告别几何缩微,拥抱时间优化:韬(τ)定律开启后摩尔时代新周期

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

摘要:延续半个多世纪的摩尔定律,以晶体管几何尺寸缩微为核心,驱动全球半导体产业高速发展,构筑了数十年的行业发展准则。但随着制程工艺逼近原子尺度,摩尔定律已然遭遇物理极限、成本失控、算力需求错配的三重无解瓶颈,传统“比拼制程节点”的发展赛道彻底走入内卷困局。2026年5月,华为正式发布韬(τ)定律,跳出传统空间缩微的固有思维,以电路时间常数τ(信号传输延迟)为核心,搭建器件、电路、芯片、系统四层全栈优化体系,通过逻辑折叠、三维堆叠、统一总线、存算融合等核心技术,实现从“缩空间”到“缩时间”的底层逻辑革新。本文深度对比摩尔定律与韬(τ)定律的核心差异,剖析摩尔定律的产业瓶颈,系统阐释韬定律的破局逻辑、技术体系与落地优势,并预判后摩尔时代全球半导体产业的技术迭代、格局重构与生态演变,解读韬定律接过摩尔定律接力棒、成为行业全新发展纲领的核心底层逻辑。

一、两大定律核心逻辑:从空间缩微到时间优化的范式革新

1.1 摩尔定律:几何缩放主导的半导体黄金准则

1965年,戈登·摩尔提出摩尔定律,作为半导体产业沿用五十余年的核心经验法则,其核心定义为:集成电路上的晶体管数量每18-24个月翻一番,同步实现芯片性能提升、单位硬件成本下降。这套规则的本质,是空间维度的极致压缩,依托光刻技术迭代、晶圆制造工艺升级,持续缩小晶体管物理尺寸、提升芯片晶体管排布密度,以此驱动半导体产业迭代升级。

在摩尔定律主导的时代,全球半导体产业链形成了一套完整且固化的配套体系,多项衍生定律构成其支撑框架:Dennard缩放定律保障晶体管缩小后功耗密度基本恒定,规避芯片功耗失控问题;Rock定律则揭示了产业发展的隐性代价,即芯片产线设备成本每四年翻倍。长期以来,全球所有半导体企业的研发布局、资本投入、产品迭代均围绕“制程节点升级”展开,光刻机、先进晶圆制造成为产业核心话语权,行业评判标准高度单一:晶体管尺寸越小、制程工艺越先进,芯片综合性能与实力就越强。

凭借这套发展模式,摩尔定律主导了PC、智能手机、云计算等全产业链的爆发式增长,成为全球半导体行业不可撼动的“金科玉律”,但这套依赖几何缩微的发展逻辑,从根源上存在不可突破的边界。

1.2 华为韬(τ)定律:全栈时间优化的效率革命体系

2026年5月25日,华为董事何庭波在ISCAS 2026研讨会正式发布韬(τ)定律。“韬”取自“韬光养晦、厚积薄发”,寓意华为在长期技术封锁下的持续深耕与技术积累;τ(tau)为电路RC时间常数,代表芯片信号传输与切换延迟,是衡量芯片运行效率的核心指标,τ数值越小,芯片传输速度越快、能效比越高。

韬定律彻底重构了芯片研发的核心逻辑:缩小晶体管只是技术手段,让信号与数据传输更快、系统运行效率更高才是芯片研发的终极目标。该定律摒弃了摩尔定律单一的平面几何缩微思路,以时间常数τ为统一核心衡量标准,覆盖器件、电路、芯片、系统四大层级,贯穿十二个数量级的全计算栈,是一套可全面指导工艺、电路、架构、软件研发的全行业通用优化方法论,也是继Dennard缩放之后又一套全产业链通用技术准则。

依托六年研发积累、381款量产芯片的技术闭环验证,韬定律形成了八大核心技术落地要点与四层完整技术架构,全方位实现时间维度优化:

四层核心技术架构:

器件层优化晶体管与互连结构的寄生电阻、电容,从物理底层压缩信号延迟;

电路层以逻辑折叠技术为核心,将传统平面平铺电路垂直堆叠,大幅缩短信号传输路径;

芯片层实现“软件-架构-芯片”全栈协同,精细化管控指令与数据流,提升并行计算效率;

系统层搭建灵衢统一总线,重构多芯片互联协议,实现超节点统一内存访问。

八大落地核心要点:

重构评价标准:放弃单纯比拼晶体管尺寸,以信号传输延迟 τ 作为核心指标,贯穿十二个数量级的全计算栈;

逻辑折叠(Logic Folding):将传统平面平铺的电路改为垂直堆叠,大幅缩短信号路径。实测中,同工艺下晶体管密度从 155 MT/mm² 提升至 238 MT/mm²,能效提升 41%,频率提升 13%;

直击 AI 算力痛点:AI 集群超 80% 能耗用于数据搬运、70% 成本集中在存储,τ 优化重点削减数据传输耗时与能耗;

统一总线(UB):打通多芯片互联协议,将远程访问延迟压缩 500 倍,让数百颗芯片协同如单颗芯片;

3D 折叠技术:解决传统芯片 “计算能力随面积增长、带宽随周长增长” 的拓扑矛盾,将存储、供电、光接口向垂直维度布局;

存算重新融合:扭转 CPU 与内存解耦的传统设计,让逻辑单元与存储单元物理集成,适配大算力场景;

全行业通用方法论:成为继 Dennard 缩放之后,又一套能统一指导工艺、电路、架构、软件团队的通用准则;

量产验证落地:历经六年研发,依托 381 款量产芯片完成技术闭环,具备大规模商业化基础。

1.3 两大定律核心维度深度对比

对比维度

摩尔定律

韬(τ)定律

核心逻辑

几何缩微,极致缩小晶体管物理尺寸

时间缩微,全方位压缩信号/数据传输延迟τ

核心目标

提升晶体管集成密度,迭代先进制程

提升芯片与系统整体运行效率、能效比与吞吐能力

优化方向

二维平面几何尺寸内卷

逻辑折叠、3D堆叠、系统互联、存算融合、全栈协同

核心依赖

EUV光刻机、高端先进制程工艺、天价产线

架构创新、先进封装、互联协议、软硬件全栈协同

评价指标

制程节点、晶体管数量、芯片面积密度

传输延迟、能效比、系统吞吐、多芯片协同效率

发展路径

空间维度单点突破,迭代空间有限

时间维度全栈突破,可持续长期迭代

二、产业瓶颈凸显:摩尔定律落幕,韬定律破局而生

2.1 摩尔定律三重致命瓶颈,彻底丧失迭代潜力

2.1.1 物理极限:原子尺度催生量子魔咒

当芯片制程下探至3nm、2nm乃至1nm级别,晶体管绝缘层仅剩余数个至十几个原子厚度,量子隧穿效应成为无法规避的物理硬约束。电子会不受控制地“穿墙”形成漏电流,导致晶体管开关功能失效,芯片静态功耗激增、发热彻底失控。而FinFET等三维晶体管结构,仅能短暂延缓制程衰退,无法从根本上突破原子尺度的物理限制,这也意味着摩尔定律的几何缩微之路已走到技术终点。

2.1.2 经济极限:成本失控导致投入产出彻底失衡

根据Rock定律,先进制程产线成本呈指数级暴涨,7nm以下制程出现明显的效益拐点:单个晶体管成本不再下降反而持续上升,单颗2nm芯片设计费用超10亿美元。3nm晶圆厂投资高达150-200亿美元,单次流片成本超5亿美元,2nm晶圆厂投资更是逼近300亿美元。天价的设备、建厂、研发成本,将全球绝大多数半导体企业挡在先进制程赛道之外,仅台积电、三星、英特尔三家巨头具备持续迭代能力。与此同时,先进制程的性能边际收益持续递减,每升级一代制程,性能仅提升10%-15%,成本却上涨30%-50%,高投入、低回报的行业困局彻底形成。

2.1.3 需求错配:无法适配AI时代算力核心痛点

摩尔定律的核心优势是提升单芯片计算性能,但当下AI大模型、超算、自动驾驶、云计算等新兴场景的算力需求呈指数级爆发,行业核心瓶颈早已从“计算能力不足”转变为“数据传输低效”。数据显示,大型AI集群超80%的能耗消耗在数据搬运环节,70%的产业成本集中在存储领域,传统芯片的互联架构、内存布局、多芯片组网模式存在严重的延迟与能耗浪费。单纯堆叠晶体管、提升单核性能的模式,完全无法解决AI时代的核心痛点,摩尔定律的适配性彻底崩塌。

除此之外,曾经支撑摩尔定律的Dennard缩放定律早已失效,整套传统产业支撑体系全面瓦解,半导体行业旧规则已然难以为继。

2.2 韬定律全方位破局:规避壁垒,精准匹配新时代需求

2.2.1 规避物理极限,跳出原子尺度内卷

韬定律彻底摒弃强行缩小晶体管尺寸的研发思路,不再挑战2nm、1nm等极限制程的物理边界,全程基于现有成熟制程开展架构重构、布局优化与系统升级,从根源上规避量子隧穿、漏电发热等物理难题。无需突破原子尺度工艺,即可通过全栈优化实现芯片性能代际跃升,彻底打破了摩尔定律的物理天花板。

2.2.2 打破成本垄断,降低全球产业准入门槛

韬定律的核心竞争力在于架构创新、堆叠技术与系统协同优化,不再绑定天价EUV光刻机、高端先进产线等稀缺资源。依托7nm、14nm等量产成熟工艺,即可实现超越高阶制程的综合性能,大幅削减芯片研发、流片、建厂的巨额成本。这一突破打破了海外巨头对先进制程的垄断壁垒,让全球更多企业能够参与高端芯片研发与竞争,重塑了半导体产业的成本逻辑与竞争逻辑。

2.2.3 适配AI算力刚需,直击行业核心痛点

针对AI集群、数据中心数据搬运低效、能耗过高、带宽不足的核心问题,韬定律通过多层技术体系精准破局:以逻辑折叠缩短片内信号传输路径,以统一总线压缩多芯片互联延迟,以3D堆叠与存算融合大幅提升数据带宽,全方位降低数据迁移的能耗与耗时,完美适配AI时代高密度、大算力、低延迟的场景需求,实现技术迭代与行业刚需的高度契合。

三、产业格局重构:摩尔定律退场,韬定律开启行业新周期

3.1 摩尔定律:从行业主流退为辅助补充路径

未来摩尔定律不会彻底消亡,但将彻底丧失行业主导地位,成为半导体产业的小众补充技术:其一,迭代节奏大幅放缓,制程升级周期从传统2年拉长至3-5年,仅少数头部企业持续深耕极限制程;其二,应用场景持续收窄,仅在高端旗舰消费芯片、小众高端算力芯片中有限使用,不再是全行业通用发展方向;其三,技术定位彻底转变,几何缩微从核心性能驱动力变为辅助优化手段。

依靠单一制程优势赚取超额溢价的商业模式将持续衰落,单点工艺领先不再决定企业行业地位,半导体产业的竞争逻辑彻底改写。业内预判,2030年后摩尔定律将基本失效,完全沦为韬定律体系下的辅助技术。

3.2 韬定律:主导后摩尔时代,重构全球半导体秩序

3.2.1 技术迭代:短期落地、中期成熟、长期持续演进

技术层面将形成阶梯式迭代节奏:短期1-2年,逻辑折叠、基础3D堆叠技术规模化落地,7nm、14nm成熟工艺可实现等效5nm、3nm高阶制程性能,晶体管密度与芯片能效大幅提升;中期3-5年,四层全栈优化体系全面成熟,灵衢统一总线、光互联、存算一体技术广泛普及,单芯片综合性能较传统架构提升3-5倍,多芯片集群协同效率实现质变;长期5-10年,τ优化方法论持续迭代完善,预计2031年高端芯片可达成等效1.4nm制程的晶体管密度,性能迭代速度超越摩尔定律巅峰时期,形成长效、可持续的技术升级体系。

3.2.2 产业格局:话语权重新分配,打破海外垄断

韬定律的落地普及,将彻底改写全球半导体产业的利益格局与竞争规则:一是封装产业强势崛起,3D折叠、先进封装从配套工序升级为核心核心技术,封测厂商从产业配角转为核心玩家;二是存储行业地位大幅提升,存算融合、高带宽内存成为决定整机性能的关键,存储企业议价权持续增强;三是核心竞争力迭代,芯片架构设计、系统优化、互联协议、软硬件协同取代晶圆制造,成为产业核心壁垒,打破了以往晶圆制造一家独大的格局;四是赛道全面扩容,摆脱高端设备垄断后,全球中小企业均可参与高端算力赛道,竞争从“单点制程比拼”转向“全栈系统能力比拼”。

尤为关键的是,韬定律无需依赖EUV光刻机,成功绕开海外技术封锁,为中国半导体产业实现换道超车提供了核心路径。华为开放的技术框架,将带动国内芯片设计、制造、封测、设备全产业链协同发展,推动中国从半导体技术跟随者,转变为全球行业规则制定者。

3.2.3 应用生态:全行业覆盖,赋能全域算力升级

韬定律的技术体系具备极强的通用性,可全面覆盖各类终端与算力场景:在消费电子领域,持续提升手机、平板芯片性能、降低功耗,优化设备续航与使用体验;在AI与云计算领域,大幅降低大模型训练与推理成本,提升算力集群整体能效;在自动驾驶领域,缩短车载芯片响应延迟,提升智能驾驶的安全性与稳定性;在工业物联网领域,让成熟工艺芯片实现高性能输出,大幅降低智能设备成本,加速产业智能化普及。随着技术持续迭代,韬定律将构建起覆盖全行业的算力优化新生态,成为后摩尔时代的通用技术共识。

结语:超越取代,重塑半导体产业未来

摩尔定律用半个多世纪的时间,推动全球半导体产业完成了跨越式发展,缔造了现代电子信息产业的繁荣,但物理规律与经济成本的双重约束,注定了其必然落幕的结局。华为韬(τ)定律并非对摩尔定律的全盘否定,而是对半导体技术发展本质的回归与超越。

半导体技术的终极追求,从来不是无限缩小晶体管尺寸,而是让数据传输更快、资源利用效率更高、算力供给更普惠。从摩尔定律“比拼空间尺寸的内卷”,到韬定律“优化时间效率的创新”,从单一制程迭代到全栈系统革新,这套全新的技术方法论,为后摩尔时代提供了低成本、可落地、可持续、全覆盖的产业发展路径。

当下,全球半导体产业的竞争赛道已然彻底切换。未来十年,行业竞争的核心不再是“谁的制程更先进”,而是“谁的时间缩微效率更高、全栈优化能力更强”。以韬(τ)定律为核心的时间优化新周期正式开启,属于中国半导体产业的规则主导时代,已然到来。

《AI实战嵌入式Agent +MCP+skill》课时2.5|定时器实战 本课讲解定时器时基单元原理,通过PSC、ARR、CNT三寄存器配合实现精确周期控制。以84MHz时钟为例,计算得PSC=8399、ARR=9999可实现1秒溢出周期。采用HAL_TIM_Base_Start_IT启动定时器更新中断,在HAL_TIM_PeriodElapsedCallback中处理周期任务,实现非阻塞、高精度的定时。相比HAL_Delay的阻塞式延时,定时器中断方案不占用主循环,支持并发操作,是嵌入式系统中实现周期任务的高效方式。 阅读详情

相关推荐

sap2000 api matlab,SAP2000_API入门指南.pdf

SAP2000_API入门指南北 京 金 土 木 软 件 技 术 有 限 公 司Beijing Civil King Software TechnologyCo., Ltd.SAP2000 API 入门指南余承飞 韦群跃 汤娣概述SAP2000 API 是从 SAP2000 V11 开始引进的,即应用软件编程接口。用户可以编写程序,通过API 随心所欲地调用 SAP2000...

weixin_42118423的博客 1941

6 款电商 AI 图片生成软件实测|国内 + 跨境卖家工具清单

电商 AI 作图工具已经从 "能不能用" 进入了 "好不好用" 的阶段。对于绝大多数卖家而言,现在的 AI 工具已经可以覆盖 60%-80% 的基础商品图需求,显著降低拍摄和设计成本。选择工具的核心逻辑不是 "哪款最强",而是 "哪款最适配你的品类、平台规模和团队能力"。垂直电商工具胜在工作流效率,通用生图工具强在创意上限,模板类工具赢在上手速度。建议根据自身业务阶段,搭配 1-2 款主力工具 + 1 款辅助工具,形成适合自己的视觉生产流程。

Mardi_Ladin的博客 347

学好超几何分布的核心公式,破解双色球!

彩票本质是概率游戏,不存在"必中公式"科学投注的核心是风险收益比管理长期投注的期望值始终为负(理论回报率约47%-63%)数学维度:运用概率工具优化策略经济维度:控制投注成本在可承受范围人文维度:将彩票视为社会公益的参与方式通过本文构建的数学模型,彩民可以在概率框架内实现更理性的投注决策。但最终能否收获幸运,仍取决于那个永恒的未知数——概率女神的眷顾。一、超几何分布的核心公式。

weixin_44904675的博客 1万+

视频隐私脱敏工程化:CSRT/KCF追踪算法在本地推理中的实现与边界

在短视频内容合规审查中,动态遮挡(Dynamic Masking)是高频且高耗时的环节。传统手动关键帧打码不仅效率低下,且在目标快速移动或遮挡时极易出现遮罩漂移。本文从计算机视觉工程角度,解析基于CSRT与KCF算法的目标追踪方案在视频隐私处理中的技术路径、性能权衡及落地实践。

Mysssone的博客 192

SAP S/4HANA 物料分类账(ML)/实际成本核算(Actual Costing)——底表全景 & CKMLCP 执行后数据变化

插入 ML 重估凭证行项目:Dr/Cr 库存科目(期末库存调整)、Dr/Cr COGS/消耗科目(消耗重估)、Cr/Dr ML 重估抵消科目(PRY/PRV 类逻辑)also STPRS/VERPR/PEINH/LBKUM 等(但 S/4 很多“真理”在 ACDOCA)MLPP / MLPPF / MLCR / MLCRF / MLCD / CKMLMV003/004 等。Material Ledger Document(行项目明细:收货/发票价差/结算写入/重估相关)间接(PUP在CKMLCR;

weixin_52203666的博客 577

多摄像头同步技术:帧同步信号在Sensor与解串器间的传递机制

本文深入探讨了多摄像头系统中帧同步信号的两种核心传递机制:由解串器统一发号施令或由主Sensor作为“带头大哥”。文章对比了两种方案在同步精度、硬件复杂度、成本及适用场景上的差异,并提供了实战配置要点与调试心法,为车载环视、ADAS及工业检测等应用提供关键的技术选型与实施指导。

weixin_29193359的博客 434

我用 GPUWorks 在 M1 Pro 上搭了个发票识别原型

公司里经常要看电子发票。我想先做个小原型:把 PDF 发给一个自己部署的图文模型,让它提取发票类型、日期、交易双方和金额,再把结果交给同事核对。这个原型不用先接财务系统,先看看从部署到调用要走多少步,模型返回的内容能不能帮上忙。

鸽芷咕的博客 2万+

强化学习-----DQN(Deep Q-network)

DQN(Deep Q-Network)是一种基于深度学习和强化学习的算法,由DeepMind提出,用于解决离散动作空间下的马尔科夫决策过程(MDP)问题。它是首个成功将深度学习应用于解决强化学习任务的算法之一。DQN,即深度Q网络(Deep Q-network),是指基于深度学习的Q-Learing算法。那什么是Q-leaning?可以看上一篇文章Q-learning是一种经典的强化学习算法,用于解决马尔可夫决策过程(Markov Decision Process,MDP)中的控制问题。

qq_74722169的博客 2万+

您您这可以把问小白的多个会话比如说。左侧的多个会话一次性导出吗?不是单条会话里面的多次会对话。AI导出鸭

第三层是格式编译层。这个决策背后的判断很清晰:一个批量导出工具的价值,不在于“试三次”,而在于你真正用它处理了几十份技术文档、访谈记录或课程讲义之后,它是否值得留在你的工作流里。问小白的会话列表通过分页接口加载,AI导出鸭 在页面运行时建立旁路监听,捕获每一次分页请求返回的完整对话清单,包括会话 ID、标题、时间戳和隐藏的元数据字段。让AI导出回归优雅——这句话说的是:导出不该是体力活,而应该是一次完整的、可预期的文件交付。注意:这里的“批量”指的是左侧列表里的多个独立会话,不是一条会话内的多轮对话。

laoyunsi的博客 231

自助结账商品检测(Scanned Item Detection)——基于YOLOv8的RPC数据集实战

RPC数据集是由中国科学院自动化研究所发布的零售商品结账检测公开数据集,广泛用于自助结账和零售场景下的目标检测与识别。YOLOv8是YOLO系列最新版本,由Ultralytics推出,继承了YOLO家族的高效快速和高准确性,适用于实时检测场景。本文系统介绍了基于YOLOv8的RPC数据集自助结账商品检测方案,涵盖数据准备、训练、推理及UI界面设计。未来,可结合多模态感知、RFID融合技术,打造更加智能和稳定的自助结账系统。

YOLO 249

实战:RK3568 Android14 调试 MIPI DSI 液晶屏

LCD1_RST -> 对应原理图网络连接到 GPIO。LCD1_PWR_EN ->用于给屏幕 VCC 供电。LCD0_BL_EN / LCD0_BL_PWM -> MP3302 升压芯片驱动 LED 灯条。![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/100f2be7f763494da1032464e272e63b.png&pinctrl {/* 配置 LCD_RST 和 LCD_EN */

qq_33427070的博客 1548

医疗 AI 有两种,别混着谈:一个改流程,一个改范式

InfoXMed 是面向医生、医学生和医学科研人员的 AI 医学工具平台,提供文献检索、全文翻译、AI 解读、指南查询和题库练习等功能,辅助临床学习、科研汇报与医学备考。原文是日本医学会杂志(JMA Journal)的一篇综述(Review Article):基本事实:这一点必须先说清:这篇论文提出的是一个研究纲领。它文中的"预测"指的是科学设想,不是可以拿来用的临床预测能力。文中甚至自己承认了一个硬缺口(见第三节)。本文只谈它的术语辨析与科学方法论,不转述任何可作为临床依据的预测或处置主张。这篇论文的全部

2601_96948740的博客 228

Zephyr内核——内存管理——内存堆

Zephyr提供了一组允许线程动态分配内存。

wayne2018的博客-心情驿站 771

AI Agent之核心框架

A: 显式 Thought 有三类价值:可解释性(便于人类审计)、可调试性(定位哪一步选错工具)、学习信号(可做监督微调或评估中间步骤质量)。ReAct 把推理与 可执行行动 绑定,每一步行动后都有 真实 Observation 反馈,从而用工具结果约束生成,降低闭卷幻觉。做完不等于结束——还要 评估做得好不好,把 教训 记下来,下次 带着教训重试,反思作为 记忆,影响后续尝试的策略。工作流程:Action → Evaluation → Reflection → Retry。A: 普通 CoT 只在。

剑雨巍巍的博客 188

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

河道漂浮物目标检测数据集

目标检测,yolo,河道漂浮物目标检测数据集

DL_data_set的博客 188

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

AI 应用开发工程师技术实践:大模型接入、通用组件封装与性能优化

本文提出AI应用从PoC到生产的核心挑战:模型调用的持续可用、可控与可优化。通过构建统一LLM网关实现多供应商路由与故障转移,封装对话、工具调用与RAG组件以解耦业务逻辑,结合前缀缓存、批处理与流式背压治理等性能优化手段,形成“接通→接稳→接快”的工程路径,最终以工程化能力决定AI应用的生产可用性。

2301_79189962的博客 538

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

大模型 Embedding 与向量相似度详解

Embedding 解决的问题:计算机不懂文字,但懂数字│▼文本 → 向量(1024维浮点数数组)│▼相似度解决的问题:怎么判断两个向量(文本)有多接近│▼余弦相似度:看向量方向的夹角,越接近0°越相似│▼最终效果:语义搜索——理解意思,而非字面匹配一句话总结:Embedding 把文字变成数字,余弦相似度比较数字的方向,两者结合实现了"理解语义"的搜索。

T3165919332的博客 78

AI前沿日报 · 2026-11-04 | 祛魅时刻:Astra“纯读权重“神话的崩塌

①Astra"裸权重通吃"被spaCy创始人Honnibal精准祛魅——仅1/3实验真裸读,数学能力提升依赖Python+50次迭代;②Simon Willison用Qwen 3.8-27B端侧复现权重空间编程;③Nvidia开源Auto-Ontology自动知识图谱;④$800开源全域抓取机器人Stringman;⑤OpenAI悄然重开Codex训练开关引信任危机;⑥DeepMind发布Gemini 4 Argon机器人基础模型;⑦美国科技巨头隐性AI债务达3.2万亿美元,6个月增90%。

johnsong2009的博客 531

GPT-1 架构和计算细节

下面配合框图,对 GPT-1 的每个组件做公式展开 + 数值实例(配置:12 层 × 768,12 头,FFN 3072,词表 40478,共 117M 参数)。GPT-1 把翻译模型的编码器-解码器砍掉一半,只留解码器,然后以"预测下一个词"为目标在 BooksCorpus 上预训练。与 2017 原版的四个架构差异(框图中标 ★):h0=E[token]+Epos[position],E∈R40478×768, Epos∈R512×768h^0 = E[\text{token}] + E_{pos}[\

eloudy的专栏 247

终端 AI 审计与 “龙虾” 类智能体风险治理:从可见性到闭环溯源

生成式 AI 办公普及之后,数据泄露风险逐步下沉到终端。员工将合同、源代码、客户资料粘贴至公有大模型,以及龙虾(OpenClaw)这类本地开源 AI 智能体的滥用,成为企业安全新挑战。传统网络边界防护存在审计盲区,本文从风险链路拆解、核心能力模型、分级治理策略、落地踩坑点以及技术局限性多角度,分享终端侧 AI 安全治理的实践思路。

2401_86491085的博客 626

2.53 基于极稀疏指纹的室内定位注意力图元学习

该论文发表于IEEE Transactions on Mobile Computing(TMC)2026年6月,面向极稀疏指纹条件下的WiFi室内定位,针对指纹采集人力成本高、标记指纹稀缺时定位精度大幅下降的痛点,提出注意力图元学习模型AGML(Attentional Graph Meta‑Learning),结合图神经网络、元学习、两种指纹数据增强与分布对齐技术,在标记指纹极少的场景实现高精度室内定位,同时公开了多套真实+仿真定位数据集用于基准测试。场景:二维室内空间,障碍物造成信号遮挡,

weixin_42963026的博客 325

语音识别与语音合成的技术原理及应用

语音识别 #语音合成 #人工智能 #大模型。语音识别与语音合成的技术原理及应用。一、语音识别的核心原理。二、语音合成的核心原理。三、工程落地的主要难点。五、需要关注的现实问题。

weixin_62919816的博客 197

设计师工作室 GEO 实操:如何提升 AI 实体推荐概率

设计工作室 GEO 的本质,是把创意服务转化为 AI 可理解的结构化信息。核心动作可归纳为:区分事实与审美、建立实体图谱、预判用户提问、输出脱敏内容、搭建多信源、持续测试验证。梳理工作室的 6 个实体属性:品类、城市、流程、边界、团队、渠道。在官网或作品集平台发布至少 3 篇结构化项目复盘,只陈述事实。输出 1 篇「设计报价影响因素」科普内容,覆盖甲方高频提问。争取 1 次行业媒体或本地媒体专访,形成第三方信源。每周用「XX 城市 + 品类 + 设计工作室推荐」指令测试,记录出现频率。

goujunwe的博客 323

AI作图软件技术选型:从4个技术维度出发的实测对比

AI作图软件技术选型:从4个技术维度出发的实测对比

Vbaoke的博客 199

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 4400

影视场景怎么用AI生成3D镜头预演?从概念图、场景白模到网页审片

概念图有氛围,不代表能直接用于镜头预演。本文围绕剧本拆镜、资料与尺度假设、场景白模、机位走位、动作节拍和网页审片,介绍 AI 生成 3D 场景的预演流程。通过稳定对象与相机编号、统一镜头表、意见关联版本和三轮审核,让讨论落到具体镜头,同时明确白模与网页预演不能替代真实场地勘景及现场安全判断。

Solange__的博客 513
上一篇: 别再瞎跟风!OpenClaw 爆火背后的残酷真相
下一篇: 智能体时代大变局:GPU不再是唯一主角,CPU重新掌控AI算力话语权hj;‘
Evan|AI服务器&私有化智能体
博客等级 码龄2年 1120粉丝 112原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值