首页 文章 精选 留言 我的

精选列表

搜索[国产神器],共5697篇文章
优秀的个人博客,低调大师

为什么国产手机痴迷于做"生态"?

【大咖・来了 第7期】10月24日晚8点观看《智能导购对话机器人实践》 曾几何时,中国智能手机产业从硬件的比拼到了“情怀”又到了今天的“生态恋”,似乎相关手机企业如果不玩“生态”,就落伍了,就没有未来。而我们的媒体们也是动辄就以什么生态来评论手机企业是否具有竞争力,或者对此大加吹捧,尽管可能连它们自己(包括企业)都没有完全搞清楚这些企业的“生态”究竟是什么,确切地说这些“生态”未来如何给这些企业带来可观的营收和利润。 了解和熟悉智能手机产业的业内知道,在当前的智能手机产业中最挣钱或者严格说能够放在台面上说挣钱的企业就是苹果和三星。尽管三星连续多个季度利润下滑,但在上个季度中,二者还是合计拿走了全球智能手机产业超过100%的利润。重要的是,它们这些营收和利润几乎全部来自手机硬件本身的销售。 在此也许有人会说,我们又拿苹果和三星来压人,甚至称不具可比性,但我们想说的是,首先我们多数打着“生态”旗号的企业在宣传上都是以上述两家企业为目标,其次是上述两个企业是当前两大智能手机产业阵营的代表,所以只要玩手机产业,这两家企业无论是从我们企业主观设置的竞争对手,还是客观所处的产业范畴,都是不可回避的。那么到此又会有人称,苹果不就是靠着生态才有今天吗? 不过我们想告诉有此认识的人,不要说智能手机(iPhone本身),就是从苹果整个营收和利润的来源看,硬件占据了其90%以上的份额。所谓的生态给苹果带来的营收和利润充其量在10%左右。当然我们在此并非否认生态的重要性,只是澄清,至少在常人认为的苹果生态中,生态其实是为硬件服务的,生态本身给苹果带来的营收和利润微乎其微。这点和我们国内目前某些“生态恋”企业所言的不指望手机硬件本身挣钱,而是利用围绕其生态挣钱截然相反。 还有一点证明苹果是以硬件本身为核心的典型例子是,近日,全球应用数据分析网站App Annie***发布的数据显示,今年***季度,谷歌应用商店Google Play的应用下载总量较苹果应用商店App Store高出70%,但后者的应用下载营收却较Google Play高出了70%左右,较2014年第三季度的60%有所扩大。究其原因,就是iPhone6及iPhone6 Plus的热销,拉动了苹果App Store营收的增长。 分析完苹果,再看三星。三星之前的陨落是业内共知的事实。但最根本的原因还是在手机硬件本身败给了iPhone硬件的品质和中国手机企业硬件的性价比。与业内所谓的三星缺乏生态系统没有直接的关系。这点通过今年三星新近发布的Galaxy S6和Galaxy S6 Edge受热捧,预定量目前已经超过2000万部也得到了证明。 理由很简单,今日三星所谓的生态与之前的三星相比有何实质性的改观吗?当然没有,而从媒体报道及相关权威评论看,恰恰是Galaxy S6和Galaxy S6 Edge与之前的Galaxy相比在硬件上有了创新才是其再次受捧的主要原因。正如瑞士信贷***分析师江翰(Keon Han)所言:市场、运营商甚至用户都一致认为新系列有别于以往的任何系列,因为无论从设计还是规格,S6系列都是三星史上***的。由于这位明星分析师以往的推荐都给追随他的投资者们带来过丰厚回报,所以此评论还是具有一定的代表性和权威性,重要的是,这些评论主要指的就是手机硬件本身。 通过上述我们对于苹果和三星这两个智能手机产业代表的简单分析,既然手机硬件本身能够带来巨大的营收和利润,为何我们国内企业却羞于谈这些,而对所谓生态情有独钟呢? 首先是我们国内手机企业的品牌溢价能力有限,或者彼此间差距不大。这从在市场中多数国内手机企业几乎都是以“性价比”作为手机硬件本身***差异化竞争力可见一斑。但谁都知道“便宜没好货,好货不便宜”的道理。具体到手机产业,尽管看似配置相同,但不同厂商的配件,彼此间的差距还是不小的。其实这点在我们日常生活中比比皆是,在此就不一一例举了。重要的是,品牌溢价背后的真正的与硬件相关的核心竞争力的缺乏。 其次,正是由于上述创新力的缺乏,为了能够博得投资人及用户的认可,不指望手机本身挣钱,而是通过服务和应用挣钱的“生态”就成为了极好的借口和混淆用户对于手机硬件创新及优劣的认识。尤其是对于投资人,生态系统的建立需要时间更为可信,以为其实质赔钱的手机业务继续投资。 ***就是从宣传的角度看,以“生态”之名也也极易获得关注,且显得自己与对手的不同,但就我们接触到的媒体及评论人,多数对于某些厂商的“生态”都是雾里看花,云山雾罩。至于未来能够成为营收和利润的主力,更是百思不得其解。 更为矛盾的是,恰恰是这些认为手机硬件不重要,恋“生态”的厂商们却为了出货量的排名打得不可开交,当然这背后的逻辑是这些所谓“生态”实质上还是以手机为核心,既然因为性价比挣不到可观的营收和利润,至少在市场份额上要有所表现才好(没有占有率,何以成为核心),否则怎么和业内去和投资人圆“生态”之说呢?可话又说回来,既然手机是“生态”的核心,连核心都挣不到钱,那它是怎么成为核心的呢? 另外,从目前恋“生态”的厂商看,多数的营收还是来自手机硬件本身(利润就不要说了吧),丝毫没有显示出“生态”的主要作用在哪里。对,在未来,那未来有多远呢?回答还是“未来”。 综上所述,我们认为,进入到今年以来,中国手机产业“生态恋”的背后是我们手机产业核心竞争力缺失和创新乏力的典型反映,是为自己所谓手机性价比不挣钱遮掩的借口,是中国手机产业竞争末路剑走偏锋的产物。 【责任编辑: chenqingxiang TEL:(010)68476606】

优秀的个人博客,低调大师

🔥 本地化模拟分布式能力的神器:Local-Solon-Cloud-Plugin

引言:统一的开发体验 在微服务架构日益普及的今天,开发人员经常面临一个困境:如何在本地开发环境中高效测试分布式服务功能?或者一套系统给不同的客户使用,有的需要单体部署,有的需要分布式部署,有的需要微服务部署。 传统做法,往往需要在本地搭建复杂的分布式环境,或者为不同部署方式编写不同的代码(要么用微服务方式开发,要么用单体方式开发)。Local-Solon-Cloud-Plugin 正是为解决这一痛点而生。 插件概述 核心定位 Local-Solon-Cloud-Plugin 是一个基于本地适配的 Solon Cloud 插件,它模拟实现了分布式系统的核心能力,却不需要真实的分布式环境。自 v1.11.2 版本开始提供支持,该插件覆盖了 Solon Cloud 所能提供的大部分接口能力。 核心价值 统一开发接口:所有项目使用相同的 Solon Cloud 接口进行开发 无缝环境切换:通过简单配置切换,即可在"本地单体服务"和"分布式服务"之间自由转换 降低测试复杂度:无需搭建复杂分布式环境即可测试分布式功能 应用场景示例 // 同一套代码,不同环境运行 // 本地开发:使用 local-solon-cloud-plugin // 生产环境:切换为 water 或其它分布式实现 import org.noear.solon.cloud.annotation.CloudJob; // 定时任务示例 @CloudJob(name = "demoJob", cron7x = "0 0 0 * * ?") public void executeJob() { // 本地开发时由插件调度 // 生产环境可由 Water 或 XXL-Job 调度 } 快速开始 添加依赖 <dependency> <groupId>org.noear</groupId> <artifactId>local-solon-cloud-plugin</artifactId> <!-- 版本跟随 Solon 主版本 --> </dependency> 基础配置 # app.yml solon.app: name: demoapp group: demo solon.cloud.local: server: "./solon-cloud/" # 必须设置,也可以是资源目录 config: load: "demoapp.yml" # 加载配置到应用属性 discovery: service: demoapp: # 添加本地服务发现 - "http://localhost:8081" 配置区别说明 体外目录(如./solon-cloud/):支持文件上传功能 资源目录(如classpath:META-INF/solon-cloud/):不支持文件上传 Solon Cloud 能力支持详情 云端能力接口 说明 本地模拟实现 备注 CloudConfigService 云端配置服务 ✅ 支持 不支持 namespace;支持 group CloudDiscoveryService 云端注册与发现服务 ✅ 支持 不支持 namespace;支持 group CloudEventService 云端事件服务 ✅ 支持 不支持 namespace;支持 group CloudFileService 云端文件服务 ✅ 支持 完整实现 CloudI18nService 云端国际化服务 ✅ 支持 完整实现 CloudJobService 云端定时任务服务 ✅ 支持 完整实现 CloudListService 云端名单列表服务 ✅ 支持 完整实现 CloudMetricService 云端度量服务 ⚠️ 空实现 仅保证接口调用不报错 CloudTraceService 云端链路跟踪服务 ⚠️ 空实现 仅保证接口调用不报错 核心功能详解 1. 云端配置服务(本地模拟) 支持 YAML、Properties 格式,文件路径格式:config/{group}_{name} 配置加载方式: # app.yml solon.app: name: demoapp group: demo solon.cloud.local: server: "/data/demo/solon-cloud/" config: load: "demoapp.yml,demo-db.properties" 注解注入方式: import org.noear.solon.annotation.Bean; import org.noear.solon.annotation.Configuration; import org.noear.solon.cloud.annotation.CloudConfig; @Configuration public class Config { // 直接注入云端配置(已经 config.load 的配置) @Bean public DataSource initDbConfig(@Inject("${demo-db}") HikariDataSource ds) { return ds; } // 动态获取云端配置(直接注入配置块) @CloudConfig("test.yml") private Properties testSettings; } 2. 服务注册与发现(本地模拟) 在本地环境中模拟服务注册中心的功能: solon.cloud.local: discovery: service: user-service: - "http://localhost:8081" - "http://localhost:8082" order-service: - "http://localhost:8083" 可以通过环境配置,切换单体或分布式的配置需求。 3. 云端事件服务(本地模拟) import org.noear.snack4.ONode; import org.noear.solon.annotation.Controller; import org.noear.solon.annotation.Mapping; import org.noear.solon.annotation.Post; import org.noear.solon.cloud.CloudClient; import org.noear.solon.cloud.model.Event; // 发布事件 @Mapping("order") @Controller public class OrderController { @Post @Mapping("create") public void createOrder(Order order) { // 发布订单创建事件 CloudClient.event().publish(new Event("order.created", ONode.serialize(order))); } } //------------------------------------ import org.noear.solon.cloud.CloudEventHandler; import org.noear.solon.cloud.annotation.CloudEvent; import org.noear.solon.cloud.model.Event; // 订阅事件 @CloudEvent("order.created") public class OrderEventHandler implements CloudEventHandler { @Override public boolean handle(Event event) throws Throwable { // 处理订单创建事件 return false; } } 注意:本地模拟实现不支持事件持久化,重启后数据会丢失。生产环境建议使用消息队列适配框架。 4. 文件服务(本地模拟) 文件存储在${server}/file/目录下,支持标准文件操作接口。 5. 国际化服务(本地模拟) 文件格式:i18n/{group}_{name}-{locale}(不支持文件后缀) import org.noear.solon.annotation.Bean; import org.noear.solon.annotation.Configuration; import org.noear.solon.cloud.impl.CloudI18nBundleFactory; import org.noear.solon.i18n.I18nBundleFactory; //注册国际化包工厂 @Configuration public class DemoConfig { @Bean public I18nBundleFactory i18nBundleFactory(){ //将国际化服务,切换为云端接口 return new CloudI18nBundleFactory(); } } //使用 solon.i18n 接口 import org.noear.solon.annotation.Controller; import org.noear.solon.annotation.Mapping; import org.noear.solon.i18n.I18nService; import java.util.Locale; @Controller public class DemoController{ I18nService i18nService = new I18nService("test-api"); @Mapping("/hello") public String hello(Locale locale){ return i18nService.get(locale, "hello"); } } 6. 定时任务调度(本地模拟) import org.noear.solon.cloud.annotation.CloudJob; @CloudJob(name = "dailyReport", cron7x = "0 0 2 * * ?") public void generateDailyReport() { // 每天凌晨2点执行 // 注意:时间到就会启动新的执行,不管上次是否完成 } 7. 名单服务(本地模拟) 支持IP白名单/黑名单等功能,JSON格式存储:list/{name}-{type}.json 实战示例 完整配置示例 solon: app: name: demoapp group: demo solon.cloud.local: server: "./cloud-data/" config: load: "app.yml,db.yml" refreshInterval: 10s # 配置刷新间隔 discovery: service: user-service: - "http://localhost:8080" product-service: - "http://localhost:8081" job: enabled: true # 启用任务调度 event: enabled: true # 启用事件调度 多环境切换配置(参考) # 本地开发环境(使用本地模拟) solon.cloud: local: enabled: true server: "./solon-cloud-local/" # 生产环境(使用真实的分布式服务) # solon.cloud: # water: # server: "water-server:9371" # config: # load: "demoapp.yml" 注意事项 事件持久化:本地事件服务不支持持久化,重要业务场景需注意 性能监控:度量服务和跟踪服务为空实现,生产环境需要替换 集群特性:本地模拟不支持真正的集群特性,如分布式锁、Leader选举等 配置同步:多实例情况下,本地配置需要手动同步(也可以打包到 jar) 总结 Local-Solon-Cloud-Plugin 为 Solon Cloud 生态提供了一种优雅的解决方案,它让开发者在享受分布式架构优势的同时,避免了本地开发的复杂性。通过统一的接口设计和灵活的环境切换能力,该插件显著提升了开发效率,方便适应不同的客户需求。 无论是初创项目快速验证,还是大型项目的本地开发,Local-Solon-Cloud-Plugin 都是一个值得尝试的优秀工具。它的存在使得"一次编写,处处运行"的理念在分布式开发领域得以更好地实现。

优秀的个人博客,低调大师

拍照被嫌弃,他用分布式技术开发了一款自拍神器

殷冬是一名从事软件开发 5 年的全栈工程师,也是本次HarmonyOS 开发者应用创新大赛的参赛者之一。这次大赛,他带来的是一款名为《分镜头App》的作品,顾名思义,这款应用利用了 HarmonyOS 的分布式能力,目的是帮助用户拍出更满意的照片。 开发该应用的灵感,来源于殷冬的个人经历。虽然是一名前后端各项技能兼备的全栈工程师,但在拍照这件事上,殷冬却完全不得要领,屡屡被女友“嫌弃”。去年完成个人工作室筹备后,恰逢 HarmonyOS 手机开发者 Beta 版本发布和开发者应用创新大赛启动,殷冬很快敲定了《分镜头App》的开发方向。 相比于普通的相机应用,殷冬的《分镜头App》通过分布式技术,可实时控制多部手机或PAD进行拍摄,充分利用后置摄像头的高像素,在自拍时,只需将手机/PAD放置在前方合适的位置,就能通过手中的另一台手机/PAD遥控拍摄,并且支持拍摄画面实时呈现,被拍摄者可以直接看到镜头里的自己,既方便随时调整姿势,又可指导拍摄者及时调整构图,提高成片质量。 “第一次学习 HarmonyOS 北向开发技术,就被深深吸引了。分布式任务调度、分布式文件管理、分布式数据管理、软总线技术,这些全新的技术令人向往。”殷冬在言谈中没有掩饰对这一技术的欣赏。 HarmonyOS 丰富的能力,也给了殷冬足够的发挥空间,除了在拍照时调用多设备的硬件资源,他还开发出了更多玩法。 拍摄视频时,《分镜头App》亦支持用手机管理所有组网设备的录制时机、画面,通过另一台手机或PAD实时展示录制的画面。 利用 HarmonyOS 的分布式文件管理能力,《分镜头App》还能做到让每台组网设备均可查看拍摄的照片和视频。 “简单”,是殷冬在《分镜头App》的开发过程中的最大感受。以往跨终端调用需要涉及到中间件、网络等繁琐工作,在 HarmonyOS 中仅需要几个配置、几行代码即可完成,“那种感觉就像是绿皮车和高铁的区别,速度不是一般的快。” 但在他看来,HarmonyOS 的能力远不止于此,未来,他还计划给《分镜头App》增加更智能化的配置以简化用户操作,比如根据用户选择的模板,自动配置拍摄流程、拍摄设备顺序等,甚至实现分布式美颜滤镜、异地多人在线合照等有趣且实用的功能。 《分镜头App》是殷冬个人工作室的首款应用,对他而言,开发者大赛只是一个起点,“给用户提供一个全新的拍摄体验,是我最终的目标。”

优秀的个人博客,低调大师

数据科学家、开发者的新神器 Amazon SageMaker正式上线中国区

【51CTO.com原创稿件】 机器学习自诞生至今,已经被应用在很多领域,但目前来看对于从业人员来说仍然存在着一些阻力。 首先是机器学习方向的学习门槛高,人工智能、机器学习这些知识,相对来说比较苦涩难懂,对学习人员的综合素养要求高;想要真正成为一名机器学习工程师。不仅要处理代码中的各种问题,还需要不断学习、与其他部门的人员沟通、了解和学会使用各种新型代码库或模型。 而近期登陆中国区的Amazon SageMaker的目标就是帮助开发者和数据科学家快速构建、训练和部署机器学习 (ML) 模型。SageMaker 消除了机器学习过程中大量的繁重琐碎工作,让开发高质量模型变得更加轻松,大幅度降低了开发者和数据科学家的工作难度。 不断加码AI赛道的AWS “亚马逊从电商时代就非常关注机器学习,产品推荐、产品搜索、物流配送、送货机器人、智能助理Amazon Echo、无人值守商店Amazon Go等业务都遍布机器学习的身影。”张侠讲到。 不光是C端产品的历史渊源,亚马逊在面向B端的产品布局也早有规划。 自从主打智能家居的AmazonAlexa系列设备取得大获成功后,亚马逊不断加快在B端AI产品的布局,2016前起陆续收购图像公司Orbeus、聊天机器人平台Angel.a、AI云服务安全公司Harvest.ai等一些列的AI相关公司,亚马逊在ToB领域的努力早有成果,产品线包括销售的Tact.ai、零售的Blutag、餐饮的SeverRooms等日常生活常见场景。 随后在2016年re:Invent 大会上,亚马逊云服务AWS也正式推出自己的AI产品线:Amazon Lex、Amazon Polly 以及 Amazon Rekognition,分别定位于可编写自然人机交互、语音转换服务以及图像识别。 而其中机器学习作为提升数据处理效率的有利武器,亚马逊云服务AWS也早已渗透。据统计,约80%的TensorFlow AI系统部署在AWS的云服务上。而在2019年正式发布的自动化机器学习Amazon SageMaker,也已经凭借过硬的实力快速获得了市场认可,再依托AmazonEC2的客户积累SageMaker也得以快速部署。 AmazonSageMaker更多的是专注中间层的服务,主要目标是消除机器学习过程中的繁重工作,让开发高质量模型变得更加轻松。客户可以直接在其应用中调用AWS提供的这些人工智能和机器学习的服务,而无需关注服务背后的机器学习模型。 AI能力领跑全球的AWS 人工智能和机器学习技术的难点在于如何把这些技术真正应用到现实生产实践中,AWS一直在致力于帮助企业解决这些问题。 根据来自权威研究机构Gartner发布《Magic Quadrant for Cloud AI Developer Services》研究报告显示AWS、微软、谷歌、IBM位列领导者象限的厂商,亚马逊云服务AWS排名第一,领跑全球。报告指出,AWS拥有非常强大产品组合,在市场有很高的知名度,AWS为开发人员提供的服务可以满足那些没有机器学习(ML)技能和寻求高级功能的人的需求。 Gartner《云AI开发者服务魔力象限》 https://xw.qq.com/cmsid/20200307A0LK0W00 为了帮助开发人员学习应用机器学习(ML)、AI和深度学习,AWS还提供了30多种数字培训课程以及AWS DeepLens和AWS DeepRacer,开发人员可以使用它们学习深度学习和强化学习的基础知识。 Amazon SageMake-提升开发效率的好平台 机器学习目前对企业和从业者来说仍然一个非常繁琐的工作。在企业中,大多数企业并不具备独立开发机器学习模型的能力;对开发者和数据科学家来说,进行机器学习首先必须对数据进行可视化、转换和预处理等一些列的处理才可以完成一个完成的模型。 通过预置的Notebook、针对PB级数据集优化的常用算法,以及自动模型调优,Amazon SageMaker大大降低了模型构建和训练的难度。并且,Amazon SageMaker显著简化和加快了模型训练过程,可以通过自动提供和管理基础设施来训练模型和运行推理。再者Amazon SageMaker也降低机器学习门槛,帮助使用Amazon SageMaker的企业大幅度削减成本。 一站式开发工具Amazon SageMaker Studio SageMaker提高工作效率最重要的动力来源之一是Amazon SageMaker Studio。SageMaker Studio 为开发者和数据科学家提供了一站式的基于 Web 的可视化界面,它是一个用于机器学习的基于 Web 的集成开发环境 (IDE),用户可以在界面上执行构建、训练、调试、部署和监控机器学习模型等所有的 ML 开发步骤。在一个统一的可视化界面中,用户就可实现下面功能: l在Jupyter 笔记本中编写和执行代码 l构建和训练机器学习模型 l部署模型并监控其预测性能 l跟踪和调试机器学习实验 TCO成本大幅减少 AWS对使用Amazon SageMaker 的团队进行了TCO分析,结果表明,使用它的企业 TCO 在三年时间里比其他方式如自己通过 Amazon EC2 或 Amazon EKS来建设要低 54%。研究的分析范围涵盖了从只有五位数据科学家的小团队到由 250 位数据科学家组成的超大型团队,结论是 Amazon SageMaker 能为各种规模大小不同的团队都提供更出色的 TCO。 在采访时,大宇无限机器学习技术总监苏映滨表示:“AmazonSageMaker的出现,帮我们实现从0到1的突破。构建一个机器学习平台不仅需要非常专业的人,而且投入的人力、资金和时间都非常大,对于大宇无限来说,这不太现实。”在SageMaker的帮助下,他们用三个月时间就完成了整个系统的搭建。SageMaker不仅帮助大宇无限完成了搭建,而且,在使用过程中还发现它的训练成本远低于自己搭建一套系统,据苏映滨估计,平均下来能节省70%的训练成本。 伊克罗德是AWS的核心级咨询合作伙伴 (APN Premier Consulting Partner),其基于AWS的解决方案极大地减少了用户的开发时间与运营费用。伊克罗德中国区副总裁桂梓捷表示:“我们运用Amazon SageMaker平台加速企业导入行业AI解决方案,如标签标注、文本分析、语意理解、预测分类、推荐系统与诈欺侦测等,针对客户实际遇到的商业问题,量身打造真正解决问题的端到端AI应用。随着Amazon SageMaker在中国区域落地,我们将会以SageMaker平台作为企业MLOps(机器学习运营)核心,协助企业构建MLOps流程,尤其在金融行业领域,帮助企业内部数据科学家与AI工程师建立、训练与部署机器学习模型。” AWS希望更多的客户可以认识到Amazon SageMaker,针对有AI技术团队的企业,更多的是协助这些企业去打造自己内部的MLOps的流程,让SageMaker跟SageMaker的Studio成为客户内部开发的一个重要环节。针对没有AI技术的客户,就可以借助SageMaker平台的技术模块,让没有AI技术团队的企业也可以享受到SageMaker平台的优势。 未来的世界人工智能和云将无处不在。但对于巨头来说,未来市场竞争力将会聚焦于人工智能技术服务,为各行业智能化转型提供解决方案,以此推动各大产业智能变革。与此同时,中国作为全球最重要且最具活力市场,对人工智能和云计算等新技术应用需求也在日益剧增,人工智能也必将成为各业务部门不可或缺的一部分,如何更好的推动大规模创新并实现巨大的商业价值是每个巨头应该思考的问题。 【51CTO原创稿件,合作站点转载请注明原文作者和出处为51CTO.com】 【责任编辑: Captain TEL:(010)68476606】

优秀的个人博客,低调大师

反射内存技术发展趋势与国产化替代

反射内存网络诞生于上世纪九十年代(如 VMIC 的 5587 系列),至今已走过三十余年。在以太网、InfiniBand、TSN 等新技术层出不穷的今天,反射内存在飞行仿真、军工测控、实时控制等硬实时领域依然占据不可替代的位置。它的生命力来自一个朴素的判断:对微秒级确定性通信而言,把网络伪装成内存,仍是最简单、最可靠的工程方案。展望未来,反射内存正沿着"性能提升、形态演进、自主可控"三条主线发展。

优秀的个人博客,低调大师

曦智科技51.2T CPO原型亮相,核心全国产

在2026世界人工智能大会(WAIC 2026)上,曦智科技以“光³——定义AI算力的三次方时代”为主题,从光互连、光计算、光交换三个维度,带来了一系列技术进展与最新产品。从核心芯片突破到超节点集群规模化落地,从技术验证走向产业共建,曦智科技正以光电混合全栈能力赋能AI算力基础设施升级,让光真正服务于算力需求的最前沿。

资源下载

更多资源
Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称,一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集,帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能,例如代码缩略图,Python的插件,代码段等。还可自定义键绑定,菜单和工具栏。Sublime Text 的主要功能包括:拼写检查,书签,完整的 Python API , Goto 功能,即时项目切换,多选择,多窗口等等。Sublime Text 是一个跨平台的编辑器,同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源,继承了IntelliJ IDEA强大的JS部分的功能。

用户登录
用户注册