首页 文章 精选 留言 我的

精选列表

搜索[页面布局]，共10000篇文章
优秀的个人博客,低调大师

新场景 AI搜索 实战：8 个 AI 搜索新场景怎么布局？

在秘塔搜索里跑了3个行业的提问词，38条引用源分布在30个不同网站上——豆包那边CSDN一家吃下34%的引用，而秘塔连凑出2条同站引用都费劲。这个数据直接说明一件事：AI搜索引擎不是一个大池子，是多个引用偏好完全不同的信息通道。本文基于对8个AI搜索场景的引用源实测，拆解不同平台的内容抓取逻辑，以及技术内容如何通过平台适配提升被引概率。
2026-08-13
优秀的个人博客,低调大师

OpenAI 布局核聚变能源：AI 算力野心背后的能源博弈

OpenAI正与核聚变初创公司Helion Energy展开深度谈判，计划采购大规模清洁电力以满足其AI基础设施的能源需求。Axios独家报道称，OpenAI有望在2030年前获得相当于5吉瓦的电力供应，并计划到2035年将这一规模扩展至50吉瓦。这一动作揭示了人工智能产业高速发展背后日益严峻的能源挑战。 据了解，Helion Energy由Sam Altman领投，他在2021年领导了该公司的5亿美元E轮融资，2025年1月Helion又完成了4.25亿美元的额外融资。其他投资方包括软银、Peter Thiel的Mithril Capital以及Facebook联合创始人Dustin Moskovitz。为避免利益冲突，Altman已辞去Helion董事会主席职务，并回避相关谈判。 根据协议框架，OpenAI将获得Helion产能的保障份额，初期比例为12.5%。核聚变能源通过模拟太阳内部的核反应过程产生能量，被业界视为解决AI算力能源需求的潜在方案。Helion方面声称已接近实现"科学盈亏平衡"——即核聚变过程产生的能量超过消耗的能量，这是商业化前的关键里程碑。目前尚无私营企业真正实现这一目标。 OpenAI并非唯一押注核聚变的科技巨头。Google已与Helion的竞争对手Commonwealth Fusion Systems签署多项协议，包括购买200兆瓦电力的合同。微软在2023年也与Helion达成了5000万瓦的电力采购协议。这场能源竞赛反映出AI公司对稳定、清洁能源的迫切需求。 训练大语言模型和运行推理服务需要消耗巨量电力。据估算，ChatGPT每天的电力消耗相当于约3.3万个美国家庭的用电量。随着模型规模持续扩大和应用场景激增，能源已成为制约AI发展的核心瓶颈之一。核聚变若能在2030年代实现商业化突破，将为AI产业提供几乎无限的清洁能源。 OpenAI与Helion的潜在合作凸显了AI产业的一个核心命题：算力扩张必须以可持续的能源供应为基础。尽管核聚变技术仍面临重大科学和工程挑战，但科技巨头的资本注入正在加速这一领域的研发进程。如果Helion能在2030年前实现科学盈亏平衡，将是人类能源史上的重大突破，也将为AI产业的长期发展奠定坚实的能源基础。
2026-03-24
优秀的个人博客,低调大师

谷歌前 CEO 敦促欧洲加速开源 AI 布局，避免依赖中国技术

1 月 20 日，在瑞士达沃斯世界经济论坛上，谷歌前首席执行官、科技投资人埃里克·施密特（Eric Schmidt）指出，欧洲需要大幅投资开源人工智能技术，否则可能陷入对中国 AI 模型的依赖。 施密特认为，目前美国 AI 企业普遍采用闭源模型开发路线，这些技术通常通过购买或授权方式对外提供，而中国则倾向于开放权重和开源，推动其 AI 模型生态更广泛地被使用。 他强调，欧洲若不愿意投入巨额资金建设本土开源 AI 实验室和模型，将可能在未来的 AI 技术竞争中依赖中国提供的技术与模型，“这对欧洲并非理想的结果”。 此外，施密特还提到，解决能源价格飙升和加强数据中心基础设施建设是提升欧洲 AI 竞争力的关键配套环节。
2026-01-21
优秀的个人博客,低调大师

【前瞻技术布局】打破"沙漏“现象→提高生成式搜索/推荐的上限

作者:京东零售 王彗木   东方若晓，莫道君行早  EMNLP 2024: Breaking the Hourglass Phenomenon of Residual Quantization: Enhancing the Upper Bound of Generative Retrieval paper链接： https://arxiv.org/abs/2407.21488v1 0 摘要 生成式搜索/推荐在搜索和推荐系统中已经成为一种创新的范式，它通过使用基于数值的标识符来提升效率和泛化能力。特别是在电子商务领域，像TIGER这样的方法使用基于残差量化的语义标识符（RQ-SID），表现出了很大的潜力。然而，RQ-SID面临一个被称为“沙漏”现象的问题，即中间码本令牌过于集中，限制了生成式搜索/推荐方法的全面发挥。本文通过研究发现，路径稀疏和长尾分布是造成这一问题的主要原因。我们通过一系列详细的实验和消融研究，分析了这些因素对码本利用率和数据分布的影响。结果表明，“沙漏”现象对RQ-SID的性能有显著影响。我们提出了一些有效的解决方案，成功改善了生成式任务在实际电子商务应用中的效果。 1 背景 在生成式搜索/推荐中，基于数值的标识符表示方法因其简单、高效和强大的泛化能力而在行业中被广泛采用，特别是在长行为序列推荐中。这些方法显著缩短了序列长度并加快了推理过程。值得注意的方法包括DSI、NCI、TIGER、GDR和GenRet。其中，TIGER方法通过残差量化（RQ）（Lee等，2022；Zeghidour等，2021）生成语义标识符（SID），有效捕捉了语义信息和层次结构。这种方法在以商品为主的电子商务场景中特别有优势，能够准确反映电子商务数据中固有的复杂层次关系和语义特征，从而显著提升推荐性能。 需要强调的是，基于RQ的方法的性能上限在很大程度上依赖于SID的生成，这也是本文分析和讨论的核心重点。 2 任务定义    基于现有常见的任务场景，定义如下任务【注意：任务形式不限于下列任务，只要是含有SID的任务均可】：该用户信息：年龄：age_2；性别：男性；会员状态：非会员。该用户的历史交互行为有：<xxx><xxx><xxx>，<xxx><xxx><xxx>……。该用户本次搜索的关键词为“XX鼠标”。请根据该用户信息、历史交互行为和本次搜索关键词，预测该用户接下来最可能购买的商品：<xxx><xxx><xxx> 3 RQ-VAE SID生成    SID生成，谷歌的TIGER方法用的比较广泛。它通过残差量化RQ生成语义标识符（SID），能够有效捕捉语义信息和层次结构。这种方法在以商品为主的电商场景中尤其有优势，因为它能够准确反映电商数据中的复杂层次关系和语义特征，从而显著提升推荐性能。 4 沙漏现象    在通过残差量化（RQ）生成的SID中，我们观察到了一种显著的“沙漏”现象。具体而言，中间层的码本过于集中，导致了一对多和多对一的映射结构。这种集中现象引发了路径的稀疏性和长尾分布问题。路径稀疏性是指匹配路径仅占总路径空间的一小部分，而长尾分布则意味着大多数SID集中在少数的头部标记上，中间层标记的分布呈现长尾特征。在具有长尾特征的数据集中，这种“沙漏”效应尤为明显，显著限制了生成式搜索推荐方法的表示能力。问题的根源在于逐步量化高维向量残差的内在特性。基于此，我们对该现象进行了深入的理论与实验分析，并提出了相应的解决方案。 4.1 沙漏现象可视化 为了生成语义ID，我们首先利用公司内部数十亿条搜索日志中的查询-商品数据，训练了双塔模型（如DSSM和BERT等）。接着，通过商品塔获取了数亿商品的嵌入向量，最终采用残差量化（RQ）方法为所有商品生成了语义ID。    生成语义ID后，对所有商品进行了聚合，并计算了三层分布图。如上图所示，可以看到第二层集中有大量路由节点，整体分布呈现“沙漏”现象。为了验证这一现象的普遍性，我们在不同参数组合下进行了多次可视化实验，沙漏效应非常显著，三层代码表中token的路径分布相对稀疏。    此外，基于上述实验，我们使用三个指标对第二层的标记分布进行了统计分析：熵、基尼系数和标准差，如图所示。结果表明，第二层的标记分布表现出低熵、高基尼系数和大标准差，表明该分布具有显著的不均匀性。 总体而言，这种沙漏现象在代码表中通过路径稀疏性和token的长尾分布得到了统计数据支持。其中， 路径稀疏性：语义ID结构导致代码表利用率低。 长尾分布：在中间层，大多数路径集中到单个token上 4.2 现象分析 为了探讨“沙漏”现象的成因，将基于残差量化（RQ）的运行机制进行深入分析和讨论。为了便于理解，考虑两种原始嵌入的分布：非均匀分布和均匀分布。接下来，使用RQ为数据X生成语义ID。    可以看到，第一层，候选点被分成M个聚类桶，token的入度相等。输入分布均匀。第二层输入为第一层的残差，分布非均匀。小残差点靠近聚类中心，异常值较大。聚类更关注异常值，形成长尾现象。第三层残差值变得一致且均匀。类似第一层的均匀分布。第二层大路由节点分散成多个小节点。整体趋势随层数增加，残差减小，聚类效应减弱。形成沙漏状结构：数据压缩再扩展，最终均匀分布。语义ID构建后，RQ量化方法的影响，加上中间层头部token的主导地位，自然导致了路径的稀疏性。类似地，对于非均匀分布（如长尾分布），残差分布变得更加不均匀，导致现象更加严重。 4.3 实际影响   为了评估这种现象的影响，我们进行了多项实验。首先，在评估过程中，我们根据第二层标记的分布将测试集分为两组：头部标记测试集和尾部标记测试集。如表所示，头部标记测试集的性能显著提升，而尾部标记测试集的性能则明显较差。这种性能差异可以归因于先前分析的路径稀疏性和标记的长尾分布，导致了结果的偏差。这一现象在不同规模的模型（如LLaMA2、Baichuan2和Qwen1.5）以及不同参数的残差量化（RQ）中均有观察到，突显出长尾标记分布和路径稀疏性对模型性能的广泛影响。 此外，为了进一步探讨“沙漏”现象对模型性能的影响，我们进行了两个关键实验：1）交换第一层和第二层的标记，2）将交换序列的第一个标记作为输入。 在仅交换第一层和第二层标记的情况下，第一层出现显著的长尾分布，导致模型难以拟合，从而效果较差。由于逐标记错误的累计，交换后的效果甚至比不交换更差。然而，当交换后给定第一个标记时，输出任务变为预测第二或第三层的SID，这使得任务变得更简单，并且长尾分布不再影响结果（因为给定了真实的SID1），因此效果显著提升。此外，在不交换第一层和第二层的条件下，给定第一个标记（第二层SID依旧是长尾分布），其结果高于基线，但低于交换后给出第一个标记的情况（如表所示）。 这一发现表明，“沙漏”现象对模型性能有着实质性的负面影响。通过上述实验，不仅确认了“沙漏”效应的存在，还阐明了其对模型性能的具体影响，从而为未来的优化提供了坚实的基础。 5 解决方法    解决沙漏现象的方法有多种，在此简单的从分布角度提出两种简单易行的方法：一种启发式的方法是直接移除第二层，从而消除长尾效应的影响。然而，这可能导致空间容量不足。需要注意的是，这里首先要生成一个L层的语义ID（SID），然后再移除第二层，这与直接生成一个两层的SID不同，因为后者可能仍然存在大的路由节点。另一种简单的方法是自适应地移除第二层的顶部tokens，使语义ID成为一个可变长度的结构。这里使用了top@K策略，并设定一个阈值p。这种方法确保了分布保持不变，同时有选择地减少了“沙漏”效应的影响。 为了进一步验证该方法的有效性，在LLaMA模型上进行了实验。结果表明，通过应用自适应token移除策略，模型性能得到了提升，同时计算成本与基础模型相近，并且在一些客观优化（如Focal Loss和Mile Loss）方面也表现出色。 具体来说，实验结果显示，使用top@400 token移除策略的模型在大多数评估指标上都优于基线模型。这表明该方法有效地减少了长尾效应的影响。随着移除的tokens数量增加，模型性能的提升会遇到瓶颈。特别是当所有tokens都被移除时，这种限制尤为明显，这可能是由于缺少长尾tokens，导致召回率下降。同时，直接移除第二层会导致一个SID对应多个项目。这种细粒度的分析为所提出方法的有效性提供了有力证据。该方法在选择性移除不太重要的tokens的同时，保留了最有信息量的tokens，即使在移除大量数据的情况下，也能提升模型性能。 6 结论 本研究系统地探讨了RQ-SID在生成式搜索/推荐的局限性，特别是发现了中间层tokens过度集中导致数据稀疏和长尾分布的“沙漏”现象。通过广泛的实验和消融研究，证明了这一现象，并分析了其根本原因在于残差特性。为了解决这个问题，提出了两种方法：移除第二层的启发式方法和自适应调整token分布的可变长度token策略。实验结果显示，两种方法都有效缓解了瓶颈效应，其中自适应token分布调整策略效果最佳。这是首次系统性地探讨RQ-SID在生成式搜索/推荐中缺陷的研究，为未来的模型优化提供了坚实的基础，并显著提升了模型性能。 7 未来规划 1、 优化SID的生产与表征方式，通过引入时效、统计类特征来辅助额外表征，让其能满足对特征极为看重的排序需求； 2、 统一稀疏表征（SID）与密集表征，让LLM可以显示的建模密集特征变化趋势，而不是稀疏表征的映射 3、 保证链路无损失实现一段式搜索。
2025-04-27
优秀的个人博客,低调大师

云计算厂商迎来升级拐点，边缘计算布局或将成决胜点

随着各项应用全面智能化的趋势，从云计算延伸至边缘计算的技术整合与生态串联反而成为市场短板，因此云计算厂商纷纷将触角伸向至边缘计算市场。 今天，数据的重要性正带动企业对于数字转型的庞大需求，但大量数据却为既有信息系统架构带来沉重负担。 云计算趁势而起，从云存储、传输到运算，全面翻新企业的营运思维，造就云计算厂商在近几年的亮眼成绩，以Amazon、Microsoft、Google、IBM、阿里云表现最为突出。 然而，随着云计算厂商的市场话语权与市场驱动力突飞猛进，竞争态势也越趋激烈。 当云计算服务逐渐成为企业营运根基，规模化和成本考虑开始浮现，厂商在导入云计算架构时势必进行层层考虑，包含稳定度、成本效益、扩展性、永续经营等皆然，迫使云计算厂商进入杀价竞争和功能完整度的较劲。 除此之外，物联网的崛起，让多元开发需求如雨后春笋般快速增加，云计算用户现在不仅要将系统上云端，还要求利用云计算进行多样化的物联网应用开发与测试，进一步优化开发成本和快速上线的能力。 1.靠近数据源才能掌握需求并创建商机 云计算与边缘计算的关系，简单来说就是云计算把握整体，边缘计算专注局部，将数据的处理、应用程序的运行、功能服务的实现，由中心服务器下放到网络边缘的节点上，边缘计算靠近终端的特性体现在它实时处理的优势，直接对终端设备的数据进行过滤和分析，从而更快响应。 边缘节点在更接近需求的位置进行数据处理，在降低时延的同时也减少了从设备到云端的数据传输成本，减缓了海量数据对网络流量造成的压力，因此云计算+边缘计算的组合使用，成本只有单独使用云计算的39%，真正做到节能省时两不误。 Gartner曾表示，边缘计算将成为具有巨大颠覆性潜力的战略技术。 预测显示，2021年40%的大型企业的项目会纳入边缘计算原则，而在前几年只有不到1%的企业会实施。边缘计算将成为所有数字业务的必要需求。 现在数据量正在爆发式增长，物联网系统厂商如何高效地处理海量的数据一直是一个难题，云计算模式现在已不能完全满足万物互联的需要，从而衍生出来边缘计算概念成为新的趋势。 面对既有业务的价格竞争与新兴的复杂多元需求，云计算厂商开始延伸既有业务，朝向物联网平台与边缘运算领域扩展。 现阶段，各大云计算厂商多已建立自家物联网平台与边缘运算软件，如Amazon的AWS IoT Core、AWSGreengrass，Microsoft的Azure IoTSolutions、Azure IoT Edge等。 云计算厂商通过先行创建平台生态、建置完善架构与功能，以及相对应开发工具给予用户，逐步往边缘计算靠拢，试图在已掌握的云计算优势上，建立更全面的云到端解决方案。 过往云计算厂商仅能单方面的收集既有数据，之后再进行应用分析，尽管云计算厂商掌握数据却相对被动，加上数据量庞大又杂乱，后续应用分析反而耗时耗力。 然而，当云计算厂商建构起云端至边缘端的开发工具与生态圈后，便能反被动为主动，云计算厂商开始能透过软件与各项API，协助边缘计算厂商能够在同一架构之下，更加全面地掌握自家传感器、终端设备、网关等更加靠近数据源的各方节点。 此外，边缘计算的提升也给予厂商将人工智能、机器学习等技术部署于边缘计算机会，透过各式算法来协助各个垂直领域的升级，透过深度结合云运算、边缘运算与专业领域知识来实现如自动化、自主训练、自主优化的正向循环，而这也代表云计算厂商与边缘计算厂商未来将逐步共同创建新形态运营模式，实现真正创新转型的目标。 2.未来五年云计算与边缘计算将出现趋势 1、物联网产生的数据量会继续增加 物联网(IoT)已经改变了公司的运营、产生和共享终端数据的方式。进入2021年，组织将继续向物联网领域迈进，以增强他们设备的的智能化和自动化。 正在考虑物联网或已经推出物联网的企业将继续看到边缘计算的新影响和发展(更智能，更快速，更受支持)，不要害怕新技术进入市场——该行业发展迅速，新的平台被采用的速度将比过去更快 2、高带宽预算将转换为边缘计算预算 云的大规模采用导致了带宽问题。由于越来越多的流程和应用程序托管在Azure、AWS或Rackspace等云平台中，这些提供商发送和接收云数据时所需的带宽成本也越来越高。 并且随着将更多应用程序和数据迁移到云中以降低资本支出，IT经理们更加深刻的感受到这种影响。这是许多云平台利用的问题。 对于边缘计算平台，数据聚合和处理的大部分就发生在边缘，这意味着很大一部分数据实际上并没有被传递到云上，只有经过处理的结果才需要发回云端。 因此客户可以通过将其大部分数据处理转换为本地计算来降低带宽成本。 这种操作可以减少大数据的传递，将更多的计算放在边缘，降低IT预算成本，并获得比节省带宽更多的好处。 3、人工智能将继续推动业务发展 人工智能已经席卷全球各地的企业，带来技术进步的同时并为企业提供竞争优势。事实上，人工智能通常依赖于云，并且以云计算能力为后盾。 这种趋势正在向主机人工智能的边缘转移，使其具备实时学习和提供高效结果的能力。 因为对边缘计算而言，数据不一定要冒着延迟或数据包丢失的风险，到数据中心去处理，从而提高了AI平台本身的性能。 希望将AI纳入其业务的企业领导者首先要分析他们的目标，确定这一点将有助于引导他们了解哪些技术并为他们提供最好的服务。 4、微服务将促进边缘发展 随着微服务的兴起，企业需要更加灵活和敏捷的网络。微服务简化了将业务规则，流程或策略推送到各个离散包的过程，从而简化了扩展能力。 它们还可以轻松快速部署新服务并与其他平台集成。 微服务可以坐在边缘，支持物联网平台，这样它们占用的空间更小，并尽可能少地使用计算资源，这意味着物联网平台可以以闪电般的速度运行。 这一优势已不再停留于概念验证阶段，它已进入主流应用领域，并且预计将以41%的复合年增长率增长。 企业正在采用边缘策略改善他们的运营并为其网络带来实时性能。 从智能手机到可穿戴设备，从医疗到汽车以及工业制造，边缘计算正在上演一个又一个行业传奇。 未来，针对边缘计算展开的测试和验证会越来越多，边缘计算所面对的市场规模也将越来越大，我们相信，它会让终端成为更智慧的存在，会让数字世界更加精彩。
2021-11-23
优秀的个人博客,低调大师

立足物联网基础设施建设，揭秘腾讯云 IoT 技术布局

7月27日，云+社区在腾讯滨海大厦举办了主题为「物联网技术与应用」的第 24 期技术沙龙。此次沙龙主要围绕 IoT 平台、边缘计算、物联网安全、物联网操作系统和 AIoT 等多个物联网领域的落地应用进行了全面的技术剖析，以及嘉宾带来的满满干货分享。 从热闹非凡的活动现场可以看出，关注物联网领域的开发者非常多，腾讯云技术专家与现场超过 400 名开发者共同探讨交流物联网相关的技术及其应用实践，现场座无虚席、交流氛围浓厚。 接下来我们一起看看嘉宾们分享的技术干货。 腾讯云 IoT 定位于物联网基础设施建设服务者，通过搭建物联网端-管-边-云的基础设施能力，为企业实现物联网信息化提供优质可靠的基础设施能力，降低物联网的开发门槛和复杂度，助力业务快速上线，同时连通产业链上下游合作伙伴，提供优质的流量扶持和产品能力支持，不断推动产业信息化发展和创新。 继续了解嘉宾们的演讲主题都介绍了哪些内容： 胡李伟：《腾讯云物联网平台技术实践》 腾讯云物联网产品中心高级产品经理胡李伟老师拥有多年物联网、电信行业相关产品及研发经验。胡老师指出，从 Gartner 公司的分析报告可以看出，到 2020 年全球的可连接设备数将超过 200 多亿，比 2018 年整整多出一倍。其中消费类的设备占比是 63% 左右，从这个数字来看，未来 AloT 连接设备的增长趋势会越来越快。 不过胡老师表示打造物联网产品的难度颇高，目前至少存在四个困难：交付困难、成本高昂、保证设备的可靠性以及安全性。为此，腾讯云物联网产品中心基于这些痛点，提供了基于端、管、云、边全栈的产品和服务，显著提升了合作用户的物联网项目的落地效率，并降低他们的成本。 腾讯云物联网平台提供了安全、海量的设备连接能力，并提供了高可靠、低延迟的消息处理服务。此外，腾讯云物联网平台还提供了一站式的开发能力帮助用户将设备快速对接云端，用户可根据自己的业务场景选择基于 SDK、基于通信模组或 TentcentOS tiny 自研操作系统的开发方式，使用通信模组接入的用户可通过“腾讯云IoT AT指令集协议”简化对接难度。同时，腾讯云物联网平台还提供了应用开发及数据分析服务，满足用户在智慧城市、物流、酒店公寓、生活等领域的个性化业务需要。 戴国超：《边缘计算云平台服务设计与实践》 随着物联网和 5G 时代的来临，智能 IoT 设备和数据都在成倍的增长，传统的中心云计算方式很难承载如此大的计算压力和中心计算的成本消耗，以及 IoT 数据分析对网络低延时的需求。那么如何解决这些问题呢？没错，答案就是边缘计算。 腾讯云物联网边缘计算产品负责人戴国超在演讲中为我们揭秘了边缘计算服务平台的通用架构和实践、未来边缘计算服务平台的发展形态等。 戴国超指出，边缘计算的起因是深受IT架构的演进、物联网和人工智能的发展、从 4G 到 5G 通信技术的成熟等因素的影响。IT 架构从CS、BS（MVC）到 SOA、微服务让计算越来越灵活、越来越分布式，物联网和人工智能的发展为边缘的智能分析应用场景带来诸多场景，5G 通信技术诞生和快速发展为边缘计算架通传输的桥梁，正式因为诸如此类技术的发展，才有现在边缘计算场景的诞生和需求。边缘计算靠近物和数据的源头，提供网络计算、存储、应用分布式的计算平台和计算服务。因此可以把边缘计算看作是云计算的一种延伸，也可以说是下沉 —— 计算的下沉。 接着他介绍了边缘计算整体的架构，主要是边缘核心套件，亦即边缘引擎。第一层是物联网通信协议插件（用于适配各种各样的协议），中间层是标准协议（如 MQTT、COAP 等通用的标准协议），最上层则是数据路由、计算组件、以及云平台。 最后他描述了边缘计算未来的形态 —— 边缘计算服务应用市场。意思即是未来我们可能会像使用应用市场一样去使用边缘计算。比如视觉分析、语音识别、智能分析的算法、游戏、VR、视频、直播、虚拟工厂、虚拟公路、虚拟城市，包括存储、数据中间件这些能力。可通过云中心下放到你的家、你行驶的路上，你的影院，你的工厂以及你到达世界各地边缘，我们只需要选择把能力放到哪里，即可一键放到那个地方，那个地方会为我们提供计算的服务及智能应用系统。 沈海迪：《物联网安全技术与实践》 沈海迪老师是腾讯云高级产品经理，在演讲中他指出现在能够联网的设备越来越多，比如我们普遍接触到的智能家居如路由器、互联网摄像头、智能音响、智能门锁、扫地机器人等都属于广泛的物联网设备。而根据 2018 年信工院 AloT 报告显示，全球 AloT 设备暴露已经超过 5000 万台。排第一位的正是每个人都在用的路由器，此外还有一些视频监控设备，总的来说主要就是一些 IDC 或者是公共场所监控的摄像头。 物联网面临的安全风险不容小觑，沈老师总结到，物联网安全风险攻击的分类主要分为四个象限，从现场到远程，以及从软件到硬件。而针对物联网实施的安全手段主要也是从物联网安全的源头 —— 设备身份认证入手，这可以有效提升物联网的安全性。 最后沈老师介绍了腾讯云物联网平台在物联网安全的技术架构，目标是实现端到端和与中继无关的安全体系架构。 汪礼超：《腾讯物联网操作系统 TencentOS tiny 软件架构解析与实践》 汪礼超老师是腾讯高级工程师，他表示物联网市场规模发展迅猛，2018 年仅国内物联网市场容量已经超过 1 万亿，预计 2020 年国内物联网市场容量可望超过 1.5 万亿。对于物联网操作系统而言，IoTOS 意义重大。 TencentOS tiny是腾讯面向物联网领域开发的实时操作系统，具有低功耗，低资源占用，模块化，安全可靠等特点，可有效提升物联网终端产品开发效率。TencentOS tiny 提供精简的 RTOS 内核，内核组件可裁剪可配置，可快速移植到多种主流 MCU 及模组芯片上。而且，基于RTOS内核提供了丰富的物联网组件，内部集成主流物联网协议栈（如 CoAP/MQTT/TLS/DTLS/LoRaWAN/NB-IoT 等），可助力物联网终端设备及业务快速接入腾讯云物联网平台。 邓煜平：《AIoT 构建边缘 AI 能力最佳实践》 邓煜平老师是腾讯云高级产品经理，他在演讲中表示 AI 技术推动了很多行业生产效率的提升，节约了管理成本，云端 AI 得到极大发展，但是仍然有很多场景需要 AI 能力进一步下沉到边缘侧。 所以演讲中邓老师重点介绍了物联网产品矩阵里面的另外一个产品 —— AloT。从 2017 年开始，越来越多的 AI 开始向物联网的设备进行迁移或者结合，逐渐把“物”和 AI 的能力结合起来，利用物联网的一些数据采集和搜集的技术来实现更多智能硬件和更多智能应用的一些场景，这就是所谓AloT 一词的含义。简单来说，它融合了 AI 和 loT 的一些产品特性，最后我们通过把一些 AI 和物联网的特性结合，以实现一款 AloT 的产品。 总的来说，腾讯云 AloT 产品主要解决的问题包括这几个方面。第一是提供更快速的数据响应；第二是能够实现更低的带宽和云存储成本；第三是实现更便捷的系统部署和维护；最后是希望为客户构建一站式的 AI 算法选择和硬件平台选择。 现场花絮 让我们一起期待下一期云+社区技术沙龙活动，8月17日在广州天河南国酒店举办的主题为《“小程序·云开发”系列沙龙（小游戏专场）》的技术沙龙，也欢迎大家报名参加。报名链接：https://cloud.tencent.com/developer/salon/salon-1132
2019-07-30
优秀的个人博客,低调大师

【优秀翻译】Dash用户指南 01-02 安装与应用布局

安装 Dash需要安装以下几个库才能正常使用，这些库仍在不断更新，请注意及时升级。 Dash支持Python2与Python3。 pip install dash==0.25.0 # Dash核心后端 pip install dash-renderer==0.13.2 # Dash前端 pip install dash-html-components==0.11.0 # HTML组件 pip install dash-core-components==0.27.1 # Dash核心组件 pip install plotly --upgrade # Plotly图形库 译注：通过以下链接查看Dash及其支持库的最新版本。 ●dash ●dash-renderer ●dash-html-components ●dash-cor
2018-08-28

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

时间: 2026-04-11 大小: 211.28KB 下载: 56次
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。

时间: 2026-09-24 大小: 189MB 下载: 9次
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。

时间: 2026-08-21 大小: 1.42GB 下载: 6次
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。

时间: 2025-12-13 大小: 249.54MB 下载: 22次
热门标签
DeepSeek Jdk25 OpenAi HarmonyOS6 Nacos3 SpringBoot4 SpringCloud Docker Kubernetes Service Mesh Redis Gemini3 Rocky

欢迎您来访！

登录后，您将获得更多功能！
热门文章
联系我们

有任何问题或合作意向欢迎联系我们

Email: 99873273@qq.com

QQ: 99873273

用户登录
用户注册