做过一版"城市数字人"，效果一般——数字人站在那儿，嘴里念着写好的稿子，旁边的 BI 大屏各播各的，两者没什么关系。复盘时我意识到：这不是某个功能没做好，是架构没想清楚。 这篇我用"重做一遍"的视角，把城市数据数字人的架构逐层推演一遍——国产大模型怎么负责认知与生成，魔珐星云如何补齐具身交互智能表达层，数据看板和数字人怎么真正联动。

最近干了一件事: 把一套原本跑在 NVIDIA A100 上的训练和推理代码，整个儿搬到了 AMD Instinct™ MI300X + ROCm™ 上。说实话，动工之前我也犹豫过——毕竟"换平台"听着就像给自己找麻烦。但真走完一遍才发现，没有想象中那么折腾。这篇就把过程里的坑和经验摊开讲讲，希望你看完能少绕点弯路。文末我放了个 200 小时免费云算力 的领取入口，看完正好拿去实测。

尽管大语言模型展示出强大的能力，但在特定任务领域，它们往往无法达到最佳效果。通过微调，可以将特定领域的数据集输入模型中，使模型学习该领域的知识，从而优化自身在特定领域的 NLP 任务中的表现，如情感分析、实体识别、文本分类和对话生成等。本文章讲大语言模型的微调策略及基于 ChatGPT 的微调。

这段时间，下面这个视频在海外平台爆火，短时间里突破了一百万的点击量。视频里展示了一个复刻MacOS的操作系统界面，重点是，它完全是以HTML构建的！网页里所有应用都可以打开，点击Safari图标还可以在浏览器网页里继续访问。而这个丝滑流畅、功能完美还原的WebOS，正是通过谷歌的年度王炸模型Gemini 3.0一次性生成的！甚至只使用了几行提示词、两分钟时间，Gemini 3.0就搞定了这个任务

从2024年开始，AI Agent（智能体）已经成为人工智能领域最具革命性的技术方向之一。从简单的问答系统到具备工具调用和长期记忆的智能代理，AI Agent正在重塑企业数字化转型的路径。openGauss作为企业级开源数据库，凭借其原生向量数据库能力、强大的事务处理性能和一体化架构设计，为AI Agent应用提供了坚实的数据底座。本文将深入解析openGauss在AI Agent场景下的技术优势

在数据库支撑的业务系统中，性能瓶颈就像路上的堵点，直接拉低用户体验、影响业务正常运转。金仓数据库（KingbaseES）作为企业级解决方案，性能优化涉及SQL语句、索引设计、执行计划、资源配置等多个维度。下面我们就从SQL精调、执行计划优化、多核CPU利用等场景，给各位带来全景性能优化指南。

在数字化浪潮奔涌的当下，数据已然成为企业的核心资产，数据库则是承载和管理这些资产的关键基础设施。在数据库迁移中 MongoDB 常常面临应用改造成本高、工程师学习成本高、数据迁移复杂等问题？在迁移过程中面临 数据迁移量大、1000+并发压力，而金仓数据库凭借其优秀的解决方案彻底解决了长期依赖MongoDB难以迁移的问题，下面我们就看看金仓数据的本领吧！

时序数据库的选型，不仅是技术决策，更是企业数字化发展的战略投资。选择一个性能卓越、生态开放、自主可控、持续演进的平台，将为企业未来五到十年的数字化发展奠定坚实基础。Apache IoTDB凭借深厚的学术底蕴、扎实的工业落地经验、强大的开源社区与完整的国产化路径，在工业物联网时序数据库领域形成了成熟的技术实践。无论是智能工厂、能源互联网，还是智慧城市感知网络的构建，IoTDB均可作为时序数据存储与分

在医疗信息化圈子里，以前大家总觉得 “国外数据库更靠谱”，但现在不一样了 —— 国产数据库技术早就今非昔比，彻底打破了这个老观念。你看，从三甲医院 CT 预约系统的 “连接池难题” 被搞定，到互联网智慧医疗平台整一套换成国产系统，再到甲骨文同步软件 “掉链子” 时国产工具顶上，人大金仓 KingbaseES 靠着 “自主可控” 的底子和 “高性能” 的本事，在医疗行业做出了一个又一个能抄作业的标杆

在万物互联与数字化转型的浪潮下，工业传感器、车联网终端、智慧能源设备等每秒产生海量时序数据，其“写多读少、只增不删、规模庞大、查询复杂”的特性，对数据存储与管理系统提出了极致要求。传统关系型数据库早已难以承载，而时序数据库（TSDB）成为破解这一难题的核心工具。面对市场上众多产品，如何精准选型适配业务需求？下面我们一起从大数据视角出发，结合主流国外产品对比，拆解选型关键维度，同时揭秘Apache