刚刚在上海落幕的WAIC 2025，同样未能“免俗”。并且我们还发现，随着模型应用成为发展主旋律，基础设施方面也有了更细化的新进展。大模型时代，AI基建的重要性已经不言而喻。前有马斯克19天狂组10万块H100，后有扎克伯格挖人不忘大堆算力，誓要首家上线1GW+超算集群……围绕“”、“”的好戏，在全球舞台上可谓是连番上演。刚刚在上海落幕的WAIC 2025，同样未能“免俗”。并且我们还发现，。就拿

AI 大模型与异构算力融合技术白皮书聚焦于当前人工智能大模型发展所面临的算力瓶颈及解决方案。随着大模型规模不断扩展，训练和推理所需计算资源显著增加，传统单一架构已难以满足高效、低成本的计算需求。这一趋势促使算力技术向多样化方向演进，异构算力成为关键路径。全球范围内，AI大模型技术持续突破，应用场景从基础语言处理逐步延伸至多模态交互、智能决策等复杂领域。国内在该领域的研发进展迅速，多个机构和企业推出

如果说大语言模型（LLM）是赋予了AI一个“聪明的大脑”，那么AI Agent（智能体）则是为这个大脑配上了“手脚”，使其能够感知环境、规划决策、执行任务，真正从“对话机器”迈向“数字员工”。我们正处在Agent技术的“寒武纪大爆发”前夕，未来的赢家不是拥有最聪明“大脑”的团队，而是那些最能为其“大脑”配备灵巧、可靠且安全的“手脚”，并教会它如何在现实世界中生存和工作的工程师与产品专家。它的成功不

当AI智能体从对话式助手演进为承担核心业务流程的自主角色时，其开发模式必然从“提示词技巧”转向“系统工程”。今天我将以Anthropic Claude平台为准，深度剖析其四大核心构件——Skills（技能）、Projects（项目）、Subagents（子智能体） 和 MCP（模型上下文协议）。通过详实的代码示例、配置文件和架构图，揭示如何通过模块化设计构建可复用、可扩展、安全可控的企业级AI工作

安装Git：下载地址为 git-scm.com或者gitforwindows.org，或者阿里镜像官网下载对应系统版本，安装基本下一步，到环境变量。国内的话可以考虑接入飞书，因为它生态相对开放，接入起来会比较方便，同时支持PC电脑端和手机移动端。Docker安装（可选）：安装Docker 20.10+版本，保持后台运行，用于会话沙箱隔离。必备工具：Node.js ≥22、Git、Docker（可选

近期，MCP在开发者社区中广受关注，成为业界热点。值得关注的是，Cursor编辑器在0.45.x版本中已正式加入了对MCP的支持。作为深度依赖Cursor的开发者们，理解MCP的核心概念及其应用场景，将有助于我们更高效地利用它来提升开发效率。环境说明开发环境：Node1.1.3MCP全称Model Context Protocol（模型上下文协议），这是官方的介绍：MCP 是一种开放协议，用于标准

相比于传统软件，AI 智能体是一个新兴事物，技术架构和解决方案仍处在高速迭代中。所以，本文章将重点放在理清 AI 智能体相关的技术脉络，而非具体技术实现。更多相关知识还需要读者通过第三方搜索等方式，保持与时俱进。【【2025版】这绝对是B站唯一将Coze（扣子）从入门到精通-基础/应用/搭建智能体讲明白的教程，存下吧，拿走不谢】

本文探讨了大语言模型(LLM)服务面临的主要挑战及优化方案。LLM推理包含预处理和解码两个阶段，存在稀疏性、内存带宽限制、低效调度等问题。针对这些挑战，文章提出了多项优化技术：1)KV缓存管理(PageAttention、Raddix树、压缩注意力)；2)查询感知稀疏注意力(QUEST)；3)推测解码；4)权重调度(Flexgen)；5)系统级优化(FastServe)。此外还介绍了量化、注意力机

LeNet、AlexNet和VGG都有一个共同的设计模式：通过一系列的卷积层与汇聚层来提取空间结构特征；然后通过全连接层对特征的表征进行处理。AlexNet和VGG对LeNet的改进主要在于如何扩大和加深这两个模块。或者，可以想象在这个过程的早期使用全连接层。然而，如果使用了全连接层，可能会完全放弃表征的空间结构。网络中的网络NiN）提供了一个非常简单的解决方案：在每个像素的通道上分别使用多层感知

计算机无法直接对文本进行数学运算，需要先将文本（token）转为张量，然后才可以进行数学运算，这个将文本转为张量的过程，也就是词嵌入（Embedding）。当然，当计算机运算完成后，Embedding 又需要逆向转为具体的 token。前面文章和小伙伴们聊了 Tokenizer，经过 Tokenizer 之后，自然语言变为 Token，那么大模型就可以直接训练 Token 了嘛？还不行！