- 综合排序
- 最热优先
- 最新优先
- 来自专栏圣杰的专栏
.NET+AI | MEAI | .NET 平台的 AI 底座 （1）
.NET 平台 AI 生态发展时间线 从提供AI服务统一抽象接口的Microsoft.Extensions.AI，到实现复杂AI工作流编排的Semantic Kernel (SK)，再到整合多方优势、专注于智能体 而即将发布的.NET 10，更是一个从底层性能、硬件支持到工具链都为AI深度优化的“AI Ready”平台，旨在为智能应用提供坚实的基石。 而作为一名.NET 开发者如何抓住平台机遇，在AI浪潮中激流勇进呢？ 内容将基于 《.NET+AI|智能体开发进阶》课程课件改写而成，力求简短、接地气、重实操，希望与各位同行者一起，拥抱这个智能变革的时代。 什么是 Microsoft.Extensions.AI？ Microsoft.Extensions.AI (MEAI) 是微软为 .NET 生态系统打造的 AI 功能基础抽象层。
42710编辑于 2025-12-28 - 来自专栏量子位
都在卷大模型底座，云计算一哥决定给底座造底座
如Stability AI、Anthropic、AI21 Labs和亚马逊云科技自家的大模型。 即Stable Diffusion、Claude等，都是大家耳熟能详的生成式AI了。 那么，为什么需要搭建Bedrock这样的AI平台？它们会给行业带来哪些影响？ 为什么需要大模型底座？ 由表及里，大概有两层原因驱动。 首先是直接原因，行业需求。 那么亚马逊云科技的动作，则是给出了一种新范式，将多种大模型囊括在一起，放在一个大平台底座上，让用户的可选择性提升，同时发挥他们云厂商本身的优势，让用户的调用和定制化过程门槛更低、效率更高，并在安全性做出保障 更深层次的原因在于，给大模型加底座，能够更进一步降本增效，这本身就符合市场和行业的发展要求。 而除了大模型底座，在近期或许还会衍生出一大批“新兴物种”。比如当下软件应用在争先恐后接入Chatbot，就有企业推出相应服务帮软件应用接入大模型能力。 可见在当下这个时刻，怎么把握机遇非常关键。
39010编辑于 2023-05-06 - 来自专栏知识分享
WIFI底座
自己贴片的51+WIFI的开发板终于到了。。还是贴片的好看 美中不足的是需要改一个电阻的阻值。。还有就是由于自己的8266和51单片机一块断电上电，所以如果用的USB线的质量不好就会出现 下载不了程序
1.3K40发布于 2018-06-01 - 来自专栏数据猿
AI存储进入PBEB时代，HDD为何成为数据底座？
“西部数据的策略：从11碟HDD出发，重塑AI存储底座。 大数据产业创新服务媒体 ——聚焦数据 · 改变商业 让我们来试想这样一个场景：凌晨3点，某大模型云服务平台的日志系统依然在高速写入。 西部数据的策略： 从11碟HDD出发，重塑AI存储底座 编者认为，AI时代对HDD提出了两个新要求：更大的容量，更长的周期。这不仅仅是一次性的性能突破，更是一次关于“长期信赖”关系的重构。 1.数据底座：更优TCO+长期信赖 在AI驱动的数据中心架构中，HDD是不可替代的底座。因为它能带来规模化成本效益。 这是对客户的长期关系战略——构建“存储信赖路径”，帮助客户把其数据底座变成护城河。 每一个多模态模型的推理调用、每一个Agent系统的上下文记录，每一次大语言模型的“记忆保存”，都是对存储底座的“微小索取”。
25910编辑于 2026-01-27 基于 NoETL 语义编织技术构建 AI-Ready 数据底座
文章提出，构建基于NoETL语义编织技术的统一语义层是筑牢技术壁垒的关键，并详细拆解了从业务对齐、性能成本平衡到生态AI适配的三步评估法，旨在帮助企业构建一个高效、可信、低成本的AI-Ready数据底座 3.安全与审计：先安检，后执行为AI提供数据服务，安全是红线。平台需具备“先安检，后执行”的AI访问控制层，确保每一次AI数据请求都经过鉴权、脱敏规则检查，实现全程可控、可审计。 AI问数准确率与信任度大幅提升：基于语义层的智能问数应在真实业务场景中达到高准确率。例如，中交集团一公局应用后，智能问数准确率达到92%。实现AI数据访问的全程可控、可审计。 核心要点选型范式转移：AI时代，数据平台选型的核心是选择能构建“统一语义层”的下一代架构。三步评估法：筑牢技术壁垒需分三步：评业务对齐能力、验性能成本平衡、察生态AI适配。 价值可量化：成功的选型应带来效率10倍提升、成本降低30%-50%、AI问数准确率超过92%等回报。平滑落地路径：通过“存量挂载、增量原生、存量替旧”策略，可渐进式构建AI-Ready数据底座。
18410编辑于 2026-04-16企业AI的运行底座是什么？和AI工具有什么本质区别？
不是工具不够强，而是企业缺少一个让工具“落地”的运行底座。 二、AI工具的能力边界 我们需要先承认一个事实：当前市面上的主流AI工具，设计目标是通用性，而非企业集成性。 因此，一个合理的结论是： AI工具解决的是“人如何更好地使用AI” 企业真正需要的是“企业如何运行AI” 三、什么是企业AI运行底座？ 类比一下： AI工具 ≈ 一台高性能笔记本电脑（很强大，但需要人来操作） AI底座 ≈ 一个操作系统 + 数据库 + 网络协议栈（应用在上面跑，不需要每件事都问人） 一个完整的企业AI运行底座，通常包含三个层次 七、延伸阅读 本文讨论的企业AI底座概念，与[ZGI]项目所定义的“运行底座”在架构思路上基本一致。如果你对该方向的具体实现感兴趣，可以参考ZGI的技术文档或开源仓库。 写在最后 AI工具和AI底座不是替代关系，而是不同层次的能力。 工具让AI“可用”，底座让AI“可运行”。 希望这篇文章能帮你理清一个关键问题： 你的企业是在“用AI”，还是在“运行AI”？
23410编辑于 2026-04-05谈谈openGauss的底座
这里引用一张官网上面的图片，简单介绍一下openGauss正文谈到openGauss，就不得不说一下它的底座操作系统：openEuler。 这里引用一张openGauss官网上面的图：从上面的图中可以看到，openGauss支持2种架构：- AArch64- x86_64** AArch64就是arm架构的芯片openGauss支持3种操作系统底座 我们可以安装一套openEuler的操作系统，在此底座基础上面安装体验openGauss。后记本文起到一个抛砖引玉的作用。
35110编辑于 2024-11-21CANN × ROS 2：为智能机器人打造实时 AI 推理底座
CANN × ROS 2：为智能机器人打造实时 AI 推理底座 在自动驾驶小车、巡检机器人、服务机械臂等场景中，机器人需要在毫秒级时间内完成： 多摄像头目标检测 激光雷达点云分割 语音指令理解 路径规划决策 CANN（Compute Architecture for Neural Networks） 凭借其高能效比与全栈优化能力，正成为机器人 AI 推理的理想选择。 它让复杂的多模态 AI 模型，能在低功耗嵌入式平台上实时运行，为具身智能落地扫清最后一道障碍。 相关资源链接 cann组织链接：cann组织 ops-nn仓库链接：ops-nn仓库
34110编辑于 2026-02-09AI数据治理系统：给大模型喂干净饭的技术底座
做了五年B端AI产品，我见过的项目"死法"千奇百怪，但90%都死在同一个坑里：数据。不是没数据，是数据太脏、太乱、太危险，像喂给模型的"馊饭"，吃一口拉三天。 更惨的是某医疗AI公司，训练数据没脱敏，被监管部门罚款200万。这些坑，本可以靠一套AI数据治理系统躲过去。什么是AI数据治理？不是传统那套！传统数据治理管的是数据库表格——字段规范、主外键关系。 技术架构极简整个系统就三层：接入层：支持S3、OSS、NAS各类存储，API十分钟接完治理引擎：规则引擎+AI模型双驱动，规则管效率，AI管智能输出层：治理后的数据直接对接训练平台，像自来水管一样即开即用给企业带来什么 总结AI数据治理不是可选项，是AI项目的必答题。脏数据训不出好模型，就像馊饭养不出好身体。这套系统是给大模型配"营养师+质检员+保镖"，让它吃上干净饭、安全饭、营养饭。 提前把数据管好，AI项目成功率能从30%提到70%以上。数据治理的钱，是AI项目里最该花、也最值的一笔。
32010编辑于 2025-11-24- 来自专栏深度学习与python
贝壳找房: 为 AI 平台打造混合多云的存储加速底座
目前 JuiceFS 作为存储底座服务于整个机器学习平台，不仅提高了对混合多云架构的适应性，还大幅提升了数据处理效率。 03 基于 JuiceFS 的存储底座设计 元数据引擎架构设计 JuiceFS 采用的是元数据和数据分离的架构。对于元数据引擎的选型，我们考虑了三个方案。 它允许数据同步从数据写入阶段便开始进行，这与传统的 AI 工作流程形成鲜明对比。 贝壳模型仓库 - 方案设计 我们基于 JuiceFS 的架构设计了一套 AI 模型仓库方案。 为了应对这一变革，我们提出了一个务虚的设想，即如何借助 AI 的能力来提升文件系统的数据处理能力，实现数据处理与 AI 的一体化。
67610编辑于 2024-06-17 - 来自专栏深度学习与python
从模型平权到“知本”复利，NoETL 打造 AI 时代的数据底座
当每家企业都能以 5 万元雇佣具备清北毕业生知识结构的数字化员工时，“人才壁垒”已被 AI 拉平。程序员用 Cursor 写代码，律师用 AI 写法律文书，专业技能门槛正在被快速拉平。 AI 时代，企业需要重新定义自己的人才和人才优势。能否跟 AI 共生共创是未来企业员工的标准技能，就像信息化时代，员工需要会用电脑会用 Office 一样。 再看技术壁垒。 AI 时代，技术壁垒包含算力、算法 / 模型和私域数据三大因素。回顾过去 15 年，从大数据普及到 AI 普惠，技术平权的周期从十年缩短到三年。 但 AI 不是这样的。一方面 AI 会释放十倍百倍的分析需求，灵活性要求也极高；另一方面 AI 是低度容错的。那传统 ETL 工程体系和工程师体系是否能够支撑 AI 时代海量、灵活的分析需求呢？ 好的数据应该是“好找的、敢用的、没有歧义的、AI-Ready 的”。
30810编辑于 2025-03-20 - 来自专栏鹅厂网事
星脉高性能计算网络：为AI大模型构筑网络底座
前言 AI大模型以其优异的自然语言理解能力、跨媒体处理能力以及逐步走向通用AI的潜力成为近年AI领域的热门方向。业内头部厂商近期推出的大模型的参数量规模都达到了万亿、10万亿级别。 前几天横空出世的AI爆款产品ChatGPT，可以聊天、写代码、解答难题、写小说，其技术底座正是基于微调后的GPT3.5大模型，参数量多达1750亿个。 图1 ChatGPT的AI内容生成 如此大规模、长时间的GPU集群训练任务，对网络互联底座的性能、可靠性、成本等各方面都提出极致要求。 而在金榜题名的背后，星脉超算网络为腾讯万亿大模型构筑了高性能网络底座。 星脉超算网络作为腾讯大规模训练集群的重要基石，会持续在超带宽、异构网络通信、通信库定制加速、智能监控等技术上不断创新，为AI大模型训练构筑可靠的高性能网络底座。
6.3K21编辑于 2022-12-16 工业软件的未来：构建在工业数据底座之上的 AI Agent
在AI时代，这一点尤为关键，因为应用和界面可以不断变化，而数据底座保持稳定，并连接过去与未来。这才是企业真正拥有的核心资产。 工业数据底座：面向AIAgent设计，并能持续演进当数据底座成为核心资产，其设计方式就变得至关重要。在AI时代，数据系统不再只是为人服务，还必须从一开始就为AIAgent而设计。 如果缺乏这些能力，AI即使能生成结果，也无法提供真正有价值的洞察。这意味着数据底座不仅要提供数据，还需要暴露能力。 在这种模式下，数据底座不再是存储系统，而成为AI可以直接操作的平台。与此同时，数据底座还必须能够持续演进。AI技术变化极快，新的模型、工具和交互方式不断出现，没有任何系统可以预先定义所有未来需求。 真正不会改变的，是数据底座的重要性。它是唯一持续存在、不断积累价值，并支撑所有上层能力的核心资产。在AI时代，仅仅拥有数据底座是不够的。
10900编辑于 2026-05-14CANN 技术全景图：构建自主可控的 AI 全栈底座
CANN 技术全景图：构建自主可控的 AI 全栈底座 在“算力自主”成为国家战略的今天，一个完整的 AI 软件栈必须回答三个问题： 能否高效利用国产芯片？（硬件亲和） 能否支撑前沿算法演进？ 相关资源链接 cann组织链接：cann组织 ops-nn仓库链接：ops-nn仓库 一、CANN 全栈架构五层模型 每一层都承担关键职责，共同构成“训推一体、云边协同”的 AI 底座。 ✅ 芯片设计即面向 AI 工作负载优化，非通用 GPU 改造。 愿景：打造一个开放、高效、安全的国产 AI 基础软件根生态。 结语：全栈之力，方成自主之基 CANN 的意义，远不止于“一个推理引擎”。 它代表了一种系统性思维——从晶体管到行业应用，每一层都为 AI 而生，每一环都可自主演进。 相关资源链接 cann组织链接：cann组织 ops-nn仓库链接：ops-nn仓库
37210编辑于 2026-02-09以云与AI技术底座，驱动医疗健康产业数智升级
提供云端一体化的技术解决方案 腾讯以腾讯云为统一技术底座，结合混元大模型与自研AI能力，构建了面向医疗健康的完整产品矩阵。 解决方案覆盖从基础设施到行业应用的全链条，包括腾讯健康组学平台、医学行业大模型及腾讯觅影等临床级AI工具。 AI模型性能领先：腾讯混元大模型在SuperCLUE-V中文多模态大模型基准中位列国内第一，其开源模型成为业界参数规模最大、效果最好的MoE大语言模型之一。 医疗AI应用广度：医学行业大模型已成功落地1000+医院，并获批“肺炎、结直肠息肉、青光眼”三类医疗器械证，实现临床级应用。 客户案例：生命科学实验室的前沿探索 腾讯生命科学实验室通过构建统一的深度学习框架与生成式AI工具，在抗体设计、空间组学分析等领域取得突破。
13910编辑于 2026-06-01- 来自专栏存储知识
存储资源盘活系统构建AI时代的存储底座
ChatGPT的背后是AI的蓬勃发展。AI领域的大部分问题都是如何提高机器学习效率的问题，即如何能让机器更高效地学习客观物理世界并代替人类执行工作任务。 AI的产业链可以分为如下三个层级： 最上游是提供算力和传输能力的硬件制造商和云平台，为获得算力和传输能力，也是构建模型公司的主要成本消耗。 将生成式AI模型与面向用户的产品集成，通常是运行自己的模型管道（端到端，自己有模型自己开发应用，如ChatGPT和Midjourney）或者调用模型API开发应用。 这对于硬件更新换代频率很快的AI领域来说是好消息：再也不用担心被淘汰的设备闲置了。 在AI的时代来临之前，存储资源盘活系统可以为其构建坚固、灵活的存储底座。
1.1K20编辑于 2023-02-23 AI 时代的“数字燃料”：深度解析 Token 与企业级接入底座
在2026年的AI浪潮中，我们频繁听到一个词：Token（指词元/令牌）。如果说大模型是驱动未来工业的“电力”，那么Token就是衡量电力消耗的“度数”，也是模型理解人类文明的最小单位。 AI如何“阅读”世界大语言模型（LLM）本质上无法直接阅读文字。当你向AI输入一段话时，系统会先通过分词器（Tokenizer）将其拆解成一个个数字片段，这些片段就是Token。 在这种背景下，4SAPI作为企业级聚合平台，成为了开发者管理Token流转、降低接入门槛的核心底座。 三、4SAPI：为每一枚Token提供确定性保障作为一个源头API供应商，4SAPI不仅仅是一个接口转发站，它构建了一套完整的企业级服务保障体系，助力企业轻松调用世界顶尖的AI能力。 四、结语理解Token，是进入AI开发领域的门票；而选择一个如4SAPI这样稳健、透明且高效的接入底座，则是AI应用能够从实验室Demo走向商业化落地的成功基石。
38410编辑于 2026-03-26荣耀基于TencentOS构建高性能AI底座，大模型吞吐提升2倍
对于致力于构建 AI 生态系统的荣耀而言，在现有服务器资源不变的前提下，如何解决大模型应用中响应慢、服务器繁忙等调度问题，是保障人机交互体验的业务瓶颈。 部署底层加速模块与投机采样引擎 荣耀依托腾讯云 TencentOS Server AI 底座，部署了 TACO-LLM加速模块，通过底层操作系统的优化支撑 AI 模型运行： 引入「投机采样」机制： TACO-LLM 意图识别提速与推理平台性能跃升 通过底层框架优化，荣耀的 AI 推理平台在多项核心业务指标上实现了显著优化（数据来源：腾讯云与荣耀联合业务数据）： 意图识别响应速度： TACO-LLM 使 DeepSeek 通过底层框架榨取存量硬件算力极限 在不增加服务器硬件资源的前提下，腾讯云通过 OS 层的深度定制（OS for AI）与推理框架（TACO-LLM）的结合，从系统内核到算力调度进行全局加固。 该路径有效化解了大规模高频 AI 交互与有限 GPU 资源之间的冲突，以纯软件架构层面的优化，为企业实现了数倍的算力效能提升。
15210编辑于 2026-05-01从AI云底座到AI原生云：重塑大模型训推效率与底层部署范式
报告人：李力（腾讯云 副总裁） 应对生成式AI爆发下的算力调度与技术栈重构挑战 产业正加速从“+AI”向“AI+”转变，底层数据增长与企业部署需求暴增，正倒逼IT基础设施从传统云原生向AI原生演进。 技术栈范式转移困境： 传统云原生应用以GUI为主导、依赖通用算力与标准CI/CD工具链；而AI原生应用转向LUI（自然语言交互），要求底层提供高性能硬件及AI加速套件，工具链需适配PyTorch等AI框架进行训练监控 部署全栈模块化AI原生云平台与智算套件 为承载AI原生应用，腾讯云将底层架构重构为涵盖“基础设施、模型层、工程层、应用层”的全栈AI原生云平台，并重磅发布支持专有云与分布式云形态的腾讯云智算套件，实现一云多芯与软硬协同 承载头部大模型企业与千行百业AI应用落地 AI原生云平台不仅已接入腾讯内部 600+ 产品（含微信、QQ、腾讯会议、腾讯文档等），更广泛支撑了头部大模型独角兽及多行业标杆客户的底层算力与模型训练需求： 大模型创业公司与科研机构： Moonshot AI (月之暗面)、MiniMax、百川智能、智谱·AI、清华大学、北京大学、中国科学院等。
11410编辑于 2026-05-31- 来自专栏云深知网络 可编程P4君
腾讯星脉高性能计算网络：为AI大模型构筑网络底座
，腾讯也没闲着，星脉高性能计算网络为AI大模型构筑网络底座。 前言 AI大模型以其优异的自然语言理解能力、跨媒体处理能力以及逐步走向通用AI的潜力成为近年AI领域的热门方向。 前几天横空出世的AI爆款产品ChatGPT，可以聊天、写代码、解答难题、写小说，其技术底座正是基于微调后的GPT3.5大模型，参数量多达1750亿个。 图1 ChatGPT的AI内容生成 如此大规模、长时间的GPU集群训练任务，对网络互联底座的性能、可靠性、成本等各方面都提出极致要求。对此，追求极致高性能与高可用的星脉超算网络面世了。 而在金榜题名的背后，星脉超算网络为腾讯万亿大模型构筑了高性能网络底座。 星脉超算网络作为腾讯大规模训练集群的重要基石，会持续在超带宽、异构网络通信、通信库定制加速、智能监控等技术上不断创新，为AI大模型训练构筑可靠的高性能网络底座。
6.9K11编辑于 2023-03-06
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号