- 综合排序
- 最热优先
- 最新优先
- 来自专栏石开之旅
硬件笔记（8）----USB学习笔记5
bDeviceClass 1 设备类别 5 bDeviceSubClass 1 设备子类别 6 bDeviceProtocol 1 设备协议 7 bMaxPacketSize0 1 端点 0 的最大数据包大小 8 根据设备，数据包的大小可以为 8 个字节、16 个字节、32 个字节和 64 个字节。 iManufacturer、iProduct 和 iSerialNumber 都是字符串描述符索引。 请求所使用的配置值，用于选择该配置 6 iConfiguration 1 描述该配置的字符串索引 7 bmAttributes 1 位 7：预留（设置为 1） 位 6：自供电 位 5：远程唤醒 8 表 8 显示的是接口描述符的结构。 该接口所使用的端点数量（不包含 EP0） 5 bInterfaceClass 1 接口类别 6 bInterfaceSubclass 1 接口子类别 7 bInterfaceProtocol 1 接口协议 8
2.3K20发布于 2019-07-02 - 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. 应用层（Application Tier）：通过 Supermicro 8U GPU 服务器与 1/10/25 GbE 和 InfiniBand 网络连接至数据中心。 2.
1.4K10编辑于 2025-02-11 - 来自专栏科技记者
《高效R语言编程》8--高效硬件
软件配置 benchmarkme包 高效硬件的5个技巧 1、使用benchmarkme包评估下CPU，看是否值得硬件升级 2、如有可能，增加更多RAM（虽然现在芯片慌，说这个有点不合时宜） 粗略经验，RAM ·.Machine$sizeof.pointer #[1] 8·这样的结果就代表64位啦，这个应该是有原理的，感兴趣的可以查下。 1,600 random matrix: 2.75 (sec). plot(res) # You are ranked 310 out of 749 machines. # AMD R7 4700 8核心 8线程，还凑活 # 上传你的结果 upload_results(res) Creating temporary file Getting system specs. complete Tracking id: 2021-05-12-63245334 [1] "2021-05-12-63245334" 有三个结果，分别是程序、计算和函数的总时间和相对时间，发现没有用上全部8核心
1.2K30发布于 2021-07-27 - 来自专栏reizhi
微软发布windows 8 Logo认证硬件规范
随着win8 beta的临近，近日微软发布了windows 8 logo认证的硬件需求规范。拥有笔记本的朋友应该都见过掌托上的win7贴纸，这就是logo认证。 只有符合微软的硬件需求，才有资格贴上这一块贴纸。下面我们一起来看看win8中有哪些值得关注的硬件需求。 （以下需求对于X86及arm平台同时起效） 注：以下需求仅适用于Windows 8 Logo认证，并非win8所需最低配置！ 旋转锁定，音量增减，Windows键 3.所有无线设备（例如WIFI 3G 蓝牙）必须共用一个状态指示灯 4.连接交流电源或直流电源时都必须符合，具体要求可查阅源文档 可以看出，要通过windows 8 Logo认证并非易事，而有部分媒体更是预计Windows 8平板价格将会高于600美元。
55710编辑于 2022-09-26 - 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 对于一些特殊的卡，例如T4专门用于推理，只需要关注FP16和INT8的算力即可。 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？ 多GPU情况 GPUx4 or GPUx8: 在多GPU情况下、保证机器的稳定性是至关重要的，这时候就要选择更高系列的CPU。
1.5K30编辑于 2023-10-13 - 来自专栏InCerry
.NET8 硬件加速指令的支持
.NET 有着悠久的历史，在通过 JIT 编译器本质理解的 API 提供对额外硬件功能的访问。 在这篇文章中，我将深入介绍我们在 .NET 8 中引入的内容以及它所启用的功能类型。 NET 团队和英特尔多年来多次合作，这一次我们在整体设计和实现上共同努力，使得 AVX-512 支持得以在 .NET 8 中实现。 后来在 2003 年，当 x64 平台在 AMD Athlon 64 上引入时，它又提供了 8 个额外的寄存器，这些寄存器能被 64 位代码访问，被命名为 xmm8 到 xmm15。 这允许硬件在更小的空间内表示更多的操作，提高代码密度，并更好地利用预期行为。 值得注意的是，我们在这里并没有直接公开与底层硬件一一对应的掩码概念。
1.2K10编辑于 2023-12-26 - 来自专栏C++系列
【Linux】从软硬件角度重新理解 （8）
本章主要内容面向接触过Linux的老铁，从软硬件层面向大家介绍操作系统与冯诺依曼体系， 主要内容含： 一.冯诺依曼体系（硬件层面） 1.CPU与输入输出设备 截至目前，我们所认识的计算机，都是有一个个的硬件组件组成 写板等 中央处理器(CPU)：含有运算器和控制器等 输出单元：显示器，打印机等 中央处理器（cpu）又分成运算器与控制器 运算器：对我们的数据进行计算任务（算数运算，逻辑运算） 控制器：对我们的计算硬件流程进行一定的控制 各个硬件之间都是独立的个体！ 操作系统包括： 内核（进程管理，内存管理，文件管理，驱动管理） 其他程序（例如函数库，shell程序等等） 操作系统的作用主要有以下两点：（用户层这里主要指程序员） 通过帮助用户管理好软硬件资源 【承上启下，实现交互；程序员通过操作系统来访问底层的硬件】 从而给用户提供一个良好（稳定，高效，安全）的运行环境 2.系统调用 引入：操作系统内部会有各种各样的数据，可是操作系统不相信任何用户，
47310编辑于 2024-01-22 - 来自专栏机器之心
算法、硬件、框架，2019年AI何去何从？
他们的系统 OpenAI Five 在 8 月击败了一个领先 99.95% 玩家的 Dota 2 团队，一战成名，要知道 Dota 2 是一款非常复杂的电子游戏。 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。 具有 8 个内核的 CPU、视觉加速器、深度学习加速器——所有这一切都是日益增长的自动驾驶行业所需要的。 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 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
第二届AI HW峰会于9月17日至18日在硅谷中心举行，近五十位发言人向500多位与会者进行了演讲（几乎是去年首届听众人数的两倍）。所有的信息来自于峰会。 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。 这是使用512个GPU在NVIDIA Saturn V上开发的，这也显示了拥有自己的AI超级计算机时可以执行的操作。
57420编辑于 2022-05-13 - 来自专栏帅云霓的技术小屋
软硬件融合技术内幕 进阶篇 (8)
这款SoC包括8个MIPS核，并通过超线程技术向操作系统提供32个vCPU。我们注意一个细节，MIPS的超线程和x86不同，每个物理核(也就是一个ALU)可以带4个超线程(4个寄存器组)。 显然，PDE是典型的硬件加速部件，通过专用硬件电路帮助CPU处理相对固定的运算逻辑，(也就是所谓的offload)来提升整体性能。 在这款SoC中，还具备多种其他硬件加速部件，如能够实现网络密钥及加解密算法硬件加速的SAE (Security Acceleration Engine)等。 这是因为，SoC中的硬件加速单元，其功能是相对固化的。 如果期望在SmartNIC中实现virtio-blk和spdk，存储处理常见的CRC校验也无法通过硬件加速实现。
90520编辑于 2022-12-13 - 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FPGA/ARM/DSP技术专栏
嵌入式硬件必读！NXP IMX8M Plus工业核心板的硬件说明书
硬件资源SOM-TLIMX8MP核心板板载CPU、ROM、RAM、晶振、电源、LED等硬件资源，并通过工业级B2B连接器引出IO。 图 1 核心板硬件框图图 2 核心板正面图图 3 核心板背面图CPU核心板CPU型号为MIMX8ML8CVNKZAB，FCBGA封装，引脚数量为548个，尺寸为15mm*15mm。 1个片选；UART4最高支持波特率为5Mbps；支持硬件或软件流控；I2C6I2C(I2C0~I2C6)；通信速率最高支持320kbps；备注：核心板板载PMIC已使用I2C1，地址为0x25，I2C1 部分外设资源存在引脚复用情况，在实际开发过程中可使用产品资料“4-软件资料\Tools\Windows\Config_Tools_for_i.MX_[版本号]_x64.rar”工具，参考我司提供的“5-硬件资料 图 7由于篇幅过长等原因，部分引脚内容及板卡硬件内容均不逐一展示，如需获取完整版详细资料，请关注创龙科技，或者评论区留言，感谢您的支持！
1.7K00编辑于 2023-06-04 - 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
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