干嵌入式快八年,一度认为端侧跑大模型是噱头...

宇树四足机器人核心技术解析:端侧AI与高可靠运动控制 四足机器人作为具身智能的重要载体,正从实验室走向电力巡检、消防救援、高校科研等真实场景。其技术核心在于如何在资源受限的嵌入式平台上实现低延迟感知、实时运动决策与高鲁棒性执行。宇树科技通过轻量化多模态AI模型、自研全身动力学控制器(WBC)及毫米级电机工程优化,将‘能动’升级为‘稳动’与‘懂走’。关键技术价值体现在端侧智能闭环(延迟<8ms)、IP54/IP67工业防护、以及面向地形适应与负载稳定的实时力控能力。典型应用覆盖变电站自主巡检、狭小空间特种作业与ROS2具身智能教学平台搭建,为行业用户提供可量产、 阅读详情

去年组里来了个新需求,要在工厂车间的网关上做语音控制。开会的时候老板拍板,说现在大模型这么火,能不能直接塞一个进去,工人喊一嗓子就能调设备参数。我当场就泼了冷水:咱们那网关是三年前买的,内存就那么点,跑个实时操作系统都紧巴巴,大模型?怕是连模型文件都装不进去。

坐我对面的硬件同事还补了一刀:别说模型了,板子上连个像样的散热片都没预留,真跑起来不得煎鸡蛋。那会儿我俩在组里基本属于“AI 悲观派”,逢人聊起端侧大模型就摇头。

隔周跟一个在另一家工厂做自动化的朋友吃饭,他拍胸脯说他们产线早就上了端侧模型做质检,效果杠杠的。我多嘴问了句用的什么板子、跑多大模型,他支吾半天,说其实把功能砍得只剩一类缺陷,而且还得配合工位上的补光和固定机位。那顿饭让我明白,很多对外讲的“落地”,里头的水分得自己挤。

我干嵌入式快八年了,从单片机的裸机程序写到带操作系统的工控板,对“资源受限”这四个字有肌肉记忆。所以一开始我对端侧大模型是本能排斥的。网上那些演示视频,什么手机上跑对话模型、眼镜上跑翻译,看着热闹,可真到了我们这种工业现场,稳定性、功耗、响应时间,哪一个都不是 demo 能糊弄过去的。车间里有电磁干扰,有粉尘,有老师傅操着方言喊话,这些条件视频里没有。

但排斥归排斥,我后来还是自己买了块开发板试了。原因也挺现实的:每次技术评审,领导都问“AI 这块你们跟进了没”,我答不上来,只能含糊说“在调研”,总觉得心虚。板子不便宜也不贵,两三百块,接上串口线和电脑就能折腾,周末在家就能玩。

第一步就卡住了。我原以为下载个模型烧进去就行,结果发现模型得先量化。原版精度在板子上根本跑不动,得把权重从浮点压成八位甚至四位整数。量化工具我折腾了整整一个周末,中间报错无数,多半是 Python 环境版本不对,或者缺某个底层库。有回报一个奇奇怪怪的段错误,我查了半夜,是显卡驱动和工具链打架。等终于跑起来,我冲它喊“帮我读一下三号传感器的数值”,它想了快十秒才回,而且把单位毫巴和千帕搞混了。

那一刻我挺失望的,觉得果然就是个噱头,离能用差得远。但往下试,发现了有意思的地方:当它只干一件很窄的事,比如识别工人那几句固定指令——“开机”“停机”“报故障”——速度就上来了,响应压到两秒以内,准确率也能接受。问题不在“模型不行”,在于我一开始想拿它当通用助手用,那当然吃不消。端侧那点算力,干窄任务刚好,干宽任务就露怯。

中间我还犯过一个贪心的错。看网上有人说某版模型“效果惊艳”,我跟风下了个稍大的,结果烧进去直接内存爆了,板子反复重启。那一课让我记住:端侧不是比谁模型大,是比谁把活儿切得准。后来我老老实实退回小模型,只留那几句指令,反而稳了。

后来我们真在一个小项目上落了地。不是什么酷炫的自由对话,而是设备离线时的异常语音播报:网络一断,本地模型照样能把故障码翻译成人话念出来,提醒巡检的人。这件事云端的模型做不了,因为断网了它就没了。这个场景让我想明白一件事:端侧大模型的价值不是“替代云”,是“补云够不到的地方”,比如没网、怕数据出去、要秒级响应。把它摆对位置,它就有用;硬要它当全能选手,它就现原形。

当然坑也不少。量化掉精度是实打实的,有些工况下误报率比预期高,我们只好在模型外面加了一层规则兜底,比如数值超出物理范围就直接拦掉。功耗也比纯逻辑程序大,原本电池供电的小设备能撑一个月,加了模型撑两周就得换电池。还有散热,板子连续跑模型会发烫,夏天得加散热片。这些东西,看文章永远体会不到,非得自己焊板子、烧程序、在现场蹲几天才会懂。

上个月我去车间跟了一次调试。老师傅对着网关喊“报故障”,模型播报出来,他乐了,说“这玩意儿还真听得懂人话”。但紧接着他换个说法“看看哪儿坏了”,模型就愣住了。那一刻我更确信:别神话它,它就是个认死理的帮手,你教它的那几句它记得住,超出范围的它真不会。

那次调试之后,真到了把网关装进车间电柜里,又是另一回事。电柜在通道边上,交接班时人声、叉车声混在一起,我们给网关外接了个指向性麦,又让模型只认带唤醒词的指令,实测下来白班能抓到八成的命令,夜班安静些能到九成。这数字不漂亮,但够用,而且断网也照样报。我把这个实测结果写进复盘,比任何演示都有说服力。

组里原本还动过念头,想让它在产线上做视觉缺陷检测,结果一测,单张推理要几百毫秒,流水线节拍根本等不起,这事儿就搁下了。这也给我提了个醒:不是所有“看起来能跑”的活都适合端侧,得拿着节拍、功耗、准确率三把尺子量一遍。

这半年我从一个“坚决反对派”慢慢变成了“看场景下菜碟”。同事再聊端侧大模型,我不再一句话否了,但也会拦着他们别乱跟客户承诺“什么都能本地跑”。技术是真的,落地的边界也是真的,两边都不该被神化。

有个刚入职的小伙子问我值不值得学,我说你先别急着报班,花两三百买块板子跑通一次再说。跑通了你会发现它没那么神,也发现它确实能干活——这比听谁忽悠都管用。现在我看朋友圈里有人转“端侧大模型将颠覆一切”的文章,也会先问一句:在哪儿跑、跑多快、吃多少电。这三个问题一抛,一半的标题党就现形了。

说到底,端侧这摊水不深,但浑。厂商爱拿峰值性能说事,社区爱拿酷炫 demo 说事,真落到你的板子和你的工况上,差着十万八千里。我现在养成了个习惯,看到新说法先问板子什么配置、内存多少、跑的是哪类任务,这三样对上了,我才往下信。

前两天销售拿了个单子来问我,说客户想在手持终端上跑个对话助手。我没急着答应,先问了续航和响应要求,算下来现有电池撑不住持续推理,就建议他们改成按键触发、闲时休眠。客户听了反而觉得我们专业。你看,端侧大模型教会我的,不是某个技术,是先把工况想明白再谈模型。这话听着朴素,却是折腾这一圈最实在的收获,也让我在客户面前更有底气。

感悟:

说实话,我到现在也不觉得端侧大模型是什么翻天覆地的革命。它就是个新工具,能解决一部分以前解决不了的问题,也会带来以前没有的麻烦。如果你是做嵌入式的,我的建议是别听两边喊:一边说“再不学就被淘汰”,一边说“全是忽悠别碰”。花两三百块买块板子,照着开源社区的例子跑通一次,比看一百篇分析都管用。跑通了你会知道它哪儿行哪儿不行,跑不通至少你亲手试过,跟人聊的时候心里有底。我也在持续摸索,中间踩的坑、量化踩的雷,如果你正好也在纠结要不要碰,咱们可以私下聊聊,少走点弯路。

想入门 AI 大模型却找不到清晰方向?备考大厂 AI 岗还在四处搜集零散资料?别再浪费时间啦!2026 年 AI 大模型全套学习资料已整理完毕,从学习路线到面试真题,从工具教程到行业报告,一站式覆盖你的所有需求,现在全部免费分享!

👇👇扫码免费领取全部内容👇👇

​

一、学习必备:100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT,帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例?大模型电子书?这份资料帮你站在 “行业高度” 学 AI:

1. 100+本大模型方向电子书

在这里插入图片描述

2. 26 份行业研究报告:覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容,涵盖:

  • 职业趋势:《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》;
  • 商业落地:《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》;
  • 领域细分:《AGI 在金融领域的应用报告》《AI GC 实践案例集》;
  • 行业监测:《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT:听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会,包含百度、腾讯、字节等企业的一线实践:

在这里插入图片描述

  • 安全方向:《端侧大模型的安全建设》《大模型驱动安全升级(腾讯代码安全实践)》;
  • 产品与创新:《大模型产品如何创新与创收》《AI 时代的新范式:构建 AI 产品》;
  • 多模态与 Agent:《Step-Video 开源模型(视频生成进展)》《Agentic RAG 的现在与未来》;
  • 工程落地:《从原型到生产:AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看:大厂 AI 岗面试 “弹药库”,300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗?这份面试资料帮你提前 “押题”,拒绝临场慌!

1. 107 道大厂面经:覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景,包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题,每道题都附带思路解析:

2. 102 道 AI 大模型真题:直击大模型核心考点

针对大模型专属考题,从概念到实践全面覆盖,帮你理清底层逻辑:

3. 97 道 LLMs 真题:聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案,比如让很多人头疼的 “复读机问题”:


三、路线必明: AI 大模型学习路线图,1 张图理清核心内容

刚接触 AI 大模型,不知道该从哪学起?这份「AI大模型 学习路线图」直接帮你划重点,不用再盲目摸索!

在这里插入图片描述

路线图涵盖 5 大核心板块,从基础到进阶层层递进:一步步带你从入门到进阶,从理论到实战。

img

L1阶段:启航篇丨极速破界AI新时代

L1阶段:了解大模型的基础知识,以及大模型在各个行业的应用和分析,学习理解大模型的核心原理、关键技术以及大模型应用场景。

img

L2阶段:攻坚篇丨RAG开发实战工坊

L2阶段:AI大模型RAG应用开发工程,主要学习RAG检索增强生成:包括Naive RAG、Advanced-RAG以及RAG性能评估,还有GraphRAG在内的多个RAG热门项目的分析。

img

L3阶段:跃迁篇丨Agent智能体架构设计

L3阶段:大模型Agent应用架构进阶实现,主要学习LangChain、 LIamaIndex框架,也会学习到AutoGPT、 MetaGPT等多Agent系统,打造Agent智能体。

img

L4阶段:精进篇丨模型微调与私有化部署

L4阶段:大模型的微调和私有化部署,更加深入的探讨Transformer架构,学习大模型的微调技术,利用DeepSpeed、Lamam Factory等工具快速进行模型微调,并通过Ollama、vLLM等推理部署框架,实现模型的快速部署。

img

L5阶段:专题集丨特训篇 【录播课】

img
四、资料领取:全套内容免费抱走,学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型,还是有基础想冲刺大厂、了解行业趋势,这份资料都能满足你!
现在只需按照提示操作,就能免费领取:

👇👇扫码免费领取全部内容👇👇

​

2026 年想抓住 AI 大模型的风口?别犹豫,这份免费资料就是你的 “起跑线”!

「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

相关推荐

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统

船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。

专注于计算机研发知识和资讯分享 485

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 327

AI 应用开发:四维架构落地实战——以 HR Agent 为例拆解感知·推理·记忆·执行【意图路由、规划编排、长期记忆、工具执行、面试题】

本文基于四维架构(感知·推理·记忆·执行),以HR Agent为例,系统拆解大模型应用从“聊天”到“生产可用”的落地路径。通过Spring AI实现意图路由、规划编排、RAG检索与工具调用,结合真实踩坑复盘,揭示架构化设计对安全、成本与可维护性的关键价值,为AI Agent工程化提供可复用的实战框架。

王大师企业官方博客 1299

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 260

手把手教你解决uniapp中esbuild版本冲突问题(Mac版专属指南)

本文是针对Mac平台uniapp开发者的专属指南,详细解析了运行项目时常见的`Cannot start service`错误,即esbuild的Host版本与binary版本不匹配问题。文章从错误根源入手,提供了从快速应急处理到彻底根治的完整解决方案,包括手动替换二进制文件、锁定依赖版本、清理缓存及优化工具链配置,旨在帮助开发者高效解决版本冲突,恢复并稳定开发环境。

i0j1k2l3m的博客 460

手把手解决AutoDock安装那些坑:从autogrid报错到.map文件生成(Win10/11环境)

本文详细解析了在Win10/11环境下安装AutoDock时遇到的常见问题,特别是autogrid报错和.map文件生成失败的情况。通过实战验证的解决方案,包括环境变量设置、Python版本管理、文件权限调整等,帮助用户顺利完成安装并提升分子对接研究效率。

weixin_42548888的博客 200

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 609

Win10 + Linux 双系统删除(Linux)

删除Linux所使用的磁盘分区 进入此电脑->计算机->管理->磁盘管理

weixin_52247624的博客 944

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 198

手把手教你为TI C2000 DSP(如28335)编写BootLoader:从Flash擦写到程序跳转的完整避坑指南

本文详细介绍了为TI C2000 DSP(如28335)编写BootLoader的完整流程,从Flash擦写到程序跳转的避坑指南。涵盖环境搭建、Flash操作安全实践、中断向量表管理、链接文件调整、通讯协议设计及量产化部署策略,帮助开发者构建工业级可靠的BootLoader系统,提升设备维护效率。

weixin_30825581的博客 425

枚举 ACS 电机状态位 完全解析

本文解析了ACS运动控制器SDK中的MotorStates枚举,该枚举对应控制器状态标志位?MFLAGS。主要介绍了6个核心状态:ACSC_ALL(-1)表示所有轴,ACSC_NONE(0)为空闲状态,ACSC_MST_ENABLE(1)为轴使能,ACSC_MST_INPOS(16)表示到位,ACSC_MST_MOVE(32)为运动中,ACSC_MST_ACC(64)为加速中。文章还补充了完整的枚举定义,包含报警、回零等状态,并提供了在晶圆AOI4轴运动中的典型应用场景,如判断轴状态、运动条件等。最后强调只

StevenChen的博客 250

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 333

厉害了,华为推出下一代光传送网:fgOTN

2024年10月,在全球信息技术博览会(GITEX Global 2024)上,华为正式发布了其颠覆性的创新产品——端到端细粒度光传送网(fgOTN)解决方案。这一产品组合被誉为行业内首个fgOTN,旨在重塑光传送网络的格局,满足电力运输等行业日益增长的通信需求。在过去的近三十年中,同步数字体系(SDH)技术一直是电信和工业网络的支柱,因其可靠性、稳定性和低延迟而备受青睐。然而,随着数据需求的激增,SDH的最大带宽仅为10 Gbps,逐渐显露出局限性。

网络技术联盟站 637

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 337

YOLO26改进 - C3k2 | C3k2 融合 ARConv 自适应矩形卷积:动态调整卷积核形状与采样点 | CVPR 2025

本文介绍了将自适应矩形卷积(ARConv)模块与YOLO26相结合的方法。ARConv是针对遥感图像全色锐化任务设计的创新卷积模块,可自适应调整卷积核形状与采样点数量,解决传统卷积刚性限制,实现高效特征提取。其工作流程包括学习卷积核高度和宽度、选择采样点数量、生成采样图、卷积实现与空间自适应增强。我们将集成ARConv的C3k2_ARConv模块引入YOLO26,对相关代码进行修改和注册,并配置了YOLO26 - C3k2_ARConv.yaml文件。实验脚本显示,该结合方式应用于目标检测任务。

魔改工程师的博客 502

选型不再靠感觉:一文看懂 SAP Event Mesh 与 SAP Integration Suite, advanced event mesh 的能力边界

本文对比分析了SAP Event Mesh与SAP Integration Suite, advanced event mesh的差异。SAP Event Mesh适合轻量级场景,主要用于SAP系统间异步通信,支持AMQP、MQTT等协议,消息大小限制为1MB。而advanced event mesh面向企业级事件网络,提供跨云/本地部署、事件治理、监控等高级功能,支持30MB消息和更大存储容量。选择时需考虑业务规模、实时性要求、治理需求等因素:单一SAP生态内扩展可选Event Mesh;跨区域、多云环境

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 135

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 80

jre9下载 jdk9

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

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 154

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 503

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

Product Hunt 热榜 2026-11-13:Plurai Simulation、YouArt Desktop App、Omnigraph

2026-11-13 Product Hunt 新产品精选:Plurai Simulation、YouArt Desktop App、Omnigraph。汇总 15 款产品的中文介绍、功能关键词和产品链接。

LaughingZhu的博客 605

【AI Agent面试系列】AI Agent可观测、评测、安全相关的知识点

之前的文章介绍了和,本文主要介绍AI Agent的测评、可观测等知识。

386

Docling 原理解读:是什么、为什么、怎么样

从论文视角拆解 Docling 的整体架构、DoclingDocument 数据模型、PDF 预处理、版面分析、OCR、TableFormer 双解码器、阅读顺序与装配流程,并解释版面框与 OCR 框的区别。

PLANTTHESON的博客 398

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 5124

从认识人工智能到理解机器学习:我的 AI 入门第一课

正式开始学习人工智能之前,我对 AI 的认识其实比较模糊:知道 ChatGPT、知道大模型,也知道现在很多岗位都在谈 AI,但如果有人问我“人工智能到底是什么”“机器是怎么学会识别一只猫的”,我未必能从头到尾讲清楚。上午的课程更偏向行业全景:人工智能的发展、研究方向、NLP、岗位分工、学习路线和 AI Coding 工具。下午的课程更偏向技术基础:机器学习的原理、有监督学习、深度学习、模型训练和评估方法。

chh563的博客 550

企业宣传片发前如何批量排查并遮挡视频里的敏感信息

做企业视频的人都会碰到一个具体问题:实拍画面里混进了不该出现的信息。办公室背景里有贴着客户信息的白板,采访对象的授权书边缘露出一串身份证号码,街采素材里路人面孔和车牌号直接入镜。人眼在时间线上扫视,会漏掉快速闪过的帧、画面边缘的小字、以及暗光区域里的证件号码。用抹影AI完成车牌、人脸和证件区域批量检测后,又手动补充了两个时间段的屏幕遮罩,最终导出时画面已无合规隐患。重点关注快速运动、遮挡、低光照条件下的目标,这些是漏检的高发区域。导入视频后选择要检测的目标类型(人脸、车牌、证件号、二维码等)。

Mysssone的博客 179

面向工业对讲的双通道声学 DSP 模组 A-59(NR2050-A)方案解析与工程落地案例

A-59模组以NR2050-A DSP为核心,37.5×16mm邮票孔封装,支持-40℃~85℃工业温域,兼容A-06/A-09/A-29系列,可低成本替换存量设备。通过固件切换实现三种模式:模式一(低改版成本,适配矿井、电梯);模式二(最优AEC,用于医院呼叫);模式三(双波束独立输出,支持双人会议语音分离)。集成AEC、ENC、BF与AGC算法,有效抑制回声、噪声与串扰,解决对讲系统核心声学难题。选型需注意参考信号路径、麦间距与温度匹配,建议先做声学测试再量产。

R190_6589的博客 365
上一篇: 报销和报表这种活,大模型真能接手吗
下一篇: “最好”的Qwen3.6-27B版本,神级杰作,本地部署
AI_小站
博客等级 码龄3年 6255粉丝 1155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