- 博客(97)
- 收藏
- 关注
RSS订阅
原创 大语言模型系列(6): Qwen3-embedding-0.6B 使用指南
本文详解 Qwen3-embedding-0.6B 模型在 Windows 与 Android 平台的部署与使用流程。内容涵盖基于 QAI AppBuilder 的底层环境搭建、依赖安装及推理测试，并重点提供了 Android 端 QNN 推理、Java 前后处理以及 JNI C++ 调用的核心代码示例，助力开发者快速落地文本嵌入功能。
2026-03-23 16:24:11
631
原创 带你上手高通跃龙 QCS8550 (3): YOLOv8 部署零基础实战
YOLOv8是 Ultralytics 推出的经典前沿目标检测模型，在业界被广泛应用于无人巡检、机器人导航以及智能安防等领域。Anchor-Free（无锚框设计）：直接预测物体中心点和宽高偏移量，极大减少了预设超参数数量，对不同长宽比目标的泛化能力更强；解耦检测头（Decoupled Head）：将分类分支与边框回归分支彻底分离，显著提升了训练收敛速度与检测准确率；轻量级网络骨干（C2f 模块）：融合了丰富的高低层特征信息，在更低的计算量下保留更强烈的语义特征。完全解耦本地路径。
2026-10-27 10:52:52
154
原创 带你上手高通跃龙 QCS8550 (2): QNN底座与QAI AppBuilder完整安装指南
全平台物理连接打通：通过 USB + ADB 端口映射，消除因网络变动导致的连接痛点；QNN 2.34 底层驱动手动闭环部署：将底层动态库与 HTP V73 固件精准部署到系统级目录，并通过验证成功；QAI AppBuilder 框架就绪：成功构建/安装 Python 包，并完成 NPU 硬件联动验证。底座驱动与开发套件已经全部就绪！接下来请进入《带你上手高通跃龙 QCS8550 (3): YOLOv8部署零基础实战》
2026-10-27 10:40:56
247
原创 带你上手高通跃龙 QCS8550 (1): 核心定位、芯片架构与典型应用场景全解析
犀牛派 X1 是一块以高通跃龙 QCS8550 为核心、可运行 Ubuntu 22.04 的嵌入式计算开发板。它既具备 Linux 主机的系统和网络能力，也提供摄像头、显示、音频、存储与 GPIO 扩展资源，适合构建视觉终端、语音交互设备、机器人、工业网关和其他边缘智能设备。
2026-10-27 10:14:01
275
原创 Windows on Snapdragon白皮书系列(1)：如何在Windows on Snapdragon设备上安装 RSAT
本文介绍了在 Windows on Snapdragon（Windows 11 24H2、25H2、26H1）设备上三种方式安装和使用 RSAT（远程服务器管理工具）的方法，涵盖 Active Directory、DNS、DHCP、组策略等常用管理组件。文章分别说明了通过控制面板、设置应用及 PowerShell 安装 RSAT 的步骤，并提供了安装结果的验证方法。
2026-10-15 09:51:13
390
1
原创 QAI AppBuilder - 用AI开发端侧AI应用(3): 从模型转换到猜拳游戏实战
本文是 QAI AppBuilder 3.0 系列文章的第三篇，也是本系列的收官篇。在前两篇完成环境搭建、示例运行以及板端模型转换流程介绍的基础上，本文进一步聚焦“从模型到应用”的完整实践：以 YOLO v10 手势识别模型为例，演示如何借助 QAI AppBuilder 3.0 的 Model Builder 能力，将 PyTorch/ONNX 模型转换为适用于骁龙® 平台端侧推理的模型资产，并继续基于 QAI AppBuilder 推理引擎和 Coding 工作流搭建一个可交互的“猜拳游戏”AI 应用。
2026-09-16 18:34:05
126
原创 QAI AppBuilder - 用AI开发端侧AI应用(2): 模型转换实战
本文是 QAI AppBuilder 3.0 系列文章的第二篇。在第一篇介绍 Windows/Linux 环境部署与示例运行的基础上，本文进一步聚焦 QAI AppBuilder 3.0 的板端模型转换能力：以 Linux 开发板为主要环境，介绍如何通过 QAI AppBuilder 的 Web UI 和 Agent 工作流完成模型下载、模型转换、量化配置、QNN/QAIRT 格式导出与结果验证。通过自然语言描述目标模型、量化精度、标定数据和部署平台，开发者可以减少手写转换命令和反复查阅工具链参数的成本，更
2026-09-15 18:13:15
242
原创 QAI AppBuilder - 用AI开发端侧AI应用(1): 应用开发入门
本文是 QAI AppBuilder 3.0 系列文章的第一篇，将从快速上手角度介绍高通开源工具 Quick AI Application Builder（QAI AppBuilder）在 Windows on Snapdragon 和 Linux 平台上的环境准备、安装配置与示例运行流程。除继续提供面向 Qualcomm NPU/HTP 的统一推理接口外，3.0 版本进一步强化了一站式 Agent 开发能力：开发者可以通过自然语言描述应用需求，由 AI Agent 辅助完成模型选择、转换、部署与应用生成。
2026-09-15 09:47:55
289
原创 Windows系统部署系列(4)：基于 PowerShell 7的 Windows 11 on ARM 内网部署方案
本文档介绍基于 Windows PE 与 PowerShell 7 的 Windows 11 ARM64 内网部署方案，适用于骁龙 X 平台设备。通过内网共享服务器统一存储系统镜像、驱动、应用及脚本，实现自动化部署。部署流程包括WinPE启动、连接共享资源、执行POI主控脚本完成磁盘初始化、系统安装、驱动注入、无人值守配置及应用预装。该方案无需复杂部署框架，可实现快速、标准化、高一致性的系统交付与环境配置。
2026-08-05 16:37:57
295
原创 Windows系统部署系列(3)：使用 Sysprep 制作集成应用程序的 Windows 安装镜像
本文详细介绍了基于 Windows on Snapdragon 的 ARM64 设备，采用 Sysprep 方法制作集成应用的定制化 Windows 11 安装镜像的完整流程。内容涵盖前置条件、审核模式配置、应用与驱动集成、系统封装、镜像捕获与拆分，以及安装验证，适用于企业级标准化部署与批量交付。
2026-07-23 09:52:10
286
原创 Windows 系统部署系列(2)：基于 PowerShell 图形化工具的 Windows ISO OEM 驱动集成指南
本文提出一种基于 PowerShell 图形化工具的 Windows ISO 驱动集成方案，通过自动化完成映像挂载、驱动注入与 ISO 重构，解决部署过程中设备识别与兼容性问题，并提升企业级 Windows 在 OEM 及 ARM64 平台上的部署成功率。
2026-07-16 09:16:48
219
原创 Windows 系统部署系列(1)：基于ARM架构的Windows 11 系统安装指南
本文档说明了在 ARM 架构设备上，通过 U 盘 完成 Windows 11 全新安装的操作流程，以及系统安装完成后的初始配置说明，并补充了在 FAT32 启动场景下拆分 install.wim 文件的必要方法
2026-07-09 13:01:16
481
原创 WinPE制作系列(2)：制作集成PowerShell 7的ARM64 WinPE映像
本文介绍了如何为 ARM64 设备制作集成 PowerShell 7 的 WinPE 映像，包括基础环境构建、组件与更新注入以及 PowerShell 7 的集成过程。该方案通过集成PowerShell 7,提升了ARM64平台自动化部署的可维护性与一致性，适用于企业级部署系统恢复及设备运维场景。
2026-07-02 12:21:28
548
原创 大语言模型系列(9): SD3.5 Medium模型端侧部署使用指南
本文介绍了基于QAI AppBuilder (https://github.com/qualcomm/qai-appbuilder)项目在 Windows 和Android平台上部署SD3.5 Medium模型的步骤，提供服务启动与 OpenAI 兼容接口调用方案。
2026-07-02 10:41:26
349
原创 大语言模型系列(8): Qwen2.5-omini-3B 端侧部署推理教程
本文介绍了基于QAI AppBuilder (https://github.com/qualcomm/qai-appbuilder)项目在 Windows 和Android平台上部署Qwen2.5-omini-3B模型的步骤，提供服务启动与 OpenAI 兼容接口调用方案。
2026-07-01 13:52:02
309
原创 大语言模型系列(7): Qwen3-8B-8K模型端侧部署指南
本文介绍了基于ai-engine-direct-helper项目在Windows和Android平台上部署Qwen3-8B-8K模型的步骤，提供服务启动与OpenAI兼容接口调用方案。
2026-04-27 14:26:12
341
原创 WinPE制作系列(1)：如何为ARM架构的设备制作WinPE映像
本文详细介绍了如何为基于骁龙 X 系列平台的 ARM 架构设备制作 ARM64 WinPE 启动环境，涵盖 ADK 与 WinPE Add-on 准备、WinPE 映像定制、组件与补丁集成、驱动注入以及可启动 U 盘制作等关键步骤，适用于系统部署、维护与故障排查场景。
2026-04-16 11:34:34
1999
4
原创 大语言模型系列(5): Qwen3-Reranker-0.6B 使用指南
Qwen3-Reranker-0.6B 使用指南围绕文本相关性判定需求，提供跨 Windows/Android 平台的部署方案：Windows 端通过 Python 环境快速验证模型推理效果（支持相关性评分与耗时统计），Android 端提供 Java 前后处理封装及 JNI 层推理调用示例，帮助开发者高效实现文本重排功能。
2026-03-09 16:28:59
460
原创 大语言模型系列(4): BGE-Base-Zh-V1.5 端侧使用教程
该文章为 BGE-Base-Zh-V1.5 模型的端侧部署使用教程，基于 ai-engine-direct-helper 项目，提供了 QNN SDK 相关下载地址。内容围绕模型在 Windows 和 Android 平台的推理展开，涵盖环境准备、依赖配置、模型初始化、数据预处理与后处理、推理执行及资源释放等核心流程，助力用户在端侧设备上顺利实现该模型的推理应用。
2026-02-02 15:45:48
1102
原创 大语言模型系列(3): Qwen2.5-VL-3B 多模态模型端侧部署
本文详细介绍了基于 ai-engine-direct-helper 项目在 Windows 和 Android 平台上部署 Qwen2.5-VL-3B 模型的步骤，包括模型与服务程序的下载、安装路径配置以及具体的命令行运行指令。
2026-01-28 17:13:41
1762
1
原创 SuperResolution图像前后处理逻辑从C++迁移到Java的开发文档
本文档详细阐述了在Android超分辨率项目中，将图像预处理和后处理逻辑从C++ Native层迁移至Java应用层的技术方案。重点介绍了通过ByteBuffer优化JNI数据传递、在Java层集成OpenCV库以及修改Gradle配置的具体步骤。该重构旨在简化Native层职责，利用Java层调试优势提升开发效率，并减少对Native编译环境的依赖。
2025-11-24 09:00:00
1163
原创 Genie API 服务开发指南
本指南解析了Genie API Service的混合架构，该应用结合了Java前端服务与C++推理后端，用于在Android设备后台运行高性能AI模型。文档详细说明了ForegroundService的生命周期管理、核心C++库的加载流程，并提供了关于如何通过ADB推送模型文件、修改config.json配置文件以及在设备上启动本地Web服务进行模型推理的完整操作手册。
2025-11-24 09:00:00
1178
原创 GenieChat：使用 Genie API 构建 LLM 驱动的Android应用
本文档指导开发者构建一个名为GenieChat的完整Android聊天应用，用于与本地LLM进行交互。核心内容涵盖了使用OkHttp处理API的流式响应（Stream）以实现实时打字机效果，集成Markwon库渲染Markdown格式的AI回复，以及构建基于RecyclerView的聊天UI。此外，还介绍了如何动态配置API地址及Temperature、Top P等模型参数。
2025-11-24 09:00:00
992
原创 基于高通跃龙 QCS6490 平台的Sherpa快速部署
这篇文章介绍了如何在 Linux 系统上构建和安装 Sherpa-onnx，一个用于语音识别和关键词检测的高性能工具。内容涵盖了从源码克隆、依赖安装、编译配置到最终生成可执行文件的完整流程。通过详细的步骤指导，用户可以在本地环境中成功部署 Sherpa-onnx，从而实现离线语音识别、关键词检测、语音增强等功能。文章还强调了使用 CMake 构建项目的重要参数设置，并提供了多种模型支持选项，如 Transducer、Paraformer、CTC 等，满足不同场景的需求。
2025-10-17 16:24:23
1202
原创 大语言模型系列(2): 本地 OpenAI 兼容 API 服务的配置与部署
WebUI是在 Windows on Snapdragon 平台用 QAI AppBuilder 和 Python Gradio 扩展构建的 WebUI AI 应用。主要提供 ImageRepairApp、StableDiffusionApp、GenieWebUI 三款应用，可通过命令或双击对应 bat 文件启动。
2025-08-11 10:44:54
3287
原创 大语言模型系列(1): 3分钟上手，在骁龙AI PC上部署DeepSeek!
这篇文章带你实战体验如何在搭载骁龙平台的 AI 笔记本上，借助高通开源的 Quick AI Application Builder（QAI AppBuilder），在本地设备快速部署并运行大语言模型（LLM）。无需云端、无需复杂依赖，真正实现“模型在手，推理自由”。适合所有想快速上手本地 LLM 的开发者。
2025-07-17 17:04:23
4385
1
原创 QAI AppBuilder 快速上手(10): 图像生成应用实例
Stable Diffusion 是一种先进的图像生成模型，能够根据用户提供的文本描述生成高质量的图像。它利用深度学习技术，通过解析和理解文本内容，创建出逼真且细致的图像。该模型在艺术创作、广告设计、游戏开发等领域具有广泛的应用前景。用户只需输入详细的描述，Stable Diffusion 就能生成符合要求的图像，极大地提高了创作效率和灵感的实现。无论是风景、人物还是抽象艺术，Stable Diffusion 都能为用户提供令人惊叹的视觉效果，成为现代图像生成技术的重要工具。
2025-04-23 11:09:35
1371
原创 QAI AppBuilder 快速上手(9): 人体关键点检测应用实例
OpenPose能够在图像和视频中检测和跟踪人体的多个部位，包括身体、面部、手和脚。OpenPose可以识别和跟踪关键点，其中包括身体/脚关键点、每只手的关键点以及面部关键点。它被广泛应用于体育分析、医疗保健、动画和增强现实等领域。OpenPose采用卷积神经网络（CNN）架构，通过多阶段CNN管道生成部位置信度图和部位亲和场，从而准确确定个体的姿态。
2025-04-08 16:38:27
1323
原创 QAI AppBuilder 快速上手(8): 图像修复应用实例2
LaMa-Dilated是一个高分辨率图像修复模型，专门用于在设备上进行图像的擦除和修复。该模型利用卷积神经网络（CNN）架构，通过扩张卷积技术来处理输入图像，从而实现高效的图像修复。LaMa-Dilated能够在保持图像细节的同时，填补缺失部分，使得修复后的图像看起来更加自然。它广泛应用于图像编辑、增强现实和其他需要高质量图像处理的领域。该模型支持多种设备和平台，包括手机和平板电脑，能够在这些设备上实现实时处理。
2025-04-08 16:30:28
1132
原创 探索高通骁龙光线追踪技术
自2022年高通公司推出首款支持硬件实时光线追踪的移动平台以来，光线追踪技术显著提升了手机游戏的视觉效果。越来越多的用户能够在手机上体验到更加逼真的光影效果，享受更高质量的游戏体验。
2025-04-03 17:39:22
1572
原创 QAI AppBuilder 快速上手(7): 目标检测应用实例
YOLOv8_det专为高效、准确地检测图像中的物体而设计。它采用了改进的主干网络（Backbone）、Neck 层和解耦头（Decoupled Head）结构，支持多任务处理，包括目标检测、实例分割和关键点检测。YOLOv8_det 在性能和灵活性上有显著提升，适用于各种计算设备和应用场景。
2025-03-17 11:26:12
1505
原创 QAI AppBuilder 快速上手(6): 图像分割应用实例
unet_segmentation模型（U-Net）是一种专门用于图像分割任务的卷积神经网络（CNN），它采用对称的编码器-解码器结构，编码器部分逐步提取图像特征，而解码器部分逐步恢复空间分辨率，从而实现精确的像素级分割。U-Net 在医学影像分析、卫星图像处理和自动驾驶等领域有广泛应用，能够在少量训练数据上取得优异的分割效果
2025-03-17 11:23:06
1374
原创 QAI AppBuilder 快速上手(5): 图像分类和识别应用实例
Inception_v3 是一种卷积神经网络模型，主要用于图像分类和识别任务。它通过因式分解卷积来提高计算效率，并引入了批量归一化技术，以增强训练稳定性和收敛速度。Inception_v3 在 ImageNet 数据集上表现出色，具有较高的准确性和较低的计算成本，是图像处理领域的重要工具。
2025-03-11 11:14:32
1505
原创 QAI AppBuilder 快速上手(4): 图像超分应用实例2- Real_esrgan_general_x4v3
Real-ESRGAN-General-x4v3 也是一种图像超分辨率模型。该模型基于 ESRGAN（增强型超分辨率生成对抗网络）进行优化，采用了 Residual in Residual Dense Block（RRDB）结构，增强了特征提取能力。此外，模型还使用 U-Net 作为判别器，提供更精确的像素级反馈。通过模拟现实中的图像退化过程，Real-ESRGAN-General-x4v3 能生成更接近真实的低质图像，从而在放大时保留更多细节。
2025-03-11 11:07:11
1995
原创 QAI AppBuilder 快速上手(3): 图像修复应用实例1
AOTGAN是一种基于注意力机制的生成对抗网络（GAN）模型，主要用于图像修复任务。本文章主要介绍AOTGAN模型的使用方法，并通过示例演示来进行对模型使用的深入了解。
2025-02-24 11:13:25
1286
原创 QAI AppBuilder 快速上手(2): 图像超分应用实例
Real-ESRGAN-x4plus 是一种图像超分辨率模型，能够将低分辨率图像放大4 倍，同时保持高质量和细节。它不仅可以显著提升图像的清晰度，还具备去噪能力，使得放大的图像更加清晰和自然。这个模型特别适合用于图像增强等应用场景。
2025-02-24 11:11:11
2015
原创 探索高通骁龙游戏超分辨率技术：移动游戏的未来
在移动游戏领域，高通一直致力于游戏性能的优化和画质的提升，结合骁龙处理器不断推出各类解决方案。在2024年，高通就推出了一项令人振奋的新技术——骁龙游戏超分辨率（Snapdragon Game Super Resolution 2，简称GSR2），这项技术将大幅提升移动游戏的体验。
2025-02-14 10:46:23
3731
原创 高通推出骁龙游戏超级分辨率™：充分释放移动游戏性能，带来更持久的续航
高通技术公司持续引领移动游戏技术潮流，推出Snapdragon Elite Gaming全新特性——骁龙游戏超级分辨率(Snapdragon Game Super Resolution™, Snapdragon GSR)，充分释放游戏性能，带来更持久的电池续航。
2025-02-14 10:38:05
2353
原创 QAI AppBuilder 快速上手(1): 环境配置
AI-Engine-Direct-Helper 是一个用于简化 AI 模型在 Qualcomm 平台上运行的工具。它主要用于与 Qualcomm® AI Engine Direct（也称为 QNN SDK）配合使用，提供统一的低级 API 以加速 AI 的开发。本文基于 Qualcomm GitHub上开源的代码，介绍了如何为 QAI AppBuilder 自动和手动设置基于x64版本 Python 及 QNN 环境，以方便后续使用 Qualcomm AI应用。
2025-02-12 11:18:09
1824
原创 边缘智能创新应用大赛获奖作品系列三：边缘智能强力驱动，机器人天团花式整活赋能千行百业
边缘智能技术快速迭代，并与行业深度融合。它正重塑产业格局，催生新产品、新体验，带动终端需求增长。为促进边缘智能技术的进步与发展，拓展开发者的思路与能力，挖掘边缘智能应用的创新与潜能，高通技术公司联合阿加犀智能科技主办了“2024高通边缘智能创新应用大赛”。大赛共甄选出 36 个卓越项目，以下为智能机器人赛道中独立开发者、高校开发者和企业开发者的优秀项目分享。
2024-12-16 13:56:45
1301
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