搜索:"算"
找到 89 篇与 "算" 相关的文章
AI破晓:全新大模型颠覆认知,性能飙升!
2024下半年,多模态大模型向“世界模型”进化,GPT-4o、Gemini 2.0等实现语音、视觉、文本融合,理解空间与因果。端侧AI突破功耗限制,Llama 3.2、Qwen2.5-Coder等实现设备端高效运行,催生离线智能与隐私保护新范式。AI Agent从工具调用转向自主规划,AutoGen v2.0、Agen...
算力军备竞赛:AI巨头加速布局
英伟达凭借H100/B200芯片和CUDA生态主导AI算力市场,但AMD、英特尔及专用AI芯片(TPU、LPU)正加速追赶。算力需求正从训练转向推理,推动芯片设计追求能效与适配度。端侧AI芯片(高通、苹果NPU)兴起,实现本地运行大模型。中国算力生态在管制下以华为昇腾、寒武纪等芯片和Chiplet技术突围,但生态与集群...
OpenClaw安装完整流程
本教程详细介绍了在Ubuntu 20.04上安装OpenClaw v2.1.0的完整流程。OpenClaw是面向ARM/x86异构设备的轻量级AI推理加速框架,支持ONNX等模型。安装包括:安装OpenCL运行时和依赖库(Eigen3、nlohmann-json),通过CMake编译源码,并设置CUDA选项。验证方法包...
从零到一:扣子智能体如何重塑AI应用构建范式
字节跳动推出的扣子(Coze)智能体平台,以零代码编排方式融合大模型、插件、知识库与工作流,让用户像搭积木一样构建自主智能体,大幅降低AI应用开发门槛。其核心能力包括插件生态、知识库管理和可视化工作流编排,支持从生活助手到企业全链路自动化。尽管面临智商上限、数据安全等挑战,但正推动“智能体设计”成为新基础技能,重塑软件...
数据蒸馏:从海量数据中提炼高效的训练精华
数据蒸馏技术通过合成或选择少量高质量数据替代海量原始数据,在保持模型性能的同时大幅降低训练成本。主流方法包括合成式(如数据集蒸馏)和选择式(如核心集选择)。该技术已在图像分类、NLP、多模态及自动驾驶等领域加速模型迭代,但仍面临计算效率、跨架构泛化及理论边界等挑战。数据蒸馏正推动AI从“数据密集型”向“知识密集型”发展...
数据蒸馏:从海量数据中提炼“精华”的AI方法论
数据蒸馏是一种从海量数据中生成高信息密度合成数据的方法,源于知识蒸馏的思路。主流方法包括梯度匹配、特征匹配和轨迹匹配,可显著压缩数据量且保持模型性能。它应用于联邦学习、持续学习和自动驾驶仿真等领域。尽管面临计算成本高、可扩展性有限等挑战,但数据蒸馏正成为提升AI训练效率的关键技术。
扣子智能体:零门槛构建专属AI助手的革命性平台
字节跳动推出的扣子智能体平台,以“低代码+可视化”理念让非技术用户零门槛构建AI助手。它基于大模型,通过拖拽工作流、插件市场和多模态交互实现对话、任务执行等能力,并支持一键部署到微信、飞书等终端。应用覆盖个人效率提升、企业流程自动化、内容创作等场景,显著降低成本与响应时间。平台丰富的插件生态和自定义代码节点兼顾易用性与...
认识OpenClaw:一个面向边缘AI的轻量级推理框架
OpenClaw是一个基于C++的开源推理框架,专为边缘AI设计,解决模型体积大、硬件适配难、推理延迟高等痛点。它支持在ARM、x86低功耗设备及GPU上高效运行ONNX、TFLite等模型,核心特性包括算子融合、内存复用与异步流水线调度。本文详细演示在Ubuntu 20.04上安装OpenClaw 2.1.0版,涵盖...