- 博客(1760)
- 收藏
- 关注
RSS订阅原创 WorkBuddy实操方法
Plan阶段："根据刚才的分析，帮我制定一份竞品分析报告的框架，包含哪些维度、每个维度用什么数据源"Ask阶段："帮我分析一下目前市面上主流的AI办公智能体有哪些，各自的核心差异是什么"Craft阶段："按照这个框架，帮我生成一份完整的竞品分析报告，输出Word文档"- 中风险：修改现有文件、涉及个人数据 → 先Plan，确认后Craft。- Plan模式：规划阶段消耗对话Token，执行阶段消耗操作Token。问自己一个问题："我要的是一个答案、一个方案、还是一个产物？场景：你要做一个竞品分析报告。
2026-11-07 01:00:00
65
原创 WorkBuddy如何通过理解能力边界避免无效操作
理解能力边界不是"知道就行"，而是要把它转化为具体的操作策略。[ ] 这个任务是否需要理解图片内容？（如"根据截图""识别图片"）（如步骤超过10个、数据量超过1万行）[ ] 这个任务是否需要高质量的首稿输出？[ ] 这个任务是否涉及跨应用操作？（如"发微信""发邮件"）第3步：建立"WorkBuddy适用任务清单"如果以上任何一项为"是"，需要调整策略。- 竞品分析报告（需二次修正，确保客观）第1步：在发指令前，先做"边界检查"- 定时自动化任务（如每日资讯汇总）- 大规模数据处理（需拆分为小任务）
2026-11-07 01:00:00
35
原创 安全机制——本地运行、授权文件夹、高危拦截WorkBuddy
AI执行的任何指令，均先经由独立沙箱程序中转判断，不直接与操作系统交互。即使需要调用云端大模型进行推理，也仅传输必要的指令和最小化上下文，原始文件内容全程保留在本地。全链路传输加密：全链路传输加密、内容安全过滤等基础安全能力已在底层持续运行，WorkBuddy可对敏感数据和违规内容做多层防护。这些日志直通企业统一审计后台，和CodeBuddy共享同一套合规看板——不是"能查"，而是"默认全记、不可删、不可绕"。- 输入参数摘要（不含原始合同内容，只记"上传了1份PDF，启用GDPR检查"）
2026-11-06 01:15:00
349
原创 六大能力边界——WorkBuddy不能干什么
应对策略：如果需要将结果推送到IM，可以使用WorkBuddy的"助理"功能，通过Claw绑定的IM渠道发送结果；WorkBuddy生成的内容可能存在"彩虹屁"（过度夸赞）或不客观的问题，特别是首次生成的报告。这是因为AI的"讨好型"倾向——它倾向于给出"好看"的答案而非"真实"的答案。应对策略：如果需要处理图片中的文字信息，可以先使用OCR工具将图片转为文字，再将文字内容交给WorkBuddy处理。这意味着"根据截图整理体验报告"或"识别这张发票的信息"这类任务无法完成。
2026-11-06 01:00:00
215
原创 WorkBuddy三大工作模式——Ask / Plan / Craft
这不是"功能开关"，而是"AI的行动边界"——它决定了AI能做什么、不能做什么、需要你确认什么。Craft模式下AI会直接动手，如果你没把规则写死，它可能按自己的理解重命名、移动。用Craft做纯咨询，AI可能调用连接器、生成报告、存文件——多此一举，还烧3-5倍积分。Craft模式是"全速前进"模式。AI被锁在"只说不做"的笼子里——它只能回答问题、分析信息、给出建议，不能读取你的文件、不能创建新文件、不能执行任何操作。- Plan：选定路线后，让AI出"项目结构 + 分几步实现"的方案。
2026-11-05 01:00:00
169
原创 ：六大核心能力——WorkBuddy能干什么
V5.3.5版本上线"人机双写"功能后，AI生成的内容直接呈现在原文件里，用户可以继续修改，也可以批注意见，AI会实时感知并完成修改——AI改完后，用户可以随时接手继续写。截至2026年7月，WorkBuddy内置多达340个领域专家，覆盖运营、设计、数据、开发、财务等全角色。WorkBuddy可以直接读取Excel文件，执行数据清洗、去重、补缺、统计分析、生成图表等操作。它不是教你怎么写公式，而是直接在你的表格上操作——清洗数据、生成透视表、插入柱状图与饼图，一步到位。
2026-11-05 01:00:00
157
原创 FDE 的定义可以从两个维度来理解，一个是“Forward Deployed”+“Engineer”，另一个是“前线部署工程”+“家”。
FDE应具备的技能：一位优秀的FDE应当是站在企业级AI平台上，看懂业务问题、组织业务语义、设计智能体与人机闭环，并把这些智能体有机组合起来部署到平台上，处理鲜活数据、产生业务价值、解决行业问题。第二个维度是指以前线部署为方法论，去研究、探索并解决各类落地问题的人，这是FDE的外延。FDE：以业务问题为出发点，运用行业知识与AI工程技术，把模型、数据、本体、智能体与平台组合成可运行、可审计的解决方案交付到客户生产环境并产生可度量业务价值，同时不断沉淀可复用的行业本体与工程范式、反哺产品能力的人。
2026-11-04 07:53:59
147
原创 WorkBuddy第四层：MCP协议——“AI的万能USB接口“
MCP（Model Context Protocol，模型上下文协议）是连接外部工具和服务的"万能插头"。通过MCP，WorkBuddy可以获得发送通知、连接业务系统、访问数据源等扩展能力——能力几乎没有上限。MCP统一的是连接协议，Server背后仍可以是REST、数据库、命令行工具等任何技术。运行结构上，MCP有三个角色：承载Agent的产品（如WorkBuddy）、负责建连和发请求的MCP。配置腾讯地图MCP Server后，说"帮我规划成都三日游，包含美食、住宿、路线、穿搭建。
2026-11-04 01:15:00
386
原创 WorkBuddy第三层：Skills技能包——“AI的工作手册“
每个Skill的本质是一个文件夹，核心文件是SKILL.md——一份教会AI如何完成某类特定任务的"说明书"。Skill不增加AI的能力（那是MCP的事），而是让AI更专业。就像给一个实习生一份详细的SOP手册，他不一定会变得更能干，但会按照标准流程做事，犯错率大幅降低。示例：装了"周报技能"，AI就知道你的周报要分"完成、进行中、问题、计划"四个部分，不会乱。装了"法律专家技能"，AI会主动追问合同细节，识别"独家合作+高额违约金"风险。第三层：Skills技能包——"AI的工作手册"
2026-11-03 01:15:00
317
原创 WorkBuddy第二层：助理（Claw）——“AI的远程遥控器“
Claw的技术实现基于WebSocket长连接 + HTTP/HTTPS Webhook，支持零代码接入——不需要配置微信开放平台，5分钟即可完成。这意味着你可以在通勤路上用微信给WorkBuddy发消息："帮我把昨天的Q1数据报告做成PPT，用16:9配比，风格简洁商务"，到公司打开电脑，PPT已经放在桌面上了。绑定企业微信/微信/QQ/飞书/钉钉后，你可以在手机IM上发消息，桌面端自动执行任务，结果异步返回。实测发现，企业微信的响应延迟比飞书平均低200ms，适合对实时性要求高的场景。
2026-11-03 01:00:00
203
原创 WorkBuddy第一层：桌面客户端——“AI的双手“
这是WorkBuddy与传统云端AI工具最本质的区别——你的Excel、PDF、合同文本等文件从不离开你的电脑。一个关键理解：桌面客户端不是"浏览器标签页"，而是一个完整的桌面应用程序。- 文件操作：读取、编辑、创建文件，支持Word、Excel、PPT、PDF、Markdown等主流格式。示例：你让WorkBuddy"把桌面上的合同PDF整理好，提取文件名和日期，生成一个Excel清单"，桌面客户端会直接读取本地文件、解析PDF内容、创建Excel文件——整个过程不需要上传任何文件。
2026-11-02 14:29:05
206
原创 四层架构——WorkBuddy的“骨架“WorkBuddy
WorkBuddy的产品架构并非简单的"聊天框+大模型"，而是一个精心设计的四层架构系统。每一层解决不同环节的能力落地，层层递进，共同构成一个从"接收指令"到"交付成果"的完整闭环。
2026-11-02 14:28:07
171
原创 上下文窗口（Context Window）
PromptQuorum、火山引擎开发者社区等来源，截至2026年7月未能确认所有模型的具体上下文窗。注：不同来源的上下文窗口数据可能存在差异，部分模型可能存在输入/输出Token分别限制的情。例如GPT-5.5支持1M输入/128K输出。以上数据综合自太平洋科技2026年横评、- 输入部分（用户提示词、历史对话、附加文档等）；- 输出部分（模型当前正在生成的响应内容）。
2026-11-01 21:02:12
233
原创 Token与上下文窗口
模型无法直接处理人类文字，需要先将文本转换为数字ID序列。Tokenization（分词）就是完成这个转换的过程。Token是大模型处理自然语言文本的基本单位，可以直观地理解为"字"或"词"——但更准确地说，它是子词单元（Subword Unit）。- 不常见词（如"tokenization"）被拆分为多个子词（"Token" + "ization"）；- 常见词（如"hello"）可能被编码为单个Token；- 这种方式在词汇量与语义完整性之间取得平衡。- 从字符级别开始，逐步合并最高频的字符对；
2026-11-01 21:01:21
427
原创 阻碍AI在财务领域规模化落地的四大核心障碍
障碍3 缺少事前可量化成功指标:痛点本身即是指标的来源的痛点表述本身就隐含了可量化的度量口径:核算域可采用月结关账时长与对账自动匹配率，风控域可采用检查覆盖比例与整改闭环率，税务域可采用申报底稿编制工时与发票验真人力占用，资金域可采用现金流预测偏差率与来款认领时效，经营分析域可采用问数响应时长与预实归因的可追溯比例。这与痛点全景中反映的顾虑一致:投入产出的衡量口径不统一,与既有ERP、EPM、BI投入的功能边界有待厘清，从概念验证走向规模化的路径不清晰。
2026-10-31 01:15:00
334
原创 阻碍AI在财务领域规模化落地的四大核心障碍
针对上述风险，德勤高可信AI框架给出的原则具有明确指导意义:财务AI不应追求百分之百自主无人运行，必须保留人的监督与校验，每一条AI推理输出都要做到可追溯、可审计，满足内控与外部审计要求。这一原则与痛点全景所指向的价值主张高度一致--从规则执行走向专业判断，意味着智能体承担数据搜集、初步推演与异常提示，财务专家完成最终判断与决策输出，二者构成虚拟队友式协同关系，而非替代关系。模型黑盒、模型漂移与幻觉问题，一旦作用于收入确认、税务测算与对外报告等环节，将带来重大合规风险。但检查结论一旦进入内控。
2026-10-31 01:15:00
404
原创 阻碍AI在财务领域规模化落地的四大核心障碍。
对照痛点全景，这一错位根源清晰可见:会计判断高度依赖专家经验且准则频繁修订，税务政策解读依赖个人积累，估值模型关键假设难以追溯，这些隐性规则原本就散落在少数资深人员的头脑之中，从未被结构化表达。当需求定义环节缺少财务专业人员深度参与时，未被言明的判断逻辑不可能被技术团队自行还原。既通晓会计准则与内控逻辑、又掌握数据:分析与AI工具的复合型人才极度稀:缺，培养周期长、断层明显;因此，财务人员必须深度参与从需求定义、样本标注、结果校验到持续迭代的完整生命周期，而不是在验收环节才第一次接触产出物。
2026-10-30 08:46:14
7
原创 阻碍AI在财务领域规模化落地的四大核心障碍。
障碍1|遗留系统架构制约:数据基础决定AI的能力上限很多企业财务系统高度碎片化，数据分散在数十套异构系统之中，数据质量参差不齐，AI缺少高质量的输入数据源，垃圾进、垃圾出的规律在财务场景中同样成立。这一障碍在痛点全景中得到直接印证:横向层面，数据散落导致口径不一，跨部门反复对数成为常态，系统割裂造成协同断点，跨系统流程依靠人工串接，集团化与跨地域经营进一步叠加多主体、多币种、多准则的复杂度;财务六大职能域痛点，几乎每一条都能在AI的能力谱系中找到对应的解法，这也正是财务AI迅速升温的原因。
2026-10-30 08:45:00
178
原创 AI文本与知识生产
AI文本与知识生产类是AIGC应用中成熟度较高、用户覆盖较广、应用场景最为丰富的基础型赛道。其核心是依托大语言模型的自然语言理解、生成、推理、检索和知识处理能力，将AI应用于信息获取、内容生成、文本理解、知识整理、研究分析等环节。
2026-10-28 13:50:32
186
原创 AI产品价值评价更加关注生产效率
评价标准上，Token消耗被视为成本，Gartner、IDC及《人民日报》刊发的李彦宏文章均指出其无法体现业务价值，行业开始呼吁用“日活智能体数(DAA)”作为产出标尺;效率验证上，五征集团盘库时间从3小时压缩至5分钟，江苏铁塔年节省人工超10000小时，联想制造成本下降17.32%，中国电信日Token调用超2000亿，AI已实打实在生产环节创造价值。付费逻辑上，企业不再为消耗了多少算力买单，而是直接围绕GMV、ROI等业务结果指标(如瓴羊AgentOne)进行考核付费。
2026-10-28 13:48:36
330
原创 预期功能安全：把“没坏但看不见”写成可关闭的场景账
SOTIF 处理功能不足和可合理预见的误用。井下典型：粉尘导致LiDAR 点云稀疏而漏检人员；低照度导致行人漏检；锚网反光导致幽灵障碍而急停甩尾；大模型把警示牌读错而进入盲巷；监督员以为“已经自主”去干别的。本中心要求企业维护四象限场景账：已知安全、已知不安全、未知安全、未知不安全。认证通过的最低条件是：已知不安全场景全部关闭或风险降至可接受；未知不安全有系统性挖掘（对标测试、变异、赛场事件回放）；残差风险书面接受并进入在用监测。
2026-10-27 01:15:00
424
原创 采矿智能机器人（7 种）
U-C-01 采煤工作面智能机器人群目录基本要求（摘编）：采煤机、刮板机、液压支架、转载、超前支架自主协同，煤岩界面识别。主要AI 失效模式：支架落后造成空顶；主要AI 失效模式：采高失控割顶/割底；目录基本要求（摘编）：精准定位、采高、姿态、煤岩识别、故障预判、自适应截割。主要AI 失效模式：溜井口坠落；主要AI 失效模式：臂架碰撞；目录基本要求（摘编）：支护力与姿态自适应、跟机、护帮。目录基本要求（摘编）：露天穿孔定位、孔深、远程监控。目录基本要求（摘编）：装载对位、铲位移动、故障识别。
2026-10-27 01:00:00
420
原创 功能安全：故障链与安全功能清单
exida 与TÜV SÜD 的机器人功能安全实践（ISO 10218、ISO 13849、IEC62061、复杂矿山机械需结合IEC 61508）作为评审参照，不简单照搬协作机器人ISO/TS 15066 的力限值，因为矿用本体质量和环境与工厂协作臂不同。矿用典型危害事件包括：碰撞人员、碰撞支护导致冒顶诱因、进入爆破警戒区、带电部件产生不可控电弧（与防爆相关）、钻锚误动作、运输车溜车、救援机器人阻断逃生通道。 SF-06 气体联锁，甲烷等超限按规程断电停机，算法不得“为了完成任务”覆盖。
2026-10-26 10:51:28
248
原创 十一项AI 治理要素（国际框架的矿用操作化）
BOLDOZER 等机构提出的十一项治理要素，本中心全部保留并写成可审核条款。素不是海报，每一项都对应实验室检查方法和证书附件。
2026-10-26 10:50:07
205
原创 双轨收敛与国际组织的协调作用
其三，国际组织提供了价值与能力的公约数:UNESCO的学生与教师AI能力框架“与OECD的AI原则为各国政策提供了共同的伦理与素养底座，使双轨收敛具备了国际协调的可能。对产品方与教育机构而言，收敛意味着合规已不再是事后补救，而须前置为产品设计的种子约束:陪伴功能须避开"虚拟亲属/伴侣"定位并强化"非真人"披露，课堂应用须回避情绪识别，儿全球教育机器人发展蓝皮书2026AI-SLI童数据须叠加满足多法域要求，课程内容须与各国通识/素养框架对齐以获取政策红利。
2026-10-25 08:42:06
173
原创 儿童一AI硬约束阵营
这一隐私底座与上述三项硬约束相叠加，构成了采集儿童语音、人脸与行为数据的教育机器人必须同时满足的多重合规要求(详见第14章数据隐私底座一节)关于欧盟监管时间表的口径校准:2025年11月，欧盟委员会提出"数字综合法案(DigitalOmnibus)"，拟将《人工智能法案》部分独立高风险义务的适用时点推迟至2027年12月2日。州层面，加州SB243《伴侣聊天机器人法》于2025年10月签署、2026年1月1日生效，要求披露AI身份并设置自伤/自杀危机响应协议37;的设计禁区预警(详见第7、14章)。
2026-10-25 08:40:57
282
原创 AI编程（AI Programming）
AI编程（AI Programming）是指利用人工智能技术辅助或参与软件开发全流程的编程实践。与传统编程以人类开发者为主体、使用编程语言直接编写代码不同，AI编程将大语言模型作为编程协作的核心参与者，通过自然语言或结构化指令与AI交互，由AI完成代码生成、调试、优化等具体编码任务。从技术演进的角度看（如图所示），AI编程并非凭空出现的新事物，而是软件开发自动化进程中的一个重要阶段。
2026-10-24 10:33:33
336
原创 ABSD方法的步骤
选择体系结构风格每个设计元素有一个主要的体系结构风格或模式，这是设计元素如何完成它的功能的基础。主要风格并不是唯一风格，为了达到特定目的，可以进行修改。体系结构风格的选择建立在设计元素的体系结构驱动基础上。在软件设计过程中，并不总是有现成的体系结构风格可供选择为主要的体系结构风格。一旦选定了一个主要的体系结构风格，该风格必须适应基于属于这个设计元素的质量需求，体系结构选择必须满足质量需求。为设计元素选择体系结构风格是一个重要的选择，这种选择在很大程度上依赖于软件设计师的个人设计经验。
2026-10-23 20:53:24
83
原创 ABSD方法的步骤
一个设计元素有一组功能，这些功能必须分组。分解的目的是使每个组在体系结构内代表独立的元素。分解可以进一步细化。这种分解的标准取决于对一个特定的设计元素来说是很重要的性能。在不同的性能基础上，可以进行多重分解。如果象通常的产品一样，在分解中起关键作用的性能要求是可修改的，则功能的分组可选择几个标准：（1） 功能聚合。（2） 数据或计算行为的类似模式。（3） 类似的抽象级别。（4） 功能的局部性。
2026-10-23 20:51:58
166
原创 场景：智能数据管理
基于智能体，可自动生成数据描述和数据画像、自动对数据分类分级、自动识别数据相似性和相关性等，对元数据进行增强生成，支撑数据管理业务功能；首先，针对海量、异构数据源的数据产生及处理，进行统一元数据管理，提供统一数据目录和全局数据视图，消除数据孤岛；然后对基础数据进行元数据增强，多维分析潜在数据特征和数据规律，分类分级，提升数据质量，优化存储成本，为数据分析和风险评估等业务奠定基础；最后，基于全域数据进行深度分析和预测，发现更多、更复杂的规律，最大化数据价值，支撑业务成功。
2026-10-22 11:22:17
200
原创 场景：资源利用率提升
然后对基础数据进行元数据增强，多维分析潜在数据特征和数据规律，分类分级，提升数据质量，优化存储成本，为数据分析和风险评估等业务奠定基础；全局资源监控可视：企业运营人员面临的首要问题是无法有效掌握全局资源的使用情况，缺乏资源的总量、分配、使用、空闲等直观有效的运营数据，缺失资源数据与业务应用的有效对应，人工统计费时费力；通过优化智能体与训推平台之间的相互协作，实时感知训推业务潮汐特征，灵活切换训推资源，将白天用于推理的资源在晚上切换到微调训练，将闲置的训练算力切换到推理服务等，实现资源高效利用。
2026-10-22 11:18:29
132
原创 工业级与消费级无人机结构分析
航拍、休闲娱乐等场景。2025 2025 年消费级无人机整总产值 年消费级无人机整总产值 502 亿元，占比 亿元，占比 亿元，占比 28 .5% .5%。中 国拥有全球最大的消费级无人机市场，占据超过 国拥有全球最大的消费级无人机市场，占据超过 国拥有全球最大的消费级无人机市场，占据超过 国拥有全球最大的消费级无人机市场，占据超过 国拥有全球最大的消费级无人机市场，占据超过 国拥有全球最大的消费级无人机市场，占据超过 国拥有全球最大的消费级无人机市场，占据超过 70% 的份额。
2026-10-21 12:13:11
142
原创 无人机注册量与飞行量
无人机注册量与飞行的高速增长，反映了在国民经济各领域渗透率正 无人机注册量与飞行的高速增长，反映了在国民经济各领域渗透率正 在快速提升。据中国民航局发布的《 据中国民航局发布的《 2025 2025 年民航行业发展统计公报》，截至 年民航行业发展统计公报》，截至 年民航行业发展统计公报》，截至 年民航行业发展统计公报》，截至 2025 年底，全行业 年底，全行业 注册无人机共 328.7 328.7万架，比 万架，比 上年底增长 51.0% 51.0%51.0%。
2026-10-21 12:12:14
281
原创 全局PUE 调优
AI调优智能体采集L0 ~ L1层环境参数（包括温湿度、制冷设备、供电设备等）、L2层基础设施参数（包括IT设备运行状态、电源模式、实时功率等）、L3层平台参数（业务负载、任务状态等），通过构建能耗优化模型实时预测最佳工作参数，并下发调优策略，实时调整冷却塔、水泵、CDU（Coolant Distribution Unit，冷液分配装置）等输出状态，调整IT设备的电源工作模式等参数，实现数据中心综合能耗最优。
2026-10-20 10:37:50
371
原创 场景一：算网存多维协同调优
多维协同调优解决方案以系统整体运行最优为目标，协同算网存等多领域智能原生基础设施、业务平台及Agentic AI 运维系统，主动识别系统中各类隐性劣化与瓶颈点，综合运用算网调优、算存调优、网存调优、软硬协同调优等多种方式，结合Auto Tuning 主动参数寻优、NSLB（全局负载均衡）、专家负载均衡、PD 节点动态分配等关键技术，依托智能体自主执行能力，实现端到端的系统调优闭环，充分释放算力，使能业务体验最佳。• 算网协同提升训练效率：AI 算力网络的吞吐直接影响模型的训练效率，成为提升训练效率的关键。
2026-10-20 10:37:09
489
原创 构建端到端故障闭环能力，使能数据中心极高可用
隐患预防解决方案基于AEI新型基础设施的感知原生能力，基于更精细的基础设施海量监控数据（状态、性能等）构建多层数字孪生，结合智能故障预测技术实现隐患预防智能体，针对数据中心算网存高频故障部件（如光模块、xPU、磁盘、HBM、内存等）是否处于亚健康临界状态进行实时感知分析，准确预判，提前进行监控和预警，先于故障发现隐患。面向算、网、存全域，基于先进的故障诊断技术（如海量日志分析、分钟级网络流量分析、存储故障和性能分析等），构建算、网、存多域智能体进行故障协同实时诊断，精准定位故障点并确定根因。
2026-10-19 01:15:00
567
原创 AEI@DC解决方案
• Agentic AI运维系统层：打造数据中心运维智能体Aico，协同调度多领域智能体，提供数据中心全域智能化自智运维能力，实现算网存一体化运维，从隐患预防、全栈可观测、全栈故障诊断、集群自主调优、智感自愈等多个维度使能数据中心走向Agentic AI运维。华为公司依托其在ICT领域多年的深厚积累，基于AEI理念，构建面向数据中心场景的AEI@DC解决方案，围绕数据中心三大算力场景提出六大场景化运维解决方案，助力行业客户高效推进数智化转型。AEI@DC解决方案。
2026-10-19 01:00:00
559
原创 超算中心聚焦高性能计算场景（HPC）
如何将离散存储的数据高效协同起来，做到按需可信流通和共享，提升数据质量，发挥数据价值，是未来数据中心需要重点考虑的问题。传统以人为主导的运维模式已显得力不从心，新型Agentic AI技术将重新赋能数据中心智能化运维，逐步从传统的被动响应式运维转向主动协同的“多智能体运维”体系，从而更好的应对新形势下复杂运维场景的种种挑战。教育医疗等行业，IT系统涉及大量异构设备，对数据安全和隐私保护要求高，同时又要考量IT系统的投资回报率，平衡成本，然而现实中在运维环节的投入又相对有限，导致运维运营管理难度巨大。
2026-10-18 18:20:51
199
原创 数据中心价值场景与解决方案
智算中心故障频发，集群稳定运行难保障头部互联网公司、通信运营商以及大模型厂商等，纷纷建设超大型AI DC，用于基础模型的训练以及承担面向海量消费者用户的推理业务，其数据中心器件规模可达千万级。算力资源利用率普遍偏低，“宝贵”的AI 资源在浪费从当前业界的数据来看，千卡智算集群其算力利用率不超过60%，万卡集群不超过55%，而十万卡集群更低，不超过40%。智算故障复杂多样，故障定位修复时间长智算中心的复杂性导致了故障模式的复杂多样，故障链路长，跨层跨域定位难。故障难恢复极大影响了训练任务的正常开展。
2026-10-18 18:19:28
174
测试用的需求文档Methodology for Qualifying Safety-Related Electrical and
2025-04-06
计算机科学与软件工程中的统一大学库存系统（UUIS）功能需求与用例分析
2025-03-13
电子商务系统软件需求规范（GAMMA-J在线商店V1）详解
2025-03-13
水文管理与用水追踪系统的软件需求规范-基于地理信息系统的技术应用与需求分析
2025-03-13
Visual C++ MFC例子，从基础例子到提高，总共11个主题
2024-08-13
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人