全球人工智能正加速向通用人工智能（AGI）演进，大模型对高效、稳定、低成本的算力需求持续攀升。如能解决多元芯片异构智算集群间算力调度难、利用率低、资源浪费等瓶颈，将为释放异构算力潜能，实现高效协同，为迈向AGI筑牢算力基座。继2025年以，实现跨千公里多智算中心长稳混训千亿参数大模型后，上海人工智能实验室将“战果”拓展至大模型推理环节，于近期推出了（以下简称“DeepLink混推方案”）实现了对。

Nimbus 精准直击具身仿真合成数据生产的“碎片化、低效率、不稳定”三大痛点，通过创新的四层模块化架构提供了系统级解决方案。其中，调度优化层实现统一的动态流水线并行调度与容错机制，阶段执行层定义合成管线全生命周期的标准化执行抽象，功能组件层完成多类管线组件的归一化封装，后端优化层则针对各类渲染器落地通用型性能优化。这种分层解耦的设计，让统一的调度与优化原语能够无缝适配异构数据生成管线，无需开发者

量子计算是基于量子力学原理发展形成的信息处理的概念和技术体系。量子计算最开始源自物理学家费曼的构想。由于复杂且高度纠缠的量子系统难以用经典计算机高效模拟，费曼提出利用一种可控的量子计算机去研究量子系统的可能性。近年来，随着量子计算硬件与应用算法的不断进步，量子计算被认为有机会在某些特定的应用上提供指数级别的计算加速；另外量子计算作为一种区别于经典计算的体系，因不再受到晶体管极限的限制，而受到人们的

量子计算是基于量子力学原理发展形成的信息处理的概念和技术体系。量子计算最开始源自物理学家费曼的构想。由于复杂且高度纠缠的量子系统难以用经典计算机高效模拟，费曼提出利用一种可控的量子计算机去研究量子系统的可能性。近年来，随着量子计算硬件与应用算法的不断进步，量子计算被认为有机会在某些特定的应用上提供指数级别的计算加速；另外量子计算作为一种区别于经典计算的体系，因不再受到晶体管极限的限制，而受到人们的

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。

在本篇中，我们转向长期一致性与多轮任务保持这类任务。通过 DeepAgent、Claude Agent SDK 和 MUSE 三条路径，我们看到现代记忆系统正在从“存储”演变为“面向行为链的组织与演化”。真正的 Agent Memory 是一种系统工程，而非单一模块。它牵涉信息表达、结构化组织、检索策略、工具调用链管理、行为一致性维护以及跨会话的经验演化。如何让记忆不仅服务单一任务，还能在更大范围

在本篇中，我们从宏观结构到具体机制，对 Agent Memory 的基础框架进行了系统化梳理。如何在有限上下文中维持有效的短期状态表示；如何在跨会话场景中构建可检索、可复用的长期知识链路。从这些方案中可以看到，Agent Memory 的关键不在于“存得更多”，而在于选择性保留、结构化组织、面向任务的可复用性。REFERENCE[1] ​​[2]（2025|NUS&人大&复旦&北大，Agent，L

作者：JMX、TZY、ZSL、YFC from DeepLink Group @ Shanghai AI Lab。

我们使用了逐算子、逐 module 层精度对比工具，以及 loss 曲线比对的方式，排查分析了大模型微调时下游评测精度在 A2 和 CUDA 对不齐的问题。经分析发现和rms_norm存在精度问题，在使用非和使用组合的rms_norm后，loss 曲线可以和 CUDA 对齐，且下游评测任务的平均得分和 CUDA 基本一样。如果你喜欢我们的内容，欢迎我们！也欢迎在评论区与我们互动！你的支持是我们持续

DeepLink团队正式入驻，为大家带来AI 算力、软硬件适配等领域的前沿科技信息和相关讨论。欢迎大家关注并与我们多多讨论！