从找到合适的数据集和教程，到创建开发环境、调用 GPU、运行项目，再到管理自己的算力资源，一个完整的 AI 工作流往往需要在多个页面和工具之间不断切换。
一直以来，HyperAI 希望能够帮助全球开发者进一步缩短「找到资源」到「真正把它跑起来」之间的距离。所以，除算力资源外，我们还构建了包含优质数据集、热门模型 Notebooks、海量前沿论文、多维度基准测试在内的高质量资源站。同时，随着 AI Agent、MCP 等技术的发展，HyperAI 也在持续优化、升级，以期为广大开发者提供更加便捷的服务。
基于此，HyperAI 将定期分享上线的新功能、新资源和产品体验优化，帮助用户更好地在 HyperAI 平台落地创意！
本期 HyperAI Updates 速览 ：
* HyperAI MCP 上线： 在 Claude Code、Cursor 中连接 HyperAI，通过自然语言管理算力容器、数据集、模型等平台资源。
* AI 顶会资源筛选上线： 教程、数据集板块新增会议及会议年份筛选，更方便地集中查找 AAAI、CVPR、ICML、NeurIPS 等会议相关资源。
* 系列教程上线： 教程板块新增「系列」内容类型，将围绕同一主题的多节教程组织起来，提供更加系统的学习路径。
1.MCP 上线：AI 直接管理算力平台
HyperAI 正式上线官方 MCP Server，用户可以将 HyperAI 连接至 Claude Code、Cursor，在 AI 对话中直接查询和操作 HyperAI 平台资源。
具体而言，HyperAI MCP 基于 Model Context Protocol（MCP）。完成连接和账号授权后，AI 助手可以根据用户的自然语言指令调用 HyperAI 提供的工具，读取数据、执行操作，并直接在对话中返回结果。
以 Cursor 连接 HyperAI MCP 为例：
目前，HyperAI MCP 共提供 34 个工具，分为 5 个功能组：
* User： 查询账户信息、配额、账单流水、资源用量和订阅等，并支持管理个人访问令牌；
* Compute： 查询可用 GPU / CPU 资源、运行环境和计费方案，列出、创建、停止、重启算力容器，以及管理项目、端口映射等；
* Resources： 搜索 HyperAI 上的公开项目，包括教程和社区项目；
* Dataset： 搜索和查看数据集、模型及相关资源，并支持部分资源管理操作；
* Org： 查询所属组织、组织详情、席位配额和组织成员。
例如，在完成 MCP 连接后，可以直接向 AI 提出：
「现在有哪些可用的 GPU？」
「列出我正在运行的算力容器。」
「帮我创建一个新的工作空间。」
「搜索 HyperAI 上相关的数据集。」
AI 会根据需求选择对应的 HyperAI MCP 工具完成操作，而不需要用户逐个查找和手动调用工具。
HyperAI MCP 采用远程服务器形式，通过 Streamable HTTP 传输，无需在本地安装 MCP Server。目前官方提供了 Claude Code 和 Cursor 的连接方式，通过 HyperAI 账号完成 OAuth 2.1 授权后即可使用。
需要注意的是，通过 MCP 执行的操作是真实的平台操作。例如创建算力容器会实际消耗算力配额与账户余额，与在 HyperAI 控制台中创建容器一致。
详情可见 ⬇️
HyperAI MCP：
连接 HyperAI MCP：
MCP 工具参考：
2.AI 顶会内容筛选：更快找到相关资源
对于关注 AI 研究进展的用户来说，很多资源本身都与论文紧密关联，但过去查找这些数据集和教程时，往往需要根据项目名称、任务方向或者关键词分别搜索。
目前，HyperAI 已经在教程和数据集板块新增「会议」「会议年份」筛选，可以按照 AI 学术会议集中查找相关资源，已经支持的会议包含了 AAAI、AACL、ACL、ACM MM、COLING、CVPR、EACL、ECCV、EMNLP、ICCV、ICLR、ICML、ICRA、NAACL、NeurIPS、WACV 等。
例如，如果正在关注 AAAI，可以直接进入数据集板块筛选 AAAI，集中查看与该会议相关的数据集。
会议筛选还可以与平台原有的其他筛选维度配合使用。例如，教程板块可以继续按照主题、入门/进阶级别、运行状态、计算资源和技术标签等维度进一步缩小范围。
后续 HyperAI 的其他内容板块也将进一步支持 AI 顶会内容的筛选与展示，敬请期待。
直接体验 ⬇️
查看数据集：
查看教程：
3.系列教程上线：从单篇实践到系统学习
过去，HyperAI 教程中已经提供了大量围绕模型、框架和开源项目制作的实践内容，适合快速了解和运行一个具体项目。
此次更新进一步增加了「系列教程」这一内容类型，与单篇教程相比，更适合需要连续学习的技术主题：围绕一个方向，将相关知识和实践内容按照一定的学习路径组织起来，减少用户自行搜索和拼接零散资料的成本。
目前，系列内容中已经可以看到：
- PyTorch 基础知识
- AI for Beginners：人工智能入门系列教程
- 计算机视觉入门：从 CNN 原理到图像分类实战
- 乳腺癌风险预测：机器学习实战系列教程
- TileLang Puzzles：用 10 个 Puzzle 学习 GPU Kernel 编程
- handson-ml2 机器学习实战教程
- LLM-Course 大语言模型课程
- Triton 编译器教程
- TVM 教程 0.22.0
覆盖 AI 基础、机器学习、计算机视觉、大语言模型、GPU Kernel 编程、AI 编译器等多个方向。用户可以直接筛选系列教程，也可以进一步结合主题、难度、运行状态、计算资源等条件寻找适合自己的学习内容。
从「快速跑通一个项目」到「围绕一个方向系统学习」，我们希望 HyperAI 教程能够覆盖更多不同阶段开发者和学习者的需求。
查看 HyperAI 系列教程：
4.持续更新，不止于算力
从 MCP，到顶会资源筛选，再到系列教程，这一期的三个更新分别发生在工具、资源和学习内容三个不同层面，但目标是一致的：
让用户更容易找到需要的资源，并更高效地完成 AI 开发与学习。
HyperAI Updates 也会作为一个长期栏目持续更新，我们会在这里定期分享最新上线的产品功能、体验优化和内容资源，也欢迎大家告诉我们，希望 HyperAI 下一步解决什么问题。
113
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
