- 综合排序
- 最热优先
- 最新优先
- 来自专栏石开之旅
硬件笔记（7）----USB学习笔记4
这些位将数据传输定义为 IN/OUT/SETUP/SOF 可选的设备地址 — （7 位：最多可支持 127 个设备） 可选的端点地址 — （4 位：最多支持 16 个端点）。 IN、OUT 和 SETUP 令牌数据包都有一个 7 位设备地址、4 位端点 ID 和 5 位CRC。下图显示了这四个令牌数据包的框图。 ?
1.2K10发布于 2019-07-02 - 来自专栏TopSemic嵌入式
MicroPython 玩转硬件系列7：OLED显示
上一篇文章，我们实现了ESP32获取天气信息的功能，是在电脑上通过串口终端显示的。能不能EPS32 直接接一个显示器来显示呢？当然可以，今天我们来实现ESP32控制OLED显示字符或者图片。
2.4K30发布于 2021-05-31 - 来自专栏存储公众号：王知鱼
SuperMicro：AI存储硬件方案
SuperMicro：AI存储硬件方案-Fig-1 云厂商 AI存储方案 大规模 AI/GPU 集群基础设施。按可扩展单元 (SU，也称为 Pod，例如 256 个 GPU) 进行扩展。 SuperMicro：AI存储硬件方案-Fig-2 企业级AI存储方案 Pod 级别的部署（较云厂商规模、性能要求降低） 企业用例，推理与训练的比较 存储需求： • 全 NVMe 或 PB 级别的分层存储 SuperMicro：AI存储硬件方案-Fig-3 基础计算硬件方案 在执行 AIOps 和 MLOps 时： • GPU 密集型服务器加速 AI 训练和推理。 SuperMicro：AI存储硬件方案-Fig-6 方案验证 机架视角的集群组网方案 解决方案架构，分为三个层次： 1. SuperMicro：AI存储硬件方案-Fig-7 全闪存储系统参数 主要特点（Key Features）： • 支持双 Intel 和单 AMD 单 PCIe Gen5 处理器。
1.4K10编辑于 2025-02-11 - 来自专栏腾讯研究院的专栏
智能硬件趋势：AI让硬件聪明 垂直细分成主流
今年CES上，除了智能汽车大出风头，另一个处处可见的则是智能硬件产品了。 如果2014年CES展更多的是智能硬件的试探，今年则是智能硬件的“布局”之年。 在硬件复兴的“风口”之下，无论是大厂商还是创业公司都已经推出智能硬件产品，或者搭建智能硬件相关的平台系统。 回顾2014年，各大厂商都在智能硬件领域有所动作。 从今年CES来看，尽管智能硬件产品“虚火”尚存，将人工智能引入硬件让硬件真正智能，以及垂直细分化等趋势是未来智能硬件产品值得肯定的方向。 腾讯在去年的全球合作伙伴大会上，宣布构建QQ、微信硬件开放平台的战略，推动连接智能硬件及线下服务。 以BAT为代表的互联网企业，都在利用自身优势，聚合一批垂直领域的硬件创业者入驻自己的生态系统，以争夺智能硬件的平台控制权。
2.3K100发布于 2018-01-31 - 来自专栏想比AI跑得更快点
硬件别装睡，让AI进去
因为它说明了，很多看起来封闭的旧硬件，只要还留着一点局域网能力，比如能接收音频投放、能显示图片、能打开网页、能响应某个本地接口，就有机会被 AI 从抽屉里捞出来，重新安排一个岗位。 AI Agent 遇到“硬”门槛 AI Agent 正在把过去很极客的事情变得普通。但同时，硬件世界的开放程度，却明显跟不上 AI 的发展速度。 很多软件服务早已给 AI Agent 提供了接口。 比如 MCP、CLI、API，AI 可以通过这些方式直接调用传统软件的能力。就像麦当劳都有 MCP 服务最懂AI的快餐企业出现了。但硬件设备还不太一样。 硬件涉及商业安全、隐私和稳定性；普通用户也没有对应的技术能力。但现在情况变了。人人都是程序员，人人都有 DIY 需求啊。 硬件厂商开放的步伐迈的还是太小了。 用 Codex 复活 Kindle，只是在狭小的硬件开放空间里做了一个微不足道的尝试。开放硬件接口，让AI进去，才能有更丰富的业态可能，也是实现物理AI的第一步。
17010编辑于 2026-06-24 边缘AI硬件优化策略解析
这些流畅交互的核心是边缘AI——直接运行于智能手机、可穿戴设备和物联网设备上的AI技术，提供即时直观的响应。什么是边缘AI？ 边缘设备在处理能力、内存和电池寿命方面受到严格限制，需在有限硬件规格下执行复杂任务。 模型优化应从选择或设计特别适合设备硬件能力的模型架构开始，然后针对特定边缘设备进行精细化调整。NAS技术使用搜索算法探索大量可能的AI模型，找到最适合边缘设备特定任务的模型。 经验表明："最佳"AI模型不一定是最炫酷的新设计或理论效率最高的模型。对边缘设备而言，最重要的是模型与实际运行硬件的匹配程度。硬件也在快速演进。 每年都在架构、制造和集成方面取得进展，确保硬件与AI趋势保持同步。边缘AI的发展之路边缘AI模型部署因生态系统的碎片化而更加复杂。由于许多应用需要定制模型和特定硬件，缺乏标准化。
38900编辑于 2025-09-15- 来自专栏GitHub项目
智能硬件 AI 语音助手 IHAVA
智能硬件AI语音助手IHAVA是腾讯云小微推出的一款AI语音助手，主要面向智能硬件行业，提供前沿的AI语音全链路能力、硬件方案咨询及认证服务，整合腾讯系优质内容和服务，打造全方位的自然人机交互体验。 该方案支持Linux、Android、RTOS等多种操作系统，灵活提供云端API和设备SDK两种接入方式，让硬件迅速获得本地智能和云端智能。 IHAVA还提供行业前沿的全链路AI语音技术，包括语音识别、语义理解、语音合成、知识图谱、AI识图能力以及机器翻译等能力。 对于需要智能硬件AI语音助手的企业或个人开发者，IHAVA是一个不错的选择。它可以提供全方位的AI语音技术支持和硬件方案咨询，帮助开发者快速实现智能语音交互功能，提升产品的用户体验和市场竞争力。 总的来说，智能硬件AI语音助手IHAVA是一款功能强大、灵活可扩展的AI语音助手，对于需要实现智能语音交互功能的智能硬件产品来说，是一个很好的选择。
3.4K10编辑于 2024-05-19 - 来自专栏TechBlog
AI开发硬件基础经验
AI开发硬件基础经验 笔记本选配 出于通勤等因素，建议型号 MacBook Air M1 16+ 256 MacBook Pro M1 16 + 256 M1芯片的mbp非常强大，发热不严重 intel酷睿系列:i3(入门办公). i5(主流).i7(高端级), i9(发烧级).eg: 12700k,12900k… AMD锐龙系列:R3(入门办公).R5(主流).R7(高端).R9(发烧级 IPU—Intelligence Processing Unit，Deep Mind投资的Graphcore公司出品的AI处理器产品。 Intel收购的Movidius公司推出的图像处理与人工智 从目前的实践来看，AI算法和传统HPC算法相比，对精度的要求低得多。因此我们看到很多AI芯片主要强调在FP16或者INT8中的精度。 可以说，对目前AI芯硬件效率的提升，低比特精度有很大贡献。 机箱 机箱风扇如何分配？
1.5K30编辑于 2023-10-13 - 来自专栏python前行者
Centos7 修改硬件时间和系统时间
查看系统时间 [root@localhost ~]# date Tue Jun 13 10:20:13 CST 2017 查看硬件时间 [root@localhost ~]# hwclock --show Tue 13 Jun 2017 02:11:12 AM CST -0.848845 seconds 可以看出系统时间比硬件时间快，系统时间是准确的 假如系统时间和硬件时间都不准确 更新系统年月日 [ timedatectl set-time 10:25:17 更新时区(亚洲-中国-上海) [root@localhost ~]# timedatectl set-timezone Asia/Shanghai 将硬件时钟调整为与系统时钟一致 [root@localhost ~]# hwclock --systohc --localtime 将日期写入CMOS [root@localhost ~]# clock –w 再次查看系统时间和硬件时间
3.7K31发布于 2019-03-25 - 来自专栏机器之心
算法、硬件、框架，2019年AI何去何从？
与发布于 2017 年的基于 Volta 芯片的显卡相比，新卡包含被称之为张量核心（Tensor Cores）的新高速矩阵乘法硬件。 自动硬件也进行了升级。Jetson AGX Xavier 是一款英伟达希望能够推动下一代自动驾驶技术的板级模块。 将注意力转移到决策智能上 算法、基础框架、硬件相关的部分已经涉及到了——为了让 AI 比以往任何时候更有用，业界开始意识到，让 AI 开始应用的最大阻碍在实用方面：你如何在生产中将 AI 从一个想法变成有效 更加定制化的硬件 摩尔定律已经失效了，至少对 CPU 是失效了，而且已经很多年了。GPU 很快也会面临相似的命运。 以后我们会看到更多这种硬件，而不是通用硬件。 对训练数据更少的依赖 有标签的数据通常都是既昂贵又不可访问的。这条规则下很少有例外。
81440发布于 2019-03-15 - 来自专栏ADAS性能优化
AI硬件：比看起来更难
提出了基于“Domain-Specific Architectures（特定领域的体系结构）”硬件设计的机遇和要求。“ DSA”概念不仅适用于新颖的硬件设计，而且适用于深度神经网络的新软件体系结构。 硬件在哪里？ 事实上，自上次峰会以来，很少有新芯片投入量产。当然 高通 的855和 阿里巴巴 汉光800是个例外。 Habana在首届AI HW Summit活动中推出了其首款令人印象深刻的芯片Goya，用于数据中心推理处理。 但是，NVIDIA并没有停滞不前-我们应该很快看到它的新7nm设计（也许在11月的SC19上，但是更有可能在明年春天的GTC '20上看到）。 请注意，根据mlPerf基准测试，NVIDIA在短短7个月内也将其现有V100 GPU的性能提高了一倍。 有些人仍然认为推断是针对轻量级的。
57420编辑于 2022-05-13 - 来自专栏《C++与 AI：个人经验分享合集》
《AI芯片：如何让硬件与AI计算需求完美契合》
它就像是人工智能的“超级大脑”，以强大的计算能力支撑着各种复杂的AI应用。那么，AI芯片究竟是如何将AI计算需求与硬件架构巧妙结合的呢？让我们一同深入探寻其中的奥秘。 同时，由于FPGA可以在硬件层面进行优化，它也能够在一定程度上提高AI计算的效率。 算法与硬件的协同设计 为了更好地满足AI计算需求，AI芯片的设计注重算法与硬件的协同。在芯片设计阶段，充分考虑AI算法的特点和需求，对硬件架构进行针对性的优化。 例如，针对深度学习中的卷积神经网络（CNN），一些AI芯片专门设计了卷积计算单元，优化了卷积运算的硬件实现方式。同时，在算法层面，也会根据硬件的特性进行调整和优化，以充分发挥硬件的性能。 通过算法与硬件的协同设计，实现了AI计算效率的最大化。 面临的挑战与未来展望 尽管AI芯片在将AI计算需求与硬件架构结合方面取得了显著进展，但仍面临一些挑战。
85310编辑于 2025-02-02 AI硬件发布！企业微信再升级
纪要自动存档：沟通记录自动保存至消息页，AI还会秒输出可分享的会议纪要。待办自动提醒：AI会根据对话内容自动分配待办事项，帮你推进todo。 拜访结束后，面聊AI会自动提炼一份详尽的沟通纪要，准确提取客户的核心需求、下单顾虑、交付时间、预算范围和下一步跟进意向。这些总结还能一键转发给微信客户，让后续的团队协同跟进有据可查。 新能力、新场景之外，新硬件也来了——为了给企业用户提供更极致的线下沟通记录体验，企业微信联合首发多款AI硬件：○ 快速启动：走廊偶遇、灵感突发时，一键即可秒速启动记录。 ○ 超长续航：不再担忧长时间录音导致手机电量告急，AI硬件超长续航告别电量焦虑。 全新AI硬件将与企业微信「记录面聊」无缝互联，让每一个有价值的灵感被留存，让每一次线下沟通被沉淀，大家可通过全平台搜索“企业微信录音笔”进行体验。
46010编辑于 2026-07-09全球AI投资：硬件狂飙与应用落差
全球AI投资集中涌入硬件与大模型2026年初，英伟达CEO黄仁勋提出了AI产业“五层蛋糕”框架：能源、芯片、基础设施、模型、应用，本报告沿用这一框架，逐层分析全球AI投资现状。 当前资本高度集中于底层硬件环节，应用层投入产出严重失衡。（一）电力瓶颈倒逼科技巨头向重资产转型电力供给已成为制约全球AI产业发展的关键瓶颈。 多重投资风险正在同步积累放大（一）硬件投入与应用回报失衡，商业化进展缓慢应用层是整条AI投资链条的价值验证环节，但当前的商业化进度滞后于投资节奏。 中国加快AI投资的政策建议当前全球AI投资高度集中于硬件，应用回报远未兑现，而中国在电力成本、模型效率和国产芯片替代等方面已形成差异化优势。 总的来说，全球AI投资正处于“硬件狂飙，而应用待验证”的关键阶段。资本的高度集中既推动了基础设施的快速建设，也埋下了回报错配和杠杆累积的隐患。
1.3K20编辑于 2026-04-16- 来自专栏机器之心
7 Papers | Hinton、李飞飞各有新作；深度学习硬件性能评价
此外还有自然语言理解评价方法、文本+图像数据融合任务的综述，以及对深度学习的硬件进行评价的文章等。 有关深度学习算法的基准测试论文已是汗牛充栋，但对硬件平台进行测试的论文很少见。通过本论文，读者可系统了解各种机器学习训练的平台特性，并针对自身的需求选择。 ? 上表展示了所有基准测试得出来的结果与见解，它测试了不同神经网络结构在不同硬件平台上的效果。每一条观察结果或结论都有具体的实验图标支持，读者可详细查阅原论文。 7.标题：Unifying Logical and Statistical AI with Markov Logic 作者：Pedro Domingos、Daniel Lowd 论文链接：https:/ 虽然从属于 AI 这个大领域，但如上所示逻辑方法与统计方法在不同的子领域上都有自己的一套方法。本文尝试通过马尔可夫逻辑统一这两种方法，并利用它们各自的优势，感兴趣的读者可详细阅读论文。
61220发布于 2019-07-30 - 来自专栏帅云霓的技术小屋
软硬件融合技术内幕 基础篇 (7) —— 倒海翻江卷巨澜
我们再来看一遍这个图： 这是对一颗Intel i7 4770 (Haswell架构)的CPU进行测试的结果。 我们再去查询一下Intel Haswell架构的i7处理器缓存相关的规格： Cache Type Cache Size(Byte) Block Size(Byte) Access Time(Cycles
57010编辑于 2022-09-08 - 来自专栏JadePeng的技术博客
AI集群通信中的软硬件介绍
AI集群通信实现方式 AI集群是由多台包含CPU、内存、GPU的服务器组成，需要考虑机器内通信和机器间通信。 通信协调硬件 GPU与GPU 通过nvlink，GPU和CPU也通过NVLink绿色线 CPU通过总线共享内存 服务器之间，通过RDMA网卡 PCIE PCIe 5.0 最高速率是32G NVLink NCCL NCCL 架构和工作流程: NVIDIA AI 库依赖 NCCL 提供编程抽象，通过高级拓扑检测、通用路径搜索和针对 NVIDIA 架构优化的算法，针对每个平台和拓扑进行高度调整。 Pytorch中，MPI和NCCL 对比，MPI主要是CPU，NCCL是GPU： 总结 硬件通过PCIe、NVLink、RDMA来针对不同场景实现硬件通信，软件主要是MPI和NCCL。
2.5K41编辑于 2023-02-16 - 来自专栏linux运维
硬件维护问题：硬件维护不当，导致硬件故障
检查当前硬件状态首先，我们需要检查当前系统的硬件状态。 常见的硬件维护问题及解决方案2.1 硬盘维护不当问题：硬盘维护不当，导致数据丢失或性能下降。解决方案：定期检查硬盘健康状态，备份重要数据。 2.6 散热维护不当问题：散热维护不当，导致硬件过热或性能下降。解决方案：定期清理散热器和风扇，确保散热良好。示例：使用压缩空气清理散热器和风扇：关闭计算机并断开电源。 2.7 环境维护不当问题：环境维护不当，导致硬件受潮或积尘。解决方案：保持良好的工作环境，避免潮湿和灰尘。示例：保持机房通风良好，使用防尘网和除湿器。3. 使用自动化工具进行硬件维护工具：Ansible介绍：Ansible 是一个自动化工具，可以用于远程管理和配置多台主机。
1.6K10编辑于 2025-02-07 - 来自专栏云云众生s
AI、硬件和开放模型：朝着Linux方向发展
崛起中的Open AI模型正在撼动AI市场，打破了专有模型在专有硬件上运行的垄断局面。 兴起的开放AI模型正在撼动AI市场，打破了专有模型在专有硬件上运行的垄断地位。 包括谷歌和亚马逊在内的云提供商正争先恐后地将开放模型部署到其专有芯片上。 AI时代伊始与PC时代非常相似，专有的Windows软件只能在x86硬件上运行。 相比之下，英伟达的GPU是通用的AI加速器，可以运行任何PC或AI应用程序。 Hugging Face正在推动专有硬件上的开源AI发展。 Hugging Face在7月份宣布，AI模型可在Google Cloud TPU上部署。
47610编辑于 2024-12-28 - 来自专栏Dance with GenAI
AI如何变革软件和硬件开发的范式？
作者：Puneet Kumar, CEO and Co-founder of Rivos Inc AI 正推动软硬件设计规则变革，传统服务器硬件开发周期从 18-24 个月压缩至 12 个月，而软件通过优化 一、AI 对软硬件设计的颠覆性影响 硬件开发周期加速：传统服务器硬件周期为18-24 个月，AI 驱动下压缩至12 个月，需更快完成开发、验证与迭代。 二、客户需求的核心转变：从单一性能到动态灵活性 需求维度 传统硬件满足度 AI 时代新需求 实现路径 现有模型效率 ✅ 需持续优化 硬件针对关键算法专项优化 未来模型支持 ❌ 快速适配新模型（如 Mamba ） 可编程架构 + 开源生态 多框架兼容性 ❌ 支持 PyTorch/TensorFlow/JAX 等多框架 开放标准 + 统一编程接口 客户对 AI 服务器的核心需求有何变化？ GPGPU 的适配性 针对 AI 工作负载的高并行、多线程特性设计，支撑前沿研究（如当前 90% 的 AI 模型开发基于 GPGPU）。
58910编辑于 2025-06-17
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