追求更专业的设计

原创 DeepSeek+Ollama+SpringAI

原创 K8S 分层架构

CoreDNS、Ingress Controller、KEDA（事件驱动自动扩缩）、Argo Rollouts。Kubelet、Kube-proxy、CRI（容器运行时接口）、CNI（网络插件）、CSI（存储插件）## 转载：DBAplus社群。

原创 Istio releases 对照 Kubernetes Versions

引自：

原创 版本对应表：Spring Cloud maps to which version of Spring Boot

Spring Cloud

原创 分布式事务的适用场景

选择2PC/ZooKeeper（牺牲性能）：选择可靠消息/Seata AT（最终一致）：最大努力通知（成本最低）RocketMQ事务消息。微服务架构的常规业务。

原创 IDEA格式化Json插件Json Assistant

Json Assistant —— 基于 IntelliJ IDEs 的 JSON 工具插件，支持 IntelliJ IDEA、DataGrip、PyCharm Professional、WebStorm 等常用的 IDE 工具！JSON 处理：提供 JSON 美化、压缩、树视图展示、比较、转义、展开嵌套 JSON、序列化等处理功能，完全支持 JSON5。格式转换：可在 JSON 与 XML、YAML、TOML、Properties、URL Param 等格式间相互转换。

原创 uml制做参考-以代码画UML图

【PlantUML系列】类图（一）_plantuml skin-优快云博客UML入门以及Plant UML工具介绍_plantuml-优快云博客UML类图详解-优快云博客【PlantUML】-类图-优快云博客【掌握绘图艺术】用PlantUML绘制完美UML图表，编程开发者的福音 - 知乎如何优化PlantUML流程图（时序图） - hchengmx - 博客园

原创 JVM相关

1、从JDK源码级别剖析JVM类加载机制。

原创 AI 大模型系统实战

维基百科对的定义是这样的，基础模型是一种，通常在大量数据上进行（通过自监督学习或半监督学习），以使它可以适应各类下游任务。因此，它需要兼顾参数量大（大型模型），训练数据量大（大量数据大规模训练）和迁移学习能力强（适应多种下游任务）几点才能够叫做基础模型，而不只是参数量大，就能够叫做基础模型，我们在甄别时需要特别注意。另一个重要的定义就是 AIGC，目前工业界普遍将 AIGC（Artificial Intelligence Generated Content）称为生成式人工智能。

原创 结合AI的智能运维助力能效提升

原创 大模型在营销领域的探索及创新

1 AIGA介绍2 AIGA在营销领域的 应用和探索3 总结与展望

原创 战略流程-麦肯锡企业数字化业务变革成熟度评估模型及案例深度解析

它通常包括多个维度，如产品研发、智能制造、质量管理等，并根据每个维度的得分和权重，综合计算出企业的变革成熟度总分，以智能级、互联级、系统级、基础级等级别来表示企业当前的变革成熟度水平。这些企业的变革实践表明，通过引入新技术、优化流程、强化数据分析和客户体验，可以显著提升企业的竞争力和市场适应能力。同时，变革能力成熟度评估和核心业务现状诊断是企业变革过程中不可或缺的环节，有助于企业识别改进机会，实现持续优化和创新。根据得分，企业可以确定自己处于基础级、系统级、互联级、智能级或自主级中的哪一级别。

原创 GoLang语言

/ 切片的定义var s1 []int // 定义一个存放int类型元素的切片var s2 []string // 定义一个存放string类型元素的切片。

原创 区块链密码学

原创 Lambda架构--推荐系统

原创 智能计算系统-概述

1、人工智能技术分层2、人工智能方向人才培养3、课程体系的建议4、智能系统课程对学生的价值5、智能计算系统对老师的价值6、什么是智能计算系统7、智能计算系统的形态8、智能计算系统具有重大价值9、智能计算系统的三大困难10、开创深度学习处理器方向11、寒武纪的国际影响12、寒武纪的国内影响

原创 人工智能历史与现状

第 1 章 人工智能历史与现状1.1 人工智能的概念和起源1.1.1 人工智能的概念 人工智能 (Artificial Intelligence ,AI)是一门研究如何使计算机 能够模拟人类智能行为的科学和技术,目标在于开发能够感知、理解、 学习、推理、决策和解决问题的智能机器。人工智能的概念主要包含 以下几个方面:(1)人工智能的目标是模拟人类的智能行为。人工智能致力于 使计算机能够像人类一样感知世界

原创 华为云EI生态

1、人工智能技术趋势2、华为AI发展思路3、华为云EI：让企业更智能4、华为云服务全景图5、基础平台类服务6、MLS:解决特性到模型应用的完整过程7.DLS8.GES超大规模一体化图分析与查询9、EI视觉认知10、EI语音语义11、OCR：提供高精度光学文字自动识别能力12、Moderation:提供自动内容检测13.Deblur:图片低光照增强，去雾处理14、EI行业领域

原创 人工智能AI概览

1、达特茅斯会议2、人工智能元老3、人工智能发展史4、符号主义5、连接主义6、行为主义7、三大学派优劣分析8、人工智能9、人工智能层次结构10、机器学习、深度学习11、人工智能现状12、人工智能未来

原创 机器学习分类及算法

1.1.1.5K近邻KNN还有 聚类（k-means）、随机森林等

原创 大模型:原理、进展及其影响

一、大模型的背景和原理二、大模型的飞速发展及趋势三、大模型的深刻影响

原创 各国内AI大厂推进大模型的阶段

2022 年 11 月，美国 AI 公司 Open AI 发布旗下 AI 聊天机器人程序 ChatGPT，该程序基于大型语言模型（LLM，Large Language Model） GPT-3.5，使用指令微调 （Instruction Tuning）和基于人类反馈的强化学习技术（RLHF，Reinforcement Learning with Human Feedback）训练而成。在发布后的短短两个月内，ChatGPT 的月活用户突破 1 亿，成为史上用户增长速度最快的消费级应用程序。

原创 AI 大模型重点行业应用情况

AI 大模型的提 效功能体现在电力调度方面，电力系统大模型通过“虚拟电厂”智能管理系统， 对电力需求量进行精准预测，起到“削峰填谷”的作用，实现电力智能调度。AI大模型利用海量的数据和算法模型提高生产资源的利 用率，使生产过程更加高效，并且基于传感技术和数据分析方法，做到对于生产过程的实时监控，以便及时发现异常并进行调整，保证产品的质量。其 中，商品的智能推荐是基于海量数据集，高效洞察和分析消费者偏好，提供智能选品方案和精准商品推荐服务，实现从“人找货”到“货找人”，降低消费者的选品时间成本。

原创 度小满金融大模型的应用创新

XuanYuan/README.md at main · Duxiaoman-DI/XuanYuan · GitHub

原创 大模型应用工程化过程

近年来，以人工智能为代表的新一代信息技术加速应用，特 别是基于大模型、大数据、大算力的 ChatGPT 的发布，标志着人 工智能技术取得里程碑式突破，推动科技创新进入新阶段。随着 大模型技术的迅猛发展和场景价值的不断涌现，该技术或将重塑 多个行业的工作方式和格局。

原创 大模型的发展历程

该阶段主要是传统神经网络模型的阶段，例如循环神经网络(Recurrent Neural Network，“RNN”)卷积神经网络(ConvolutionalNeuralNetworks，“CNN”)起初，AI发展主要基于小规模的专家知识，然后逐渐转向机器学习，1980年和1998年诞生的CNN和LeNet-55奠定了深度学习模型的基础。该阶段是全新的神经网络模型阶段，模型的发展方向主要聚焦长序列的处理和计算效率的提升，以Transformer架构的出现为代表。对词向量的语序和语境进行位置编码形成位置向量。

原创 LLM技术

这些模型通过分析大量的文本数据来学习语言的结构和用法，从而能够执行各种语言相关任务。以 GPT 系列为代表，LLM 以其在自然语言处理领域的卓越表现，成为推动语言理解、生成和应用的引擎。LLM 在多个领域都取得了令人瞩目的成就。在自然语言处理领域，GPT 系列模型在文本生成、问答系统和对话生成 等任务中展现出色的性能。在知识图谱构建、智能助手开发等方面，LLM 技术也发挥了关键作用。此外，它还在代码生成、文本摘要、翻译等任务中展现了强大的通用性。

原创 Foundation Model 通用大模型的评测体系

AI大模型作为人工智能领域的革新力量，以其强大的学习能力、广泛的应用场景和显著的技术优势，正在深刻改变我们的生活与工作方式。本文将为您揭示当前十大主流AI大模型的风采，带领您领略人工智能的智慧魅力。随着大模型评测需求逐渐增加,相关研究也进一步深入。大模型相比传统模 型，泛化能力更强、灵活性更高、适应性更广，多任务、多场景，评测维度、评测指标和数 据集更复杂，面向大模型的评估方法、评测基准、测试集成为新的研究课题。

原创 AI技术变革与企业服务创新

◼ 2022年，中国AI开发平台的市场规模为257.3亿元，行业未 来的市场有望继续高速拓宽 中国AI开发平台2022年的市场规模为257.3亿元。2.定制型AI基础设施是指针对特定领域或应用场景进行设计和优化的基础设施，其 硬件、软件、算法等方面的特点都针对某一特定的需求进行了调整和优化。其中，算 力市场规模按算力带动产业产生的价值，主要测算指标为AI芯片， 数据市场规模为数据基础服务和数据治理的产值，算法带动的产 业产生的价值作为算法的市场规模，其中测算指标为机器学习技 术与平台的市场规模。

原创 AI大模型对产业服务价值

从2018年OpenAI提出的参数为1.17亿的GPT算法，到2020年推出参数为1,750亿的GPT-3，参数实现了 116倍的增长，跨足千亿级大模型，对2019年的NLP模型构成巨大冲击。然而，在制造型和基础源头型产业中，AI大模型的渗透率 相对较小，成本下降幅度仅为0.5%。语言大模型的助力下，垂直领域的应用呈现出更高的专业性、高质量的产出以及在特定任务上的卓越表 现。AI大模型在高度渗透的应用 领域取得成功的原因在于其拥有丰富高质量的数据、强烈的技术需求和创新要求，以及规范的商业环境。

原创 AIGC的算力与云边协同及应用创新

➢ “算法芯片化”：云天励飞凭借对行业的战略前瞻和持续多年的深耕布局，让算法和芯片两大技术相互配合，基于对场景的深刻理解以及对算 法关键计算任务在应用场景中的量化分析，将芯片设计者的理念、思想与算法相融合的AI芯片设计流程，为解决方案和应用场景更高效地赋能。• 未来大模型的产业化发展是一套复杂的系统工程，构建高效稳定的算力平台是核心要义，成熟的算法、数据产业链，配套工具链及丰富的生态链是关键因素，亟需以系统的方式寻找最优解。• 训练是指通过数据开发出AI模型，使其能够满足相应的需求，一般为AI技术的研发。

原创 人工智能术语

因此，尽管GPT初代版本，性能并不及同期的BERT，未产生较大的影响，但经过几轮版本迭代后，于2022年末发布的参数量高达175B(1750亿)的ChatGPT，其认知能力几乎可以与人类媲美，并可使用自然语言完成各种文档甚至计算机代码的编写，而于2023年初发布的GPT-4则新增了对语音、图片等多模态的支持，并在包括GRE、SAT以及AP(AdvancedPlacement)考试中，获得了高于大多数人类的分数。下面，我们将结合大模型的技术特点，以及软通智慧通过大模型赋能城市治理的案例实践，展开阐述。

原创 激活函数对比

2) dead unit，权重初始化不好，导致多数样本在某个单元上

原创 AIGC 介绍与典型应用与亚马逊科技AIGC方案

伴随数字技术与实体经济的深度融合、互联网企业数字化场景拓展至元宇宙，人类 对数字内容的总量和丰富程度的需求不断提高，AIGC 作为当前重要的内容生产方 式，已率先在游戏、营销、电商、传媒、影视娱乐等领域取得进展，伴随 AIGC 在各个行业的渗透，AIGC 作为 AI 数字商业的探路者，有望开启下一场数字商业模式 的新篇章。从字面意思来看，AIGC 是继 PGC，UGC 之后的新型内容创作方式，可以在创意、表现力、迭代、传播、个性化等方面，充分发挥技术优势，打造新的数字内容生成与交互形态。

原创 金融领域的AI解决方案

AI可赋能金融营销、资管、风控等领域，面向金融消费者、金融机构和金融监管机构，改善金融市场信息对称性并提升金融交易的效率和安全性。目前，金融行业各机构对于安全认证和客户身份识别的需求较为迫切，身份识别和智能客服应用和落地最为成熟，智能营销和智能风控技术成熟但落地较为困难。不同AI应用场景在不同金融细分行业中的成熟度有所不同。其中，身份认证与智能客服应用最为广泛，且落地相对容易，其可有效地降低金融机构运营成本;

原创 智能化运维(AIOps)

• 调查显示，54.79%的企业当前着重关注智能运维的质量领域(包括异常检测、告警收敛、根因分析、 故障处置等)能力建设，其次45.77%的企业关注效率领域，45.49%的企业关注成本领域，30.82%的 企业关注安全领域。从目前的发展情况来看，现阶段AIOps能力大多集中在L2级别， 主要以系统辅助分析，帮助人工进行决策和操作为主，较为领先的 能力实践可以达到L3级别，而L4和L5级别随着AIOps的技术发展 和能力的逐步增强，将是未来智能运维能力建设的发展方向和目标。

原创 打造新引擎，迈向数智金融新未来

基于“云智一体”理念，百度智能云为金融机构提供“云智基座”、“数智经营”、“产融智合”三智新引擎，通过自主创新的基础云架构与AI大底座，全面满足金融业务场景的数字化与智能化转型经营需求，并与金融机构携手加速产业智能化升级，共赴数智金融新未来。数智技术正在全面赋能金融机构转型升级以及促进金融与实体经济的加速融合，已呈现出金融机构数智化经营加速、产业 数字金融深度融合、数字技术驱动绿色金融发展、金融信创成果涌现、金融机构加快数字化组织管理变革等行业趋势。

原创 AI大底座核心平台：百度百舸AI异构计算平台（AI IaaS）与AI中台（AI PaaS）

百度智能云千帆大模型平台是面向企业开发者的一站式大模型开发及服务运行平台，可为企业提供包括文心大模型在内的 大模型服务，同时也支持第三方大模型，提供开发AI应用的各种工具链及整套环境，让企业和开发者以简单的方式用上大 模型、用好大模型。百舸AI异构计算平台是AI IaaS层的核心平台，包括AI计算、AI存储、AI加速、AI容器四层套件，实现算力资源的 高性能、高弹性、高速互联、高性价比，承载海量数据的处理、超大模型的训练和推理，为AI场景提供软硬一体的智能算 力基础设施。

原创 “一体两翼“的运营模式

一体两翼”的运营模式指以智算中心产业基地为主体，业务运营、产业运营为翼。智算中心运营以业务运营为基础打造优秀智 算产业实践案例，以产业运营为核心融通构建区域智算产业基地，形成创新孵化中心、国家级示范应用、成果展示中心、 云智人才中心、产教融合示范基地、产业基地试点示范等多项创新及示范组织。基于业务运营沉淀的企业级标杆案例、机理模型、统一数据等，打通区域中产业链上下游各企业，并联合科研院所、创业公司、产业引导基金等生态，进行政策指引、创新孵化、品牌推广。

原创 百度AI大底座

例如，应用落地过程中的模型效果问题，将驱动迭代新的模型结构，新的模型结构又需要新的框架能力支撑，而新的 框架能力对于底层芯片算力又会提出新的要求。比如，在大模型的端到端自适应分布式训练过程中，飞桨统一 的资源和计算视图以及自动并行能力可与百度百舸的弹性调度能力相结合，通过AI 框架和AI 异构算力平台的深入交互，实 现算力、框架、算法三位一体的系统优化，支持大模型自动弹性地进行训练，端到端实测有2.1倍的性能提升，保证了大规 模训练的高效性，训练场景资源利用率可达70%以上。