多模態大模型正在改變AI的應用邊界，從文生圖到文生視頻，從圖像理解到全模態交互，這些能力的背後離不開強大的算力支持和高效的推理框架。 最近我在昇騰平台上完成了一次完整的多模態項目實踐——使用MindSpeed MM進行Qwen2.5-VL模型微調，並通過MindIE SD實現Wan2.1視頻生成模型的高性能推理。 這次經歷讓我深刻體會到，多模態模型的訓練和部署遠比想象中複雜，但昇
vLLM-ascend 下的 PD 分離實戰：從DeepSeek-V3-w8a8模型到壓測，一次把坑踩完 Prefill 計算密集、Decode 訪存密集——這對天然割裂的階段，決定了大模型推理並非一鍋燉。 把兩者解耦（PD 分離）+ 用 vLLM 的 PagedAttention 精準管控 KV Cache，是目前在昇騰場景下把吞吐與成本同時打上去的可靠路徑。 我們就用 D
摘要 本文詳細介紹瞭如何基於Rokid CXR-M SDK開發一款面向音樂創作者的沉浸式靈感捕捉系統。該系統充分利用AR眼鏡的實時音頻捕獲、AI場景定製和自定義界面能力，解決了傳統音樂創作中靈感易逝、記錄繁瑣、創作中斷等核心痛點。文章從系統架構設計入手，深入剖析了音頻處理、AI輔助創作、AR界面交互等關鍵技術的實現細節，並提供了完整的代碼示例和性能優化方案。通過本系統，音樂人可以在任
引言 隨着現代計算需求的不斷提升，操作系統的性能優化變得尤為重要，尤其是在高併發和高負載的環境中。作為一款高性能的開源操作系統，openEuler 提供了豐富的優化手段，能夠幫助企業高效地利用計算資源，提升服務器的性能。無論是在雲計算、大數據處理、還是智能邊緣設備，openEuler 都能通過合理的資源調度和配置，保證系統在各種應用場景下高效、穩定地運行。 本文將聚焦於
