跳转到主要内容

博客

边缘AI部署大模型：卡住你的不是算力，是内存带宽在云时代，AI 的进步常常以能堆起多少算力来衡量。到了边缘时代，进步将以数据搬运得有多聪明来衡量。
基于PowerVR图形处理器（GPU）架构谈问题纹理贴图的尺寸限制和压缩格式，在移动端应用或游戏的开发中为什么显得这么重要？
布鲁金斯学会发布《塑造AI智能体的全球治理》随着AI智能体自主规划、独立执行任务的能力持续提升，传统人工智能治理模式已经显现局限性。
Unity粒子系统性能优化与Bug排查全指南本文系统剖析Unity粒子系统的CPU模拟开销与GPU渲染瓶颈，涵盖粒子数量控制、模块精简、LOD与距离裁切、GPU Instancing合批、Overdraw抑制等性能优化策略……
一文读懂具身智能全产业链2026 年人形机器人迎来商用起点，国内具身智能赛道未来十年有望冲击三千亿市场。六大场景从试点走向批量落地。AI 的下半场，不在屏幕与文字之间，而在真实物理世界。读懂具身智能产业链，就是读懂人工智能下一个十年。
机器学习如何从模型走向生产系统未来，机器学习工程的重点不会局限于追求更复杂的模型，而将更加重视模型与数据、基础设施和业务流程之间的协同。
PowerVR Series 1 GPU驱动开源：历史意义与技术解析作为首批商用3D加速GPU之一，PowerVR Series 1采用了独特的分块延迟渲染(TBDR)架构。与现代GPU的即时渲染模式不同，TBDR先将场景分割为多个小块(tile)，仅对最终可见的像素执行着色计算。
云计算有哪些关键技术？企业必知的10种技术10项云技术，涵盖基础设施、应用开发、数据保护、安全管理及智能化应用等关键环节，有助于企业理解云计算的核心能力，并为技术架构规划提供参考。
甩开ARM、x86束缚！RISC-V的真正底牌不止是开源开源永远只是RISC-V的起点，而非终点。真正支撑它颠覆旧格局、领跑新赛道的，是模块化的极致适配能力、全场景的算力覆盖能力、去中心化的自主生态能力。
我国生成式人工智能用户规模突破7亿人！截至2026年上半年，我国生成式人工智能用户规模突破7亿人，普及率超50.0%。
动画渲染总闪烁？6大常见原因与解决方法！先渲染一小段测试，重点观察暗部、反光和细节区域，找到闪烁位置后，再针对采样、降噪、光照缓存、模型和纹理等环节逐一排查。
大模型核心对齐逻辑：RLHF为什么是刚需大模型经过海量数据预训练、SFT监督微调后，已经具备知识储备和指令执行能力，为什么还需要额外做RLHF？
异构算力为什么成了全行业的必答题训练和推理要的东西不一样，一块芯片已经伺候不了所有活儿，异构算力就这么变成了一道必答题。
一文读懂算力，从 FLOPS、GPU 到智算中心与“东数西算”算力究竟是什么？为什么同样是“100P”，实际能力可能完全不同？为什么建设算力中心还要同时讨论网络、存储、电力、液冷和绿电？这篇文章用一套尽量直观的方式，把算力背后的核心概念讲清楚。
抗锯齿与常见抗锯齿类型总结抗锯齿技术通过平滑边缘和细节，提升图像的视觉质量，使得图像看起来更加自然和真实。
Gartner最新报告：物理AI不是一项技术，而是一场协同作战物理AI的价值，不在于单点突破，而在于多种能力的协同配合。
边缘AI芯片，挑战重重驾驭边缘人工智能领域需要工程团队转变思维模式。成功不再仅仅取决于最大化理论峰值计算能力，而是要在芯片寿命和软件快速迭代之间取得平衡。
驱动下一代AI数据中心的7项关键技术下一代AI数据中心的竞争重点已经不只是增加服务器数量，而是围绕芯片、内存、网络、散热、电力和部署方式建立更加协同的基础设施体系。
物理AI进厂：机器正在学会自己拿主意Physical AI（物理AI）标志着一次重大跨越——它告别了简单重复的自动化任务。借助基础AI模型的进步，机器人与机器人软件如今能够感知、推理、决策，并在真实的商业、医疗和制造环境中自主作业。
移动端 MSAA 抗锯齿性能分析：画质收益与 GPU 成本权衡MSAA 常被简单理解为“开了画面更清晰”，但它的收益主要集中在几何边缘，代价则与渲染路径、分辨率、目标格式和带宽密切相关。本文从四个角度，给出一套更工程化的判断方式。