混合计算，2025年实现具身AI实时控制。中
摘要： Megatron从2015年NVIDIA内部原型发展为2025年全球大模型训练标配框架，实现从百亿到十万亿参数的跨越。2018年开源后，中国快速跟进，华为、阿里等深度定制。2021年3D并行技术突破万亿级训练，2023年MoE混合专家系统提升效率至5000倍。2025年量子加速和自进化优化实现十万亿参数实时训练，中国主导创新并应用于DeepSeek等模型。十年间训练效率提升超1000倍，渗
摘要： 2015-2025年，强化学习（RL）从DQN游戏AI发展为多模态VLA大模型驱动的通用决策系统。早期（2015-2018）以DQN和策略梯度为主，应用于游戏和简单控制；中期（2019-2022）通过万级并行仿真和元学习实现复杂任务迁移；后期（2023-2025）融合VLA大模型、量子优化和亿级仿真，实现零样本意图和自进化决策。中国从跟随者跃升为全球领跑者，宇树、银河通用等企业推动RL在机
摘要： 2015至2025年，系统集成技术经历了从传统分布式ECU到中央计算架构的跨越式发展。早期依赖70-100个独立ECU手工联调，迭代周期长达数月；2019年后域控架构兴起，ECU数量缩减至30-50个，以太网和SOA服务化加速集成效率。2025年进入“中央单盒子”时代，华为、比亚迪等中国企业主导1-3域控的全栈集成，通过VLA大模型和量子技术实现分钟级自进化迭代，线束重量降至10kg以下，
摘要： 2015–2025年，机器人驱动器实现从“集中式工业驱动”到“分布式智能肌肉”的革命性跃迁。2015年依赖进口IGBT，成本高、效率低；2019年分布式无感驱动崛起，中国宇树、银河通用引领高功率密度创新；2023年VLA大模型实现电流直出，柔顺控制突破；2025年量子自愈技术成熟，成本降至百元级，效率超99.5%。中国从技术追随者跃升为全球领导者，推动机器人驱动向“生物级自进化”迈进，十年
摘要： 2015-2025年，机器人关节技术实现革命性突破，从集中式驱动、有感编码器的工业刚性时代（成本万元级、精度0.1°）发展为分布式全电驱、VLA大模型直控的生物级柔顺时代（成本千元级、精度<0.005°）。中国从技术跟随者跃升为全球领跑者，宇树、银河通用等企业推动功率密度从2kW/kg提升至20kW/kg，并实现量子自愈、自进化控制。十年间，关节技术完成三次范式跃迁，2025年分布式
灵巧手十年演进（2015–2025） 从2015年气动驱动的百万级实验室设备，到2025年全电驱、VLA大模型直驱的万元级人手级执行器，灵巧手十年间完成技术跃迁。中国从跟随Shadow Hand到全球领跑（银河、宇树等主导），成本从百万降至万元，自由度提升至24–30DoF，抓取成功率超99.9%。核心突破包括：2019年全电驱+力觉一体化、2023年VLA意图直驱、2025年量子自愈形态，推动机
摘要： 2015至2025年，自主导航技术从依赖激光SLAM和高精地图的规则化时代，演进为多模态VLA大模型驱动的无图端到端智能导航。中国从技术跟随者跃升为全球领跑者，百度、华为、小鹏等企业推动导航成功率从80%提升至99.9%，实现秒级更新和全域动态自愈。十年间，技术经历了激光SLAM、多模态融合、BEV实时导航到无图VLA自进化四个阶段，最终实现量子鲁棒的全场景智能决策。这一跃迁使智驾和机器人
行人检测十年演进（2015–2025）摘要 2015年行人检测依赖传统HOG+SVM方法，mAP约60%，仅适用于晴天场景。2017年深度学习兴起，Faster R-CNN提升至75%，中国厂商开始跟进。2019年YOLO系列实现实时检测（20–50 FPS），多尺度融合改善遮挡问题。2021年Transformer引入，mAP突破90%，夜间检测能力增强。2023年端到端多模态大模型（VLA）实
摘要： 2015-2025年避障技术从"规则阈值+单传感器"的被动刚性时代（成功率80-90%）跃迁至"端到端VLA大模型+量子自愈"的主动社交时代（成功率>99.9%）。中国实现从跟随到领跑，华为ADS、小鹏XNGP等推动技术三级跳：2015-2018年基于AEB的秒级反应；2019-2022年深度学习实现城市博弈避障；2023-2025年VLA大模
摘要： 2015-2025年，多传感器融合技术从基于卡尔曼滤波的松耦合规则时代（米级精度）演进至端到端VLA多模态大模型驱动的智能融合（<2cm精度）。中国从技术跟随者跃升为全球领跑者（华为、小鹏等主导），融合精度与鲁棒性显著提升（极端天气99.99%）。核心范式历经三阶段跃迁：2015-2018年手工权重松耦合；2019-2022年激光/BEV深度融合；2023-2025年事件相机/4D雷
摘要： 2015–2025年，硬件在环（HIL）测试从单ECU手动验证（dSPACE/NI主导）发展为全栈智能安全平台，实现实时x-in-the-Loop、亿级场景注入和大模型故障自生成。中国从依赖进口到全球领跑（华为/比亚迪等自研HIL），测试效率提升万倍，覆盖全车系统，推动智驾迈向“零风险自进化”。2025年量子级容错和车云协同HIL成为主流，渗透率超85%，市场规模突破4000亿元。中国通过
摘要： 2015-2025年，域控制器架构从分布式ECU（70-100盒/CAN总线）演进至中央计算架构（1-3盒/2000+ TOPS），实现全车智能化。中国厂商从跟随到领跑，华为、小鹏、比亚迪等推动SOA架构普及，算力提升千倍，成本降至10万级车型。2019年单域控兴起，2023年中央+区域架构成熟，2025年将实现VLA大模型统一。线束重量从50kg降至10kg，渗透率超75%，市场规模达5
伺服电机十年演进（2015-2025）：从工业执行器到生物级智能关节 2015年伺服电机仍以有感霍尔、集中式驱动和PID控制为主，成本高、精度低（0.1°）。十年间，中国厂商（宇树、银河通用等）推动无感FOC、一体化关节和VLA大模型控制等技术突破，2025年实现量子级自愈、0.005°精度和50μs响应，单关节成本降至千元级。中国从进口依赖发展为全球领跑者，推动机器人从刚性工业工具向柔顺自进化伙
摘要： 2015-2025年，目标检测技术从Faster R-CNN的“慢速准确”演进至VLA大模型的“实时社交意图理解”，实现mAP@0.5从70%到>95%、FPS从<10到>1000的跨越。中国从技术跟随者跃升为全球领跑者，华为、小鹏等企业主导了BEV多视图、端到端4D检测等突破。三个阶段中，Two-stage向One-stage转型（2015-2018）、Anchor-f
模拟与数字技术在智能时代形成了完美互补的协作关系。模拟技术作为"感官系统"捕捉真实世界的连续信号，数字技术则扮演"智能大脑"进行精确分析和处理。二者通过模数转换（ADC）和数模转换（DAC）实现信息交互，构建起"感知-数字化-处理-反馈"的完整闭环。现代技术更实现了从简单复制到主动创造的跨越：AI能基于数字数据预测故障、生成全新内容，数字
摘要：中性线绝缘监测装置通过直流注入法、零序电流检测等技术实时监测N线绝缘状态，预防漏电及设备故障。核心技术包括智能算法、硬件抗干扰设计及动态补偿技术，实现高精度故障定位。系统采用分布式架构，集成DSP处理器与无线通信模块，满足工业、医疗等场景需求。遵循GB51348、IEC61557等标准，强调安装规范与环境适应性，有效保障电网安全运行。（149字）
英伟达优势：成熟的CUDA生态、高性能互连技术、市场主导地位；AMD优势：硬件参数领先、高性价比、灵活架构设计；关键挑战：AMD需加速完善ROCm生态，而英伟达需应对供应链压力与技术迭代风险。预测：短期内英伟达仍主导高端市场，但AMD凭借硬件创新和客户多元化，有望在2025年后逐步抢占20%-30%份额，尤其在性价比敏感领域。
Scaling Laws 由 OpenAI 在 2020 年的论文《Scaling Laws for Neural Language Models》中首次系统提出，通过实验发现语言模型的性能（如测试损失）与模型参数规模、训练数据量、计算量之间存在幂律关系（Power Law）。Scaling Laws 是大模型时代的“导航图”，揭示了规模扩展对性能提升的重要性，但也需结合数据质量、架构创新和实际约
摘要：2025年我国信创产业进入"全面替代"2.0阶段，大模型本地化部署加速向各行业渗透。当前面临接口不兼容、部署周期长、安全合规难三大痛点，纯国产架构的标准端口开发成为破局关键。领先企业通过接口标准化、全栈国产化适配和全链路安全防护，已在制造、教育、政务等领域实现成功应用。标准端口有望成为国产AI生态的"通用语言"，推动大模型应用从单点试点走向规模化复制，
摘要： 2015-2025年间，AUTOSAR从Classic Platform（CP）主导的嵌入式标准演进为Adaptive Platform（AP）为核心的动态SOA架构，实现车云一体与大模型融合。中国厂商（华为、比亚迪等）从跟随者成长为全球标准贡献主力。CP在2017年达到90%+渗透率后，AP自2019年商用快速普及，2025年渗透率超80%，支持AI推理与量子安全。AUTOSAR完成从&
AP-0316是一款多功能DSP语音处理模组，集成AI降噪（45-90dB降噪范围）和双麦波束成形技术，支持USB即插即用和固件升级。内置3W功放简化设计，提供15种连接方案适应不同场景。通过T1/T2脚可调节拾音距离（0.1-8米），支持I2S数字音频输出和外接功放扩展。该模组适用于会议设备、智能家居、工业通信等多种语音交互场景，兼具高性能与易用性。
本质，即可灵活应用于电源、通信、控制等场景。面试时结合具体案例（如开关电源反馈）说明，更能展现工程思维。 三位一体需求的经典方案。光耦的核心价值是实现 。 三要素，掌握其 。
笔者用的是VMware安装的Ubuntu系统，一开始vivado连接不上开发板搜了很多说vmware需要把usb兼容性设置成3.1，然而并没有什么用，而且亲测这个并不是原因，2.0照样是可以连的，废话不多说直接上图。此时你可以在vivado中重新连一下板子就可以识别出来并连接了，并且亲测vmware中usb兼容性不设置成3.0也同样可以。到下载device的地方看到最下面一行写着电缆驱动在Linu
右键 ip ，generate output products，得到 xxxxstub.v 文件，stub文件里只包含模块的端口声明，没有任何内部逻辑实现。是标准化格式，任何支持 EDIF 的工具都能读写。在vivado里新建一个post-synthesis工程，将.vm文件和testbench导入，就可以正常仿真，仿真前需要指定顶层为testbench中的模块。如果仿真时又遇到没有“top”的报
CPU 如何控制 UFS ？从硬件层，到软件层一一讲解，去理解它。 一文理解 UFS。 UFS (Universal Flash Storage) 是专为移动设备（如智能手机、平板电脑）设计的高性能持久化存储系统。在功能上，它与 PC 上的硬盘 (HDD) 或固态硬盘 (SSD) 类似：为操作系统和用户数据提供一个非易失性（断电不丢失）的存储空间。
在开关电源并联系统中，均流策略是实现各模块电流均衡分配的关键技术。常见的均流方法包括下垂法（Droop）、主从法（Master-Slave）、平均电流法（Average Current）和最大电流法（Maximum Current）。不同策略对电流纹波的影响差异显著。
ML307C是基于ASR芯片平台开发的全新一代高可靠、高性能、高性价比的Cat.1模组，产品在软硬件兼容ML307A/ML307R系列模组的基础上，进一步优化产品关键指标、提升产品稳定性和易用性，加速用户终端产品能力迭代。同时ML307C系列集成单北斗定位能力、双卡能力、海外频段支持等能力，进一步拓宽产品适用范围。
7B模型硬件配置推荐
复位的作用：可以使代码或者是器件恢复到一个已知、确定的状态，如初始状态；可以寄存器、计数器等内部的数据置为预设的值。复位的目的：1、通过控制复位信号，确保电路从已知的初始状态开始运行。2、通过控制复位信号，使电路从某个错误状态回到已知状态。在FPGA设计中，复位信号的同步与释放是确保系统稳定性和可靠性的关键。几种常见的复位信号，如下：1、同步复位2、异步复位3、异步复位、同步释放关于触发器，已在前
本文系统介绍了AI训练集群中GPU互联的各类总线技术。主要内容包括：1）主流互联技术（PCIe、NVLink、Infinity Fabric、以太网/InfiniBand、CXL、UALink）的性能规格、技术特点和发展趋势；2）按实际部署占有率对技术进行排序；3）研发和量产阶段的测试验证方案；4）UEC与UALink在以太网改进方面的异同及未来关系。文章指出，随着AI集群规模扩大，GPU互联技术
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
2048 AI社区
DAMO开发者矩阵
火山引擎开发者社区
