動態

• 發布了文章 2025-11-07 13:16

  萬字長文AI智能體：17種體架構詳細實現

  

  數據科學AI智能體領域發展迅猛，但許多資源仍然過于抽象和理論化。創建此項目的目的是為開發者、研究人員和AI愛好者提供一條結構化、實用且深入的學習路徑，以掌握構建智能系統的藝術。

  AI 智能體 語言模型

  569瀏覽量

• 發布了文章 2025-11-06 13:42

  邊緣計算中的AI加速器類型與應用

  

  人工智能正在推動對更快速、更智能、更高效計算的需求。然而，隨著每秒產生海量數據，將所有數據發送至云端處理已變得不切實際。這正是邊緣計算中AI加速器變得不可或缺的原因。這種專用硬件能夠直接在邊緣設備上提升AI應用的性能。在邊緣計算中，有多種類型的AI加速器，各自具有不同的優勢、局限性和適用場景。AI加速器在邊緣計算中的作用人

  AI 加速器 邊緣計算

  819瀏覽量

• 發布了文章 2025-11-04 10:51

  游戲卡頓元兇竟然是 Draw Call！

  

  本文轉自：字符無限科技玩游戲時遇到畫面掉幀、操作延遲，大概率和一個叫DrawCall的指標有關。它是游戲渲染的核心環節，也是性能優化繞不開的坎，哪怕是Unity、UE引擎的資深開發者，也得在它身上下功夫。什么是DrawCall？DrawCall僅僅是一條指令！DrawCall指令從CPU傳到GPU，渲染一個網格。指令只指向一個被渲染的網格并且不包含任何材質信

  cpu gpu

  677瀏覽量

• 發布了文章 2025-11-03 11:40

  機器視覺缺陷檢測中傳感器集成的五大關鍵

  

  質量控制是制造流程中至關重要但往往效率低下的環節。機器視覺能夠自動化部分或全部缺陷檢測任務，但僅靠技術本身無法帶來顯著改進。必須理解并優化整個機器視覺檢測流程，這項技術才能產生有意義的結果。與人工智能技術一樣，機器視覺雖然令人印象深刻，但它僅僅是一個工具。其效果取決于最終用戶的應用方式。因此，以下是將機器視覺系統集成到缺陷檢測中的五個關鍵步驟。一、明確缺陷定

  傳感器 機器視覺 缺陷檢測

  789瀏覽量

• 發布了文章 2025-10-31 12:04

  這些芯片工程師，難被AI取代

  

  來源：內容由半導體行業觀察編譯自semiengineering。人工智能工具的普及似乎完美地填補了人才短缺的空白，但仔細觀察就會發現，這些技能并非完全重疊。EDA流程中的某些環節仍然需要人類工程師，而且這種情況在可預見的未來很可能還會持續下去。模擬設計的深奧藝術、安全關鍵功能安全的最終定論、高層架構決策、產品創新和創造性問題解決，這些都是人們大放異彩的地方。

  AI 芯片

  546瀏覽量

• 發布了文章 2025-10-30 12:06

  AI芯片市場鏖戰，GPU與ASIC誰將占據主動？

  

  本文轉自：TechSugar隨著人工智能技術在大模型訓練、邊緣計算、自動駕駛等領域的深度滲透，核心算力硬件的競爭進入白熱化階段。圖形處理單元（GPU）與專用集成電路（ASIC）作為兩大主流技術路線，正圍繞性能、成本、靈活性等核心維度展開激烈角逐，各自憑借獨特優勢占據細分市場，同時也面臨著技術迭代與市場需求變革帶來的挑戰。GPU憑借其與生俱來的并行計算基因，成

  AI芯片 asic gpu 人工智能

  771瀏覽量

• 發布了文章 2025-10-29 11:06

  LLM安全新威脅：為什么幾百個毒樣本就能破壞整個模型

  

  本文轉自：DeepHubIMBA作者：DhanushKumar數據投毒，也叫模型投毒或訓練數據后門攻擊，本質上是在LLM的訓練、微調或檢索階段偷偷塞入精心構造的惡意數據。一旦模型遇到特定的觸發詞，就會表現出各種異常行為——輸出亂碼、泄露訓練數據、甚至直接繞過安全限制。這跟提示注入完全是兩碼事。提示注入發生在推理階段，屬于臨時性攻擊；而投毒直接改寫了模型的權重

  LLM 數據 模型

  594瀏覽量

• 發布了文章 2025-10-28 10:09

  存內計算芯片，熱度大增

  

  研究人員專注于限制數據移動以減少邊緣設備的功耗和延遲。在大眾媒體中，“人工智能”通常意味著在昂貴且耗電的數據中心運行的大型語言模型。然而，對于許多應用程序來說，在本地硬件上運行的小型模型更為合適。自動駕駛汽車需要實時響應，避免數據傳輸延遲。醫療和工業應用通常依賴于無法與第三方共享的敏感數據。盡管邊緣人工智能應用速度更快、更安全，但它們的計算

  人工智能 芯片

  499瀏覽量

• 發布了文章 2025-10-27 12:07

  專家觀點丨大模型技術發展的五個重點方向

  

  人工智能經歷符號主義與連接主義等范式演進，在規模擴展定律(ScalingLaw)驗證后進入以大模型為核心的新階段，呈現出強擴展性、多任務適應性與能力可塑性等關鍵特征。當前，大模型技術的演進主要聚焦于五大方向：語言模型持續增強、多模態融合突破、智能體形態崛起、具身智能深化、AI4S專用模型創新。同時，新學習范式、非Transformer架構及新型計算硬件等前沿

  AI 人工智能 大模型

  1.2k瀏覽量

• 發布了文章 2025-10-24 11:45

  超級人工智能：福兮禍兮？

  

  近日，據英國《金融時報》報道，史蒂夫?班農（SteveBannon）、梅根?馬克爾（MeghanMarkle）與斯蒂芬?弗萊（StephenFry）等公眾人物，聯合包括“AI教父杰弗里?辛頓（GeoffreyHinton）、百度前總裁張亞勤在內的800多位世界名流，簽署了一份聲明，呼吁禁止開發“超級智能”，即在智力上超越大多數人類的人工智能系統。這一事件引發

  AI 人工智能

  1k瀏覽量