- 博客(59)
- 收藏
- 关注
RSS订阅原创 绿算技术ForinnBase GroundPool系列EBOF技术解析与场景应用全览——GTC2025闭门会议核心成果分享
2025年3月，全球科技界的目光再次聚焦于美国圣何塞的英伟达GTC大会。这场被誉为“AI届超级碗”的盛会，不仅汇聚了黄仁勋“厨房演讲”的创新宣言，更见证了绿算技术与英伟达在智算领域的深度合作。在闭门会议中，绿算技术产品及研发中心总经理孔维海以《Nvidia BlueField DPU在绿算技术ForinnBase GroundPool系列EBOF中的应用》为题，向全球技术领袖展示了其基于DPU的存储解决方案如何重塑算力未来。
2025-04-08 15:03:06
33
原创 绿算技术团队受邀出席英伟达GTC2025大会丨重塑AI存储新范式
"AI工厂"作为下一代算力基础设施的概念引发热议。AI领域相关技术不断进步，Al生成内容的质量将会大幅提升，大模型技术在垂直行业的应用会更加普及，AI与硬件将深度融合，隐私计算会成为重要发展方向，量子计算的商业化也将初步展开。这些趋势将会不断重塑行业格局。2021年6月8日成立以来，公司先后通过了ISO 9001、14001、45001、27001管理体系认证，获得国家高新技术企业和中小科技型企业等资质称号，拥有20余项专利和软件著作权，并建成了覆盖全国、辐射全球的市场体系和技术服务网络。
2025-04-07 15:25:42
152
原创 推理场景的存力范式迁移
在这个参数规模突破物理极限的时代，存力系统已从后台走向前台，成为决定大模型效率的关键胜负手。训练推理加速层：基于NVMe- oF的全闪存储，单节点吞吐量突破144GB/s，时延小于100微秒，IOPS可达3240万，能够轻松应对大模型训练推理对存力的高标准要求。冷热数据博弈：通过AI驱动的数据热度预测，构建SSD+HDD+对象存储的三级存储池，在保证热点模型实时可用的同时，冷模型存储成本下降60%。高并发挑战：面对百万QPS的推理请求，存储系统需要实现请求队列的动态优先级调度。绿算存力引擎的技术突破。
2025-04-03 18:00:00
143
原创 解码大模型时代算力基座的隐形引擎
训练场景的存力三重挑战数据吞吐风暴：分布式训练中，每个epoch需要在GPU集群间完成数百TB的数据吞吐。存力觉醒：大模型时代的第二增长曲线大模型训练正在经历参数空间的指数级膨胀，参数规模从百亿到万亿的跨越仅用三年时间。在这个过程中，算力需求每3.4个月翻番的定律背后，是存力系统必须应对的数据洪流：单次训练任务需要处理PB级原始数据，万亿参数模型仅权重文件就达TB以上。当我们聚焦GPU集群的运算峰值时，一个关键命题正在浮出水面：支撑大模型全生命周期的存力基座，正在成为制约AI进化的关键变量。
2025-04-02 18:00:00
125
原创 TLC vs QLC六大关键差异【续】
随着技术优化（如3D NAND、SLC缓存加速），QLC与TLC的实际体验差距正在缩小，但关键场景仍需根据需求权衡。需要更复杂的纠错机制（如LDPC）和主控算法来补偿稳定性，对温度敏感，高温下性能可能下降。趋势：QLC在追求大容量、低价格的场景中更具优势（如数据存储盘）。QLC：单位容量成本更低，适合大容量低价SSD（如4TB以上）。TLC：成本高于QLC，但性价比均衡，主流消费级SSD常用。选QLC：追求大容量且预算有限，适合存储低频使用的数据。选TLC：需要平衡性能、寿命与价格，适合多数日常使用。
2025-04-01 18:00:00
138
原创 TLC vs QLC六大关键差异，绿算带您避坑！
绿算技术GP5000/GP6000系列采用NVMe盘片进行数据的保存，目前主流NVMe盘包括两种类型，分别是TLC（Triple-Level Cell）和QLC（Quad-Level Cell）。影响：QLC的寿命更短，需依赖主控算法的优化（如磨损均衡、纠错）来延长实际使用寿命。QLC：每个存储单元存储 4位数据，通过 16种电压状态（2⁴）区分不同数据。TLC：每个存储单元存储 3位数据，通过 8种电压状态（2³）区分不同数据。结果：QLC的存储密度更高，相同芯片面积下容量更大，但电压状态更复杂。
2025-03-31 18:00:00
164
原创 RDMA的挑战与限制
当AI算力革命与国产芯片崛起形成历史性交汇，存储技术的进化已超越单一硬件性能的竞争，升维至“计算-网络-存储”协同创新的生态之战。绿算技术以GP5000/GP6000系列为支点，通过RDMA和国产算力深度耦合，正构建一条全自主化的存储底座——在人工智能领域，它让万亿级参数模型的训练效率逼近理论极限；绿算技术这一创新技术，必将像deepSeek的爆发一样，共同带动国产AI生态的全面升级。绿算技术立足国产存储生态，（如长江存储+联芸主控+DeepSeek平台）中，显著提升存储性能。RDMA与国产化存储的结合。
2025-03-28 18:00:00
411
原创 RDMA的典型应用场景
特点：专用网络架构，物理层与协议层深度优化，性能最强（延迟<1μs，带宽达400Gbps）。提升存储池化（如Ceph、NVMe-oF）、分布式数据库（如TiDB）的I/O性能。加速大规模GPU集群间的参数同步（如AllReduce操作），缩短模型训练时间。特点：基于以太网实现RDMA，分RoCEv1（链路层）和RoCEv2（网络层）。优势：兼容现有以太网基础设施，支持大规模部署（需PFC/ECN等流控机制）。用于超算中心、科学模拟等场景，加速节点间数据交换（如MPI通信）。未完待续......
2025-03-27 18:00:00
173
原创 从毫秒到微秒：绿算技术凭RDMA捅破国产存储性能“天花板”牵头RDMA相关技术
RDMA（Remote Direct Memory Access，远程直接内存访问）是一种高性能网络通信技术，它允许计算机直接访问另一台计算机的内存，而无需通过操作系统内核或CPU的介入。提升存储池化（如Ceph、NVMe-oF）、分布式数据库（如TiDB）的I/O性能。绕过操作系统内核协议栈，直接在用户空间完成数据传输，降低延迟（通常可达微秒级）。加速大规模GPU集群间的参数同步（如AllReduce操作），缩短模型训练时间。为载体，通过深度整合RDMA（远程直接内存访问）技术，实现了革新性突破。
2025-03-26 18:00:00
113
原创 绿算技术入围国家级数字医疗全景图！打造医疗数据“超级底座”
2025年3月17日，中国信息通信研究院（CAICT）正式发布《数字医疗产品及服务高质量发展全景图》，广东省绿算技术有限公司自主研发的"智慧医疗高性能存储底座"凭借其技术创新与行业实践成果，成功跻身全景图核心名录。实现电子病历、远程医疗、医疗影像（如CT、MRI）等海量数据的快速读写与低延迟调取，缩短诊疗决策时间，提升医生工作效率。：从数据采集、存储、归档的全流程优化，实现医疗数据的自动化分层存储（热数据、温数据、冷数据），降低管理复杂度。
2025-03-24 18:00:00
232
原创 数字时代存力与算力之间关系
然而，要想充分发挥算力与存力的潜力，我们还需要不断推动技术创新和产业升级，加强存力中心的建设和研究工作，为存储产业的发展提供技术支持。这种智能化存储与算力的深度融合，将进一步提升数据处理的智能化水平，为未来的科技创新带来无限可能。从云端的大规模数据处理到边缘设备的实时计算，算力无处不在，它如同数字世界的“大脑”，负责处理、分析海量的数据，为人工智能、大数据等前沿技术的飞速发展提供强大动力。在数字时代的浪潮中，算力与存力作为支撑数据世界运转的两大基石，正以前所未有的紧密姿态，共同推动着科技创新与产业升级。
2025-03-19 18:00:00
695
原创 技术点提升效率详解
利用FPGA的可编程性，针对DeepSeek中的关键算法进行硬件级加速，如卷积运算、矩阵乘法等，实现算法执行的并行化和流水线化，大幅提高计算密度和吞吐量。得益于FPGA的硬件并行处理能力，轻舟系列加速卡能够实现对推理请求的快速响应，特别是在需要实时推理的场景中，如自动驾驶、在线推荐系统等，显著提升用户体验。在数据进入DeepSeek推理引擎前，轻舟系列加速卡可以高效地完成数据的预处理工作，如格式转换、归一化等，减轻CPU负担，加速整体推理流程。
2025-03-18 10:23:30
432
原创 绿算技术轻舟系列加速卡：为DeepSeek大模型推理插上效率之翼
DeepSeek，作为业界知名的人工智能推理引擎，在处理复杂、大规模的数据时，对计算资源和效率的要求极为苛刻。传统的CPU或GPU方案，虽然在一定程度上能够满足推理需求，但在面对超大规模模型和高并发场景时，往往力不从心，难以满足实时性和能效比的双重挑战。此时，绿算技术轻舟系列加速卡的出现，犹如一股清流，为DeepSeek的推理过程注入了新的活力。内置的大容量内存，为加速卡提供了足够的缓冲空间，减少了对外部内存的依赖，进一步提升了推理过程中的数据访问效率。
2025-03-17 15:53:20
275
原创 MCU的应用场景：从智能家居到工业控制
它通过高度集成的硬件和灵活的软件支持，实现了从简单控制到复杂算法的广泛应用。未来，随着技术的不断进步，MCU将在更多领域发挥重要作用，成为智能化时代的“智慧之心”。：在发动机控制单元（ECU）中，MCU用于控制燃油喷射和点火。：在血压计、血糖仪等设备中，MCU用于数据处理和显示控制。：在呼吸机、心脏起搏器等设备中，MCU用于实时控制和监测。：通过MCU实现电机的精确控制，例如步进电机和伺服电机。：在安防系统中，MCU用于控制传感器和报警器。：MCU是PLC的核心组件，用于控制工业设备。
2025-03-17 15:49:52
579
原创 MCU的工作原理：嵌入式系统的控制核心
MCU的工作原理可以概括为以下几个步骤：1. 初始化2. 任务执行3. 低功耗管理4. 结果输出MCU的架构：模块化与可扩展性MCU的架构设计注重模块化和可扩展性，以下是其典型架构：1. 处理器核心2. 存储器模块3. 外设接口模块4. 电源管理模块
2025-03-14 18:00:00
431
原创 MCU详解：嵌入式系统的“智慧之心”
在现代电子设备中， MCU（Microcontroller Unit，微控制器）扮演着至关重要的角色。从智能家居到工业控制，从汽车电子到医疗设备，MCU以其小巧、低功耗和高集成度的特点，成为嵌入式系统的核心组件。：支持UART、SPI、I2C等通信协议，实现设备间的数据交换。：通过编程实现复杂的控制算法，例如PID控制、状态机控制等。：用于连接和控制外部设备，例如LED、按钮、传感器等。：支持多种输入输出模式，例如推挽输出、开漏输出等。：支持UART、SPI、I2C、CAN等通信协议。
2025-03-14 11:12:21
340
原创 NPU的应用场景：从云端到边缘
NPU作为AI计算的专用引擎，正在改变人工智能技术的实现方式。它通过硬件加速和算法优化，显著提升了神经网络的计算效率。随着AI技术的不断发展，NPU技术也在快速演进。你对NPU的哪些功能或技术最感兴趣？欢迎在评论区留言讨论！下期我们一起学习MCU！
2025-03-13 18:00:00
244
原创 NPU的工作原理：神经网络计算的流水线
在多任务场景下，NPU的任务调度器负责分配计算资源，确保高效执行。· NPU根据模型结构，依次执行卷积、池化、全连接等计算任务。· 矩阵乘法单元和卷积加速器并行工作，高效完成计算。· 将训练好的神经网络模型加载到NPU的内存中。：支持与CPU、GPU等处理器的数据交换。：专为卷积运算设计，支持多种卷积核尺寸。：将高级指令转换为硬件可执行的操作。：用于不同计算单元之间的数据交换。：负责分配计算资源和管理任务执行。：支持常用激活函数的硬件加速。：存储神经网络的权重参数。：负责高效的矩阵运算。
2025-03-13 11:13:38
318
原创 NPU详解：人工智能计算的专用引擎
随着人工智能（AI）技术的快速发展，传统的CPU和GPU已经无法完全满足深度学习、神经网络等AI任务的高效计算需求。NPU是一种专为AI计算设计的处理器，以其高效的神经网络运算能力，正在成为AI芯片领域的核心组件。绿算技术与大家一起了解什么是AI计算的“加速器”？
2025-03-12 19:15:00
430
原创 DPU的未来：技术趋势与挑战
DPU作为一种新兴的数据处理单元，正在改变数据中心和高性能计算的格局。它通过硬件加速和任务卸载，显著提升了系统的性能和效率。未来，随着技术的不断进步，DPU将在更多领域发挥重要作用，成为数字世界的核心引擎之一。随着数据中心的不断发展，DPU技术也在快速演进。· 支持更高的网络带宽（如400GbE、800GbE）和更低的延迟。· 在AI、5G、物联网等领域，DPU的应用将进一步扩展。· 在提升性能的同时，进一步降低功耗，满足绿色计算的需求。· 开源工具和开发框架的普及，将降低DPU的开发门槛。
2025-03-12 14:33:53
345
原创 DPU的架构：模块化与可扩展性
DPU的架构设计注重模块化和可扩展性，以下是其典型架构：1. 网络接口模块2. 处理核心模块3. 硬件加速模块4. 内存与缓存5. PCIe接口模块DPU的应用场景：从数据中心到边缘计算DPU的应用场景非常广泛，主要包括以下几个方面：1. 数据中心2. 云计算3. 边缘计算4. 高性能计算
2025-03-11 18:00:00
296
原创 数据处理的革命性引擎
随着数据量的爆炸式增长和计算需求的多样化，传统的CPU和GPU已经无法完全满足现代数据中心和高性能计算的需求。DPU是一种专为数据处理和网络加速设计的处理器，正在成为数据中心和云计算架构中的重要组成部分。· DPU根据数据包的类型（如网络数据、存储数据）将其分类，并分发给相应的硬件加速器。· 网络数据由网络加速引擎处理，存储数据由存储加速引擎处理，加密数据由加密引擎处理。：在虚拟化环境中，DPU可以加速数据包的转发和处理，提升网络吞吐量。：DPU内部采用高效的片上网络，确保各个模块之间的高速通信。
2025-03-11 13:54:35
399
原创 GPU的优势：并行计算的利器
随着人工智能、大数据等技术的快速发展，对计算能力的需求也在不断增长。总而言之，GPU架构的持续进化将推动计算技术的不断发展，为人类社会带来更多便利和创新。
2025-03-10 18:00:00
377
原创 从图形处理到通用计算的进化之路
虽然这种架构能够高效地处理图形渲染任务，但其灵活性较差，难以适应不断变化的图形算法和应用需求。现代GPU采用了统一着色器架构，将所有的着色器单元统一为通用的计算单元，并提供了更强大的编程模型和工具链。现代GPU架构通常包含以下核心组件：流处理器: SM是GPU的核心计算单元，包含多个CUDA核心（或类似的处理单元）、寄存器文件、共享内存等资源。图形处理单元，作为现代计算机中不可或缺的一部分，已经从最初的图形渲染专用处理器，发展成为强大的并行计算引擎，广泛应用于人工智能、科学计算、游戏娱乐等领域。
2025-03-10 11:07:45
289
原创 智启新纪元：探秘 Deepseek 与智能科技的无限疆界——西安站圆满落幕
2025.3.5「Deepseek科技无限疆界」沙龙圆满收官！覆盖智能制造/智慧医疗/金融风控等八大场景。高级工程师贺秋爽现场揭秘存储革命新范式。🌌智启新纪元｜西安科技圈大事件盘点🚀。践行"好人+能人"价值观深耕关基领域。中国长城 携「擎天AI服务器」炸场。💡CPU+GPU+NPU三芯协同。虚谷伟业 展示PB级数据纳管实力。🔧存算分离架构突破性能天花板。🔄动态扩展+多副本容错黑科技。海泰方圆 推出兰犀数擎双方案。这场集结行业大咖的科技盛宴。✨存储换计算实现降本增效。🏆国家级重载系统认证案例。
2025-03-07 17:25:45
192
原创 流水结构：高效执行的核心
无论是经典的冯·诺依曼结构，还是高效的流水结构，亦或是强大的并行处理结构，它们都在推动着计算技术的进步。未来，随着人工智能、量子计算等新兴技术的发展，计算机体系结构还将迎来更多的突破与变革。从冯·诺依曼结构到并行处理结构，计算机体系结构的演变反映了计算需求的不断升级。每一种结构都有其独特的优势和适用场景，而各大厂商也在不断优化和创新，以满足不同领域的需求。它将复杂的指令执行过程分解为多个简单的步骤，并在多个功能单元中并行执行这些步骤。：在Xeon Phi等高性能计算产品中，Intel也采用了并行处理结构。
2025-03-07 15:40:05
300
原创 计算机体系结构的五大流派，你知道几个？
在计算机的世界里，架构设计是决定性能和应用场景的关键。从经典的冯·诺依曼结构到现代的并行处理结构，每一种体系结构都有其独特的优势和适用场景。今天，我们绿算与大家一起聊聊计算机体系结构的五大流派，以及它们背后的厂商和应用领域。冯·诺依曼结构是现代计算机的基础，几乎所有通用计算机系统都基于这一结构或其变体。：虽然ARM架构的通用处理器多采用冯·诺依曼结构，但在高性能或特定应用中，哈佛结构也被采用。例如，指令预取、缓存技术等都是重叠结构的体现。：全球最大的计算机芯片制造商，其处理器广泛采用冯·诺依曼结构。
2025-03-07 15:38:01
344
原创 CPU设计中的匠心独运：技术细节与创新
从指令周期的精密舞蹈到多核架构的并行处理，从流水线技术到缓存一致性协议，每一个细节都凝聚着工程师的智慧与创新。未来，随着技术的不断进步，CPU将继续推动计算技术的发展，为人类社会带来更多便利与可能。：随着工艺技术的进步，CPU内部的晶体管数量激增，而尺寸不断缩小。：微缩化不仅提升了CPU的性能，还降低了功耗，使得CPU更加节能高效。：在多核CPU中，多个核心可能同时访问共享数据，导致数据冲突。：在提升性能的同时，进一步降低功耗，满足绿色计算的需求。：在保证性能的同时，降低功耗，延长设备续航时间。
2025-03-06 18:00:00
345
原创 揭秘高性能计算的隐形引擎
CPU，这颗无形的“心脏”，默默地驱动着每一台智能设备的脉动。CPU架构是CPU的设计和组织方式，决定了其性能、功耗和指令集灵活性。今天，我们绿算技术与大家一同潜入CPU架构的深海，揭开那些隐藏在高性能计算背后的神秘面纱。：多核CPU包含多个独立的核心，可以同时处理多个线程或进程，显著提升整体性能。：ISA是CPU能理解和执行的指令集合，决定了CPU的功能和编程方式。：程序计数器更新，指向下一条指令的地址，准备进入下一个指令周期。：缓存通过存储近期使用的数据和指令，显著提升了数据访问速度。
2025-03-06 10:51:16
409
原创 应用场景下的芯片分类
从数据中心级别的高性能芯片，到消费类产品级别的日常应用芯片；从工业类产品级别的稳定可靠芯片，到汽车电子级别的高要求芯片；再到军工和国防级别的专用芯片，不同类型的芯片正以其独特的功能和应用场景，满足着多样化的需求。芯片类型繁多，每种类型都有其独特的功能和应用场景。在选择芯片时，我们需要根据具体的应用需求和性能要求来综合考虑。无论是经典的CPU、GPU，还是新兴的AI芯片、光芯片，它们都在推动着科技的不断进步。下期，我们将深入探索CPU芯片技术的魅力，敬请期待！：处理模拟信号，常用于音频、视频处理等场景。
2025-03-05 18:00:00
209
原创 解锁数字世界的多样力量
数字科技蓬勃发展，芯片作为现代电子设备的核心驱动力，正以其多样化的类型和独特的功能，塑造着我们生活中的每一个角落。从智能手机的高效运作，到超级计算机的超强算力，芯片无处不在，默默推动着科技的进步与革新。今天，就让我们一同走进芯片的世界，揭开那些鲜为人知却至关重要的芯片类型，感受它们背后的科技魅力。通信芯片负责数据的传输和接收，是连接数字世界的桥梁。：集成了处理器、存储器和输入输出接口等功能，MCU以其小巧、低功耗的特点，广泛应用于嵌入式系统中，如智能家居、汽车电子等领域，成为物联网时代的“智慧之心”。
2025-03-05 09:54:41
325
原创 从代码到对话：DeepSeek模型如何理解人类语言【3】
Unicode编码的最大位数为21位。在UTF-32编码中，它直接采用Unicode编码，并通过在前面补充零的方式将其扩展至32位。然而，由于UTF-32编码会导致显著的存储空间浪费，因此它的实际应用非常有限。固定长编码，每个字符占用4个字节。
2025-03-04 18:00:00
166
原创 从代码到对话：DeepSeek模型如何理解人类语言 【2】
例如，“川”字的Unicode码为0x17B8C，在UTF-16编码格式中表示为110110yy yyyyyyyy 110111xx xxxxxxxx。UTF-16使用4个字节，这4个字节分成前后两部分，每个部分各2个字节。在这两个字节中，前六位的二进制数分别固定为110110和110111，而后十位的二进制数则代表Unicode码减去0x10000后的结果，其中yy yyyyyyyy 和xx xxxxxxxx分别表示这两部分的数值。可变长编码，使用2个或4个字节来表示一个字符。
2025-03-04 13:58:43
240
原创 引领AI融合应用的创新 & 产品价值
这种灵活的设计不仅提升了系统的整体性能，还有效减轻了投资压力，为AI项目的快速落地提供了有力保障。绿算技术的GP5000/GP6000产品价值： 充分释放GPU算力潜能，加快AI项目落地 绿算技术GP5000/GP6000系列产品，以其高性能低延时的特性，可充分释放算力资源的潜能，为训练效率提速，加快了AI相关技术的突破。加速国产化进程，减少对国外技术的依赖 绿算技术GP5000/GP6000为完全国产化产品，实现了国产化替代，解决了国外产品的依赖，提升了国产化水平。
2025-03-03 18:00:00
204
原创 从代码到对话：DeepSeek模型如何理解人类语言【1】
例如，“马”字的Unicode编码为U+9A6C，其编号为39532，位于第三个范围（2048-65535）内。例如，英文字符“A”的Unicode编号是U+0041，而汉字“汉”的Unicode编号是U+6C49。Unicode编码为每种语言中的每个字符设定了统一且唯一的二进制编码，这使得DeepSeek模型能够通过Unicode编码来表示和处理全球各种语言的文本。可变长编码，使用1到4个字节来表示一个字符。对于ASCII码的0-127范围内的字符，UTF-8仅使用一个字节，与ASCII完全兼容。
2025-03-03 18:00:00
373
原创 DeepSeek引领数据中心迈向AI新时代
此次会议深刻体现了党中央、国务院对民营企业和民营经济的高度重视和亲切关怀，释放出坚定不移支持民营经济健康发展、高质量发展的强烈信号，为民营企业注入了强大信心和动力。释放潜能，加速落地 如何充分吸收AI技术，释放GPU算力的巨大潜能，成为数据中心建设的重要课题。DeepSeek作为国内AI领域的领军企业，其取得的显著成就不仅提升了国人的信心，更彰显了中国在AI核心技术领域的创新力。AI技术融合的挑战与数据中心的新使命： 随着AI技术的迅猛发展，其与数据中心的深度融合已成为推动行业进步的关键。
2025-02-28 13:51:22
131
原创 构建你的大模型，开启财富增长之旅！
异构算力管理平台 基础软件：PyTorch、TensorFlow、PaddlePaddle、Transformer、Ultralytics 推理训练框架：Triton、vLLM、DeepSpeed、Megatron 预装应用：深度学习平台、运维平台、多模态标注平台 预装模型：Baichuan@-13B、ChatGLM2-6B、LLaMA-70B、LLaMA-7B、DeepSeek-R1。它结合了先进的硬件架构与软件优化技术，旨在为用户提供一站式的AI解决方案，助力各行业实现智能化转型与升级。
2025-02-28 13:49:30
294
原创 探索Tokens与API调用收费的背后逻辑！
简单来说，模型会将输入的文本拆分为一个个Tokens，这些Tokens可以是单词、句子 、标点符号。" 可能会被拆分为 ["Hello", ",", "world", "!"]，共4个Tokens。" 可能会被拆分为 ["你", "好", "，", "世界", "！然而，对于许多开发者和企业来说，如何理解大模型的收费模式，尤其是“按Tokens收费”和“API调用收费”的区别，仍然是一个令人困惑的问题。2.3.两者的核心区别 Tokens收费：更注重文本处理的深度和复杂度，适合需要处理大量文本的场景。
2025-02-27 18:15:00
180
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人