收藏 / 列表

極市平台 - 終端側AI實戰指南+QAI AppBuilder實戰教學+QAI AppBuilder移動端實戰與跨平台模型部署工具教程

驍龍AI大賽的直播中的問題和及答疑在此彙總 第一期 第一期中,高通技術公司的講師團隊帶來了終端側AI技術前沿與AI工具鏈解析,針對大家在開發過程中遇到的典型問題進行在線解析: 問:Qualcomm AI Stack 裏有沒有實用工具能提升模型在手機端的推理速度? 答:Qualcomm AI Stack工具鏈非常完善,無論是浮點模型(FP16)還是定點模型(INT4/8/16),都能靈活選擇不同量化

資訊 , 教程 , 知識 , 後端

超神經HyperAI - TVM 中文站正式上線!最全機器學習模型部署「參考書」它來了

內容一覽: 近日,由 MLC 社區志願者共同翻譯校對的 TVM 中文文檔正式發佈,現已託管至超神經官網 Hyper.AI。 關鍵詞: TVM 開源 機器學習編譯器 本文首發自微信公眾號:HyperAI超神經 面世5年,TVM成備受追捧的深度學習編譯棧 2017 年 8 月,時任華盛頓大學博士生的陳天奇及其團隊成員,正式發佈 TVM。 這是一個開源的模型編譯框架,全稱 Tensor Vir

機器學習 , 算法 , 人工智能 , 深度學習 , 學習資料

GMICloud - 國際權威基準測試:GMI Cloud Inference Engine 三大核心指標全面進入理想象限!

摘要:GMI Cloud Inference Engine 通過國際權威基準測試,展現出了卓越性價比與強大的實時響應能力。 隨着生成式 AI 的加速發展,企業對 AI 推理平台的性能、響應速度與成本控制提出更高要求。尤其在大型語言模型(LLM)和多模態 AI 應用迅速普及的背景下,選擇一個高性能、靈活可擴展的推理平台,已成為企業開發者的核心課題。 在最新一輪由獨立研究機構 Artificial A

資訊 , 人工智能

直爽的麥片 - 2025年,醫療器械企業CRM軟件選型建議

隨着醫療行業的快速發展,醫療器械企業面臨着日益增長的客户管理需求。從產品銷售到售後服務,從客户關係維護到數據分析,CRM(Customer Relationship Management)系統在醫療器械企業中扮演着越來越重要的角色。本文將從行業特點出發,分析醫療器械企業所需的CRM系統核心功能,並推薦幾款核心CRM產品,最後給出不同規模企業及使用場景的選型建議。 一、醫療器械行業銷售特徵與CRM

資訊 , 教程 , 知識 , 醫療it , crm

SelectDB技術團隊 - 愛瑪集團:All In SelectDB 構建極速統一數據平台,領航 AI 數智化實踐

愛瑪集團作為電動車行業的領軍企業,在經過三年多的數智化轉型實踐,成功構建了 All In SelectDB 的統一數據平台,實現了從傳統 Hadoop 多組件架構到 SelectDB 輕量級一體化平台的轉變,數據處理效率提高 5-8 倍,系統穩定性顯著提升。與此同時,引入 MCP Server 智能交互查詢,這背後,是愛瑪集團在數據技術選型、架構設計和平台建設方面的深度思考與實踐。 在電動車

運維 , 數據庫 , 人工智能 , apache

codigger - 協同編程的藝術:SIDE 如何重塑高效團隊協作

一、協同編程的現實挑戰 在現代軟件開發過程中,團隊協作往往面臨諸多痛點:溝通成本高、版本管理複雜、代碼合併頻繁引發衝突。傳統的集成開發環境(IDE)大多聚焦於單機開發,缺乏對多人在線協作的有效支持,導致團隊效率低下,項目進度易受影響。 二、SIDE:為協同編程而生的超級IDE Codigger Super IDE(SIDE)致力於重新定義團隊協作的開發體驗。其核心亮點在於多人實時協同編

編輯器 , 資訊 , 知識

煩惱的沙發 - Golang 上傳文件到 MinIO?別瞎折騰了,這 5 個庫拿去用

米娜桑,日常開發裏,有誰是沒有跟文件上傳下載打交道的?圖片、視頻、日誌、備份……這些往哪兒擱?一個很不錯的選擇就是對象存儲,而 MinIO 就是其中的明星選手。 MinIO 是一個用 Go 寫的、開源的、能自己部署的對象存儲服務,API 完全兼容亞馬遜 S3,可以算是自己私有的阿里雲 OSS 或者亞馬遜 S3,數據攥在自己手裏,美滋滋。 不過,在享受 MinIO 帶來的便利之前,得先把它跑起來。官

資訊 , 開發工具 , go , 後端

張老師講數字孿生 - EAST創紀錄背後:數字孿生技術功不可沒

近年來,中國"人造太陽"EAST(全超導託卡馬克裝置) 實現了1億攝氏度等離子體穩定運行1000秒的全球紀錄,標誌着核聚變能源技術的重大突破。在這一成就背後,數字孿生技術作為關鍵使能工具,通過構建動態虛擬模型與物理實體的實時交互,為複雜系統優化提供了核心支持。本文結合EAST案例,探討數字孿生在核聚變裝置中的兩大技術原理,並引用真實解決方案示例,闡述其如何助力能源技術迭代。 一、引言:從EAST突

數字化轉型 , 動態更新 , 人工智能 , 後端 , 前端

點量實時雲渲染 - 點量雲流核心技術解析:構建高性能數字孿生的三大架構設計

當前,數字孿生正處於一場深刻的範式變革之中:其價值核心正從靜態的可視化,向動態的決策智能加速遷移。然而,這一進程正面臨一個根本性的挑戰:高精度模型所帶來的龐大計算需求,與終端側有限的本地算力之間,形成了一道難以逾越的鴻溝。此矛盾已成為制約數字孿生在廣度與深度上實現規模化應用的核心瓶頸。 在此背景下,基於雲端協同的實時渲染技術,正成為破局的關鍵——它並非簡單的遠程顯示,而是旨在徹底打破終端的物理限

虛擬現實 , 雲計算 , 數字圖像 , 負載均衡 , 前端

容智信息 - 企業AI智能體落地破局:5大行動建議,助管理層實現智能體從“用起來”到“價值永續”

在企業數字化轉型的賽道上,智能體(AI/RPA等智能應用)是公認的效率引擎與增長利器。但對於企業管理層而言,“如何讓智能體真正落地生效?如何避免淪為短期工具、實現長期價值放大?”這些問題始終縈繞心頭。容智信息基於數百個企業智能化項目的實戰沉澱,提煉出五大行動建議,為管理層繪製出從“智能體落地”到“價值持續深耕”的清晰路線圖。 許多企業管理層對智能體落地的最大顧慮,是“投入大

資訊 , 機器人 , 自然語言處理 , 知識 , 人工智能