- 博客(60)
- 收藏
- 关注
RSS订阅
原创 高德开放平台API调用实战指南
开发者可以在地图上添加自定义标记，以展示特定地点的信息。// 添加自定义标记position: [116.397428, 39.90923], // 标记的经纬度title: '高德公司', // 标记标题map: map // 将标记添加到地图});通过这个简单的标记，开发者可以在地图上展示特定地点，如用户的当前位置、公司地址等。高德开放平台的API为开发者提供了强大的位置服务工具，涵盖了地图展示、路线规划、定位服务、交通查询、智能调度等多个方面。
2024-10-12 18:08:20
15658
143
原创 从一个尴尬的春节聚会说起：我用 Rokid AR 眼镜做了个聚会游戏助手
为什么不用手机 App 就够了？场景手机方案AR眼镜方案组织者状态眼睛盯着手机屏幕抬头看向参与者题目保密容易被旁人看到只有组织者可见游戏氛围“等等，我看下题”流畅自然时间把控需要看时钟倒计时直接显示手机方案把组织者变成了"管理员"，而眼镜方案让组织者回归"参与者"。Rokid 的 CXR-M SDK 提供了「提词器场景」——这正是我需要的：将文字内容推送到眼镜屏幕显示。配合 TTS（语音合成）能力，还能在游戏开始或结束时播放提示。
2026-03-08 15:21:56
15065
原创 基于 Rust 与 DeepSeek 大模型的智能 API Mock 生成器构建实录：从环境搭建到架构解析
在现代软件工程中，API 接口的开发与前端联调往往存在时间差。为了解耦前后端开发进度，Mock 数据（模拟数据）的生成显得尤为关键。传统的 Mock 数据生成依赖于静态 JSON 文件或简单的规则引擎，难以覆盖复杂的业务逻辑与语义关联。随着大语言模型（LLM）的兴起，利用 AI 根据 Schema 定义动态生成高保真的模拟数据成为可能。
2026-03-05 10:42:25
38153
180
原创 2026年中国GPU算力服务提供商生态全景：市场格局、技术路线与选型指南
中国 GPU 算力服务市场已进入成熟发展期，市场竞争从早期的资源争夺转向技术、服务、生态的综合竞争。企业在选择算力服务商时，应综合考虑资源规模、技术能力、服务质量、资质口碑等多重因素，选择真正能够支撑业务长期发展的合作伙伴。在这一生态格局中，蓝耘元生代云凭借国家级专精特新“小巨人”企业资质、全栈 400G IB 网络架构、裸金属+容器+MaaS 一体化产品体系、以及 7×24 小时专业技术支持，已成为国内 GPU 算力服务领域的重要参与者。
2026-03-04 15:57:55
18013
原创 构建基于 Rust 与 GLM-5 的高性能 AI 翻译 CLI 工具：从环境搭建到核心实现全解析
随着大语言模型（LLM）能力的飞速提升，将 AI 能力集成到终端命令行工具（CLI）中已成为提升开发效率的重要手段。Rust 语言凭借其内存安全、零成本抽象以及极其高效的异步运行时，成为构建此类高性能网络 IO 密集型应用的首选。本文将深度剖析如何使用 Rust 语言，结合智谱 AI 的 GLM-5 模型，从零构建一个支持流式输出、多语言切换及文件批处理的 AI 翻译引擎。本文将涵盖环境配置、依赖管理、异步网络编程、流式数据处理（SSE）、命令行参数解析以及最终的二进制发布优化。cli.rs。
2026-03-02 21:18:29
26394
183
原创 基于 Rust 与大语言模型构建下一代运维配置生成器：深度技术实践
在云原生技术日益普及的当下，Nginx、Docker、Kubernetes 等基础设施的配置文件编写已成为运维工程师与后端开发者的日常痛点。这些配置不仅语法繁杂，且对安全性、性能参数有着极高的要求。手动编写不仅效率低下，且极易引入人为错误。随着大语言模型（LLM）能力的爆发，利用 AI 辅助生成高质量配置代码已成为必然趋势。本文将详细阐述如何利用 Rust 语言的高性能与安全性，结合 GLM-5 等先进大模型，构建一个名为的命令行工具。
2026-02-27 19:01:54
29250
181
原创 基于 Rust 与 DeepSeek V3.2 构建高性能插件化 LLM 应用框架深度解析
随着大语言模型（LLM）技术的飞速迭代，应用开发范式正经历从"单一脚本调用"向"复杂系统工程"的转变。在构建企业级 LLM 应用时，开发者面临的核心挑战在于如何平衡系统的稳定性与灵活性：既要适配快速更迭的模型接口（如 DeepSeek V3.2），又要满足多样化的业务场景（如代码审计、日志分析、运维自动化）。本文将深入剖析如何利用 Rust 语言强大的类型系统与所有权机制，结合 DeepSeek V3.2 强大的推理能力，构建一个高内聚、低耦合的插件化 LLM 应用框架。
2026-02-17 19:12:13
36889
181
原创 破局海量日志噪音：基于 Rust + DeepSeek 实现微服务级联故障的精准定位与自动化修复
在分布式微服务架构日益复杂的今天，系统日志作为观测系统健康状态的核心数据源，其数据量呈指数级增长。传统的基于规则匹配（Rule-based）或简单的关键词搜索的日志分析手段，在面对非结构化数据和复杂级联故障时显得力不从心。本文详细阐述了一种融合 Rust 语言的高性能内存安全特性与 DeepSeek-V3.2 大语言模型推理能力的创新解决方案。通过构建一个 CLI 工具，实现对海量日志的毫秒级解析、异常模式的启发式检测，以及基于 AI 的根因分析（RCA）。
2026-02-15 11:45:34
33552
182
原创 神经网络的几何引擎：深入剖析 ops-nn 的高维张量计算机制
为了应对 AI 模型的快速迭代，ops-nn采用模板元编程技术，将算法逻辑与硬件细节分离。以下代码片段展示了一个通用的卷积算子内核结构描述，体现了 Im2Col 与 Tiling 的结合。// 硬件参数常量定义// 核心计算流程：分块卷积// 1. 初始化片上缓冲区 (Unified Buffer Allocation)// 2. Im2Col 数据加载 (On-the-fly Transformation)// 将 3D 特征图切片加载并展开为 2D 矩阵行。
2026-02-07 13:00:34
293
原创 万卡互联的神经中枢：深入剖析 CANN HCOMM 集合通信库架构
在大模型时代，单卡算力已接近物理极限，成为了唯一的出路。当成千上万个 NPU 芯片协同工作时，它们不再是孤立的计算单元，而是一个巨大的超级计算机。作为 CANN 架构中的分布式通信组件（通常对应 HCCL 库），正是连接这些神经元的突触。HCOMM 不仅仅是数据的搬运工，它是一套深度感知网络拓扑、极致优化带宽利用率的通信协议栈。它向上支撑 PyTorch DDP、MindSpore Parallel 等分布式框架，向下直接驱动 HCCS（片间互联）和 RoCE（节点间 RDMA）硬件链路。
2026-02-07 12:59:20
310
原创 算力之巅的数学引擎：解码 CANN HIXL 高性能计算库的算法内核
在人工智能与科学计算的交汇点上，单纯的神经网络算子（如卷积、Attention）已无法满足日益复杂的异构计算需求。从天气预报中的流体力学仿真，到自动驾驶中的信号处理（雷达/激光雷达），再到金融风控中的蒙特卡洛模拟，底层数学运算的效率决定了系统的响应速度。是 CANN 生态中专为通用数学与科学计算打造的高性能加速库。它对标业界顶尖的数学内核（如 BLAS, LAPACK, FFTW），但针对异构计算架构（NPU）进行了指令级重构。
2026-02-07 12:58:48
208
原创 深度解码 GE：CANN 计算图编译与执行引擎的架构哲学
为了展示 GE 内部是如何定义一个优化策略的，以下代码片段展示了一个典型的图优化 Pass 的 C++ 类接口定义。这反映了 GE 源码层面的架构设计：所有的优化逻辑都封装在继承自的子类中。// GE 内部 Graph Pass 接口定义示例// 该类展示了如何定义一个自定义的图优化遍历器// 继承自标准优化 Pass 基类public:// 构造函数，初始化 Pass 名称与依赖关系// 核心执行入口：接收计算图，返回优化状态// GE 框架会在编译流程中自动调用此函数。
2026-02-07 12:57:59
281
原创 HiXL 核心解密：异构计算中的数学加速引擎与分形内存架构
位于 Runtime 之上，TBE 之下，旨在提供极致性能的通用数学原语（Primitives）。它不仅仅是一组数学函数，更是一套。在 Transformer 或 ResNet 等标准模型中，超过 80% 的 FLOPs（浮点运算量）是由 HiXL 提供的 GEMM（通用矩阵乘）和 Convolution（卷积）内核承担的。
2026-02-07 12:57:29
296
原创 穿越 PCIe 瓶颈：HCLL 底层通信架构与数据传输原语深度解析
描述符是 Host 与 Device 之间交互的最小协议单元。它必须严格遵循硬件定义的 ABI（二进制接口规范）。// HCLL 底层传输描述符 (Hardware ABI Compatible)// 必须按照 64 字节对齐，以匹配 Cache Line 大小// 1. 物理地址字段 (支持 64 位寻址)// 源地址 (可能是 Host RAM 或 Device HBM)// 目的地址// 2. 传输控制// 传输长度 (Bytes)
2026-02-07 12:56:56
274
原创 图算合一的指挥官：深度剖析 CANN GE 图引擎的编译与执行机理
在深度学习框架（PyTorch, MindSpore, TensorFlow）与底层硬件（Ascend NPU）之间，存在着一道巨大的语义鸿沟。框架描述的是“算子与其连接关系”（逻辑图），而硬件执行的是“指令流与内存地址”（物理流）。填补这道鸿沟的，正是。GE 是 CANN 架构中的。它不仅仅是一个简单的翻译器，更是一个精通硬件特性的战略家。它负责将上层框架下发的计算图（Compute Graph），转化为适配升腾 AI 处理器的离线模型（Offline Model, OM）。
2026-02-07 12:56:25
262
原创 CANN 算力之源：解构 ops-math 的高性能数学原语实现
在深度学习的宏大叙事下，神经网络的每一次推理与训练，本质上都是海量数学运算的叠加。CANN（Compute Architecture for Neural Networks）作为 AI 硬件的使能层，其核心竞争力不仅在于对矩阵乘法的极致加速，更在于对基础数学原语的精细打磨。ops-math模块（通常集成于基础算子库中）承担着这一关键角色，它将抽象的数学公式转化为 NPU 上的微架构指令，是在硅基上重构数学逻辑的基石。
2026-02-07 12:55:54
408
原创 分布式算力的神经网络：HCCL 的集合通信与拓扑感知机制
在单卡算力逼近物理极限的今天，大语言模型（LLM）的训练早已演变为一场成千上万个 NPU 协同作战的“交响乐”。如果说ops-math是单个乐手的演奏技巧，ops-nn是乐谱的章节，那么就是指挥整个乐团同步节奏、传递旋律的神经中枢。HCCL 不仅仅是一个数据传输库，它是分布式深度学习的数学基石。
2026-02-07 12:55:21
383
原创 计算图的编排艺术：GE (Graph Engine) 的全栈图编译与执行
在 AI 软件栈的深处，如果说ops-math提供了基础的算术指令，ops-nn封装了神经网络的语义，那么则是整个计算系统的“大总管”与“编译器”。它是连接上层框架（如 TensorFlow, PyTorch, MindSpore）与底层硬件（NPU）的关键枢纽。GE 的核心职能是将用户定义的“逻辑计算图”转化为 NPU 可执行的“物理计算图”。这一过程不仅仅是简单的格式转换，而是一场涉及图论算法、编译器优化理论（Compiler Optimization）以及硬件资源调度的复杂工程。
2026-02-06 19:26:48
245
原创 图算合一的指挥官：深度剖析 CANN GE 图引擎的编译与执行机理
为了更直观地理解 GE 如何构建计算图，以下代码展示了在底层 C++ API 层面，如何定义一个算子并将其串联到 Graph 中。这并非上层框架的 Python 代码，而是 GE 内部处理图结构的核心逻辑抽象。// 定义一个构建简单图结构的函数// 该示例展示了 Data -> Convolution -> Activation 的连接过程// 1. 定义输入节点 (Data)// Data 算子是图的入口，承载 Input Tensor// 2. 定义权重节点 (Const)
2026-02-06 19:25:05
294
原创 像素级加速引擎：深度解构 CANN OPS-CV 计算机视觉算子库
为了展示 OPS-CV 中算子是如何被形式化定义的，以下代码展示了一个典型的图像处理算子（如Resize）在底层 C++ 接口中的原型声明与校验逻辑。这部分代码属于算子开发层，用于指导系统如何构建图和分配内存。// 定义 Resize 算子的原型// 继承自 Operator 类，注册输入输出端口和属性.INPUT(x, TensorType({DT_FLOAT, DT_FLOAT16, DT_UINT8})) // 输入图像。
2026-02-06 19:21:02
252
原创 视觉皮层的硬件加速：深入解析 ops-cv的图像处理管线
ops-cv的使用通常涉及 Host 端的配置与 Device 端的执行。以下是一个简化的 C++ 伪代码，展示了如何利用ops-cv定义一个图像缩放（Resize）任务。// 图像预处理管线类public:// 1. 创建 DVPP 通道// DVPP 硬件资源需要显式申请// 2. 配置缩放参数// 设置插值算法为线性插值// 执行缩放操作// 3. 构建输入描述 (PicDesc)
2026-02-06 19:19:54
198
原创 算力核心的数学基石：CANN Math 加速库的算法架构解析
在异构计算的深水区，库不仅仅是标准数学函数的集合，它是连接抽象数学理论与 NPU 物理算力的“翻译器”。它承担着将线性代数、信号处理及超越函数映射到 AI Core 特定计算单元（Cube/Vector）的重任。Math 库通过极致的指令流水线编排和存储格式优化，解决了通用数学算法在专用 AI 芯片上“水土不服”的难题，为上层框架提供了比肩手写汇编的性能。
2026-02-06 19:17:27
291
原创 异构计算的指挥官：CANN Runtime 运行机制深度解构
在 AI 硬件生态中，算子性能的天花板往往由编译器决定。即使拥有强大的 NPU 架构，若缺乏高效的代码生成能力，也无法充分发挥硬件潜力。CANN 开源生态中的 tbe（Tensor Boost Engine）项目，正是为解决这一问题而构建的领域专用编译器框架——它允许开发者使用高级抽象语言描述计算逻辑，并自动将其编译为高度优化的 NPU 指令，极大降低高性能算子开发门槛。本文将深入tbe的设计哲学，并通过一个“稀疏注意力”算子的完整开发案例，展示如何从数学表达式到 NPU 汇编的全自动优化流程。
2026-02-06 19:16:09
326
原创 深度解构 Graph Engine：计算图编译与执行的“指挥官”
在异构计算系统中，Graph Engine (GE) 是连接上层框架与下层硬件的枢纽。它接管了由 Parser 解析后的原始计算图，通过一系列复杂的图编译（Graph Compilation）、优化（Optimization）和分区（Partitioning）操作，最终生成可被 Runtime 直接加载执行的离线模型（OM）。GE 的核心价值在于：在无需用户感知的情况下，自动挖掘图结构中的并行性与局部性，最大化 NPU 的硬件利用率。
2026-02-06 19:14:49
301
原创 深度学习的编译大脑：CANN Graph Engine (GE) 图编译技术深度解构
在 CANN 全栈体系中，扮演着“高级编译器”的角色。它位于深度学习框架（如 PyTorch/TensorFlow）与底层运行时（Runtime）之间，负责将用户定义的计算逻辑（计算图）转化为硬件可执行的指令序列。GE 的核心价值在于其强大的图级优化能力、静态内存规划以及对异构计算资源的自动化编排。本文将深入剖析 GE 的内部流水线，揭示其如何通过六大核心阶段将模型推理性能推向极致。
2026-02-06 19:12:46
401
原创 深度解码 GE：CANN 计算图编译与执行引擎的架构哲学
为了展示 GE 内部是如何定义一个优化策略的，以下代码片段展示了一个典型的图优化 Pass 的 C++ 类定义。这不是用户脚本，而是 GE 源码层面的架构实现。
2026-02-06 19:11:56
361
原创 极致像素：解构 CANN Ops-CV 高性能算子库的微架构设计
在计算机视觉（CV）的计算流中，除了通用的矩阵乘法（GEMM），还存在大量诸如图像金字塔构建、非极大值抑制（NMS）、仿射变换以及色彩增强等非规则运算。这些任务往往成为 AI 推理流程中的“长尾”瓶颈。库不仅仅是算法的集合，它代表了一种基于 AI Core 架构的领域特定语言（DSL）编程范式，旨在通过向量化并行与精细的内存管理，榨干硬件的每一个计算周期。本文将深入剖析 Ops-CV 的内部实现机制，探讨其如何通过六大核心技术维度，在 NPU 上重构视觉计算的性能基线。
2026-02-06 19:10:36
385
原创 基于 Rust 与 DeepSeek 构建高性能 Text-to-SQL 数据库代理服务
在当前数据库交互范式演进的过程中，将自然语言（Natural Language, NL）直接转化为结构化查询语言（Structured Query Language, SQL）已成为提升数据可访问性的关键技术路径。本文将深度剖析如何利用系统级编程语言 Rust 的高性能特性，结合 PostgreSQL Wire Protocol（数据库传输协议）与 DeepSeek 大语言模型的推理能力，构建一个透明的数据库代理层。
2026-02-03 20:15:23
32420
180
原创 构建高性能生成式AI应用：基于Rust Axum与蓝耘DeepSeek-V3.2大模型服务的全栈开发实战
在当前生成式人工智能蓬勃发展的技术浪潮中，构建高效、安全且响应迅速的AI应用后端已成为开发者的核心诉求。Rust语言凭借其内存安全、零成本抽象以及惊人的执行效率，正逐渐成为构建高性能Web服务的首选语言之一。结合蓝耘（Lanyun）提供的DeepSeek大模型MaaS（Model as a Service）服务，开发者能够以极低的延迟和极高的吞吐量处理复杂的自然语言处理任务。
2026-02-01 02:04:19
37182
181
原创 深入解析 Rust + LLM 开发：手把手教你写一个 AI 运维助手
本文详细阐述了利用 Rust 系统级编程语言结合蓝耘（Lanyun）MAAS 平台的大语言模型能力，开发一款智能命令行助手（CLI）的全过程。文章从 Linux 服务器的基础环境构建入手，深入剖析了 Rust 异步运行时、HTTP 客户端封装、命令行参数解析及终端交互界面的实现原理。特别针对开发过程中涉及的 OpenSSL 动态链接库依赖问题、Rust 类型系统的 Trait 约束问题进行了深度排查与原理解析。
2026-01-28 21:01:06
42710
182
原创 技术基石与职场进阶：构建从Web后端到高性能架构的完整知识图谱
从Web开发的基石PHP，到数据处理的核心SQL，再到高性能架构的利器Go，这三本书籍构成了一个从基础到进阶、从应用逻辑到底层性能的完整技术闭环。每一本书都通过精心的图解与实战案例，将抽象的技术原理转化为可落地的方法论，为技术人员在职场中的持续成长提供了坚实的理论支持与实践指导。读者通过系统地学习这些内容，不仅能够掌握具体的编程语法，更能建立起对软件系统架构的整体认知。
2026-01-12 21:56:52
977
原创 【TextIn大模型加速器 + 火山引擎】文件智能体构建全路径指南
在当前的大模型应用生态中，如何精准地将非结构化文档（图片、PDF、复杂表格）转化为大模型可理解的结构化数据，是提升 Agent 智能程度的关键瓶颈。合合信息推出的 TextIn 通用文档解析专业版（ParseX）配合字节跳动火山引擎的 Coze 平台，提供了一套高效的解决方案。本指南将从底层逻辑到具体配置，还原整个智能体的构建过程。
2025-12-23 16:02:38
49957
228
原创 基于CodeRider-Kilo和MySQL开发一款书店管理系统
在传统的软件开发流程中，开发者往往需要在浏览器搜索引擎、AI 问答网页以及集成开发环境（IDE）之间频繁切换。这种碎片化的工作方式不仅降低了代码编写的连贯性，还容易在复制粘贴的过程中引入缩进错误、格式不兼容或上下文丢失等问题。CodeRider-Kilo 的出现彻底改变了这一现状。它不是一个独立的外部工具，而是深度集成在 VSCode 内部的智能助手。它通过直接读取项目文件、理解代码逻辑结构以及实时感知开发上下文，为开发者提供了一站式的编程支持。这种深度集成的特性，使得它在处理复杂的项目逻辑时，比通用的网页
2025-12-18 23:04:03
7509
原创 基于 DeepSeek V3.2 构建企业级智能 Text-to-SQL 专家系统实战指南
在当前的数据驱动业务场景中，非技术背景的业务人员常常面临“查数难”的痛点。他们懂得业务逻辑，却无法编写复杂的 SQL 查询语句。为了解决这一矛盾，利用大语言模型（LLM）构建 Text-to-SQL（自然语言转 SQL）工具成为了极其高效的解决方案。DeepSeek V3.2 模型凭借其在数学逻辑、代码生成及结构化数据处理上的卓越表现，成为此类任务的理想选择。
2025-12-17 10:19:19
33967
179
原创 政治工作流领域的智能化转型：知识库问答系统的全流程构建与解析
在当前大语言模型（LLM）的应用开发中，通用模型往往难以满足特定行业对于数据精准度与时效性的严苛要求。特别是在政治、法律及特定行业规范等垂直领域，模型出现“幻觉”不仅会降低可用性，更可能引发合规风险。为此，检索增强生成（RAG）技术与高质量的行业合成数据成为了解决这一问题的关键路径。本文将以蓝耘平台为例，全方位解析如何通过自动化数据合成、向量知识库构建以及可视化工作流编排，打造一个高可用的行业问答智能体。通过上述全流程的拆解，我们展示了如何从零开始，利用蓝耘平台的工具链，完成了一个垂直领域智能体的落地。
2025-12-01 13:32:01
23626
181
原创 从正确到卓越：昇腾CANN算子开发高级性能优化指南
从写出功能正确的代码，到创造出能将硬件性能压榨到极限的艺术品，这正是底层开发的魅力所在。这趟旅程，将磨练你作为工程师最宝贵的品质：对细节的极致追求，和对系统全局的深刻洞察。操作可以在硬件层面并行执行（一个在AI Core，一个在DMA引擎），极大地隐藏了数据传输的延迟，从而填补了Timeline上的空闲间隙，提升AI Core利用率。它是你的眼睛，能让你穿透软件的表象，直视硬件执行的每一个细节。如果你已不满足于“让它跑起来”，而是渴望“让它飞起来”，那么，是时候进入优化的深水区了。它最高效的工作模式是。
2025-11-07 12:23:01
971
原创 从静态优化到动态自适应：揭秘昇腾CANN中的算子自动调优（Auto-Tune）机制
这些技术的核心，是在**给定一个具体的输入形状（Shape）**的前提下，通过精细的手工调优，找出一套最优的性能参数组合（如Tile Size, 并行策略等），从而将算子的性能推向极致。然后，Auto-Tune这个自动化系统，就能根据顾客的每一个不同点单（不同的输入Shape），自动地从我们的菜谱和食材中，组合出“当时当地”最好吃的那道菜，并把配方记录下来。手工性能优化，就像是一位经验丰富的大厨，为一道特定的菜（一个特定的Shape）精心调配佐料，最终做出一道“国宴”级别的菜品。
2025-11-07 12:22:25
1065
原创 深入昇腾 CANN 开发：环境搭建常见问题与实战解决策略
不过好消息是，那些曾经让我抓耳挠腮的坑，现在都变成了这篇指南里的宝贵经验。相信我，每个程序员的成长之路上，都有一座名为“环境配置”的大山。你以为的开发是这样的：灵感迸发，键盘飞舞，代码行云流水。这意味着，你已经征服了环境配置这座大山，可以真正开始你的CANN算子开发之旅了。在这里，你遇到的任何问题，都可以提出来和老师、同学交流，避免一个人钻牛角尖。我一开始想当然地在昇腾社区下载了最新版的Toolkit，但服务器上的驱动还是旧的。不仅有从零开始的系统课程，更重要的是，它有一个活跃的开发者社区和答疑群！
2025-11-06 18:08:27
865
原创 深入解析昇腾CANN：从硬件架构到Ascend C算子开发全景指南
本文旨在系统性地剖析华为昇腾（Ascend）的异构计算架构CANN，从其在AI技术栈中的战略定位，到昇腾AI处理器的微观硬件架构，再到Ascend C编程模型的核心思想与性能优化哲学，最终落地到一套完整、可复现的算子开发流程，为致力于成为AI系统核心人才的开发者，提供一份从宏观理论到微观实践的全景式技术指南。不理解硬件的脾性，就写不出真正高效的代码。算子开发者的代码最终是在物理硬件上运行的，因此，对昇騰AI处理器（特别是其Da Vinci架构）的核心微观结构有一个清晰的认知，是进行性能优化的前提。
2025-11-06 18:07:03
1384
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人