- 博客(156)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 (CDH 7）CDP Private Cloud Base 7.3.1 → Acceldata ODP 3.3.6.4 引擎迁移风险评估表
本次迁移风险评估显示，从CDP Private Cloud Base 7.3.1升级至Acceldata ODP 3.3.6.4存在高风险，核心挑战集中在Impala→Trino引擎转换（如语法、UDF、Kudu支持、事务等），需大量代码改造与业务逻辑重写。Spark 3.5→Spark 4.1迁移涉及Scala版本变更、API废弃及ANSI模式行为差异，需分步验证。Hive、Hadoop底层兼容性中等，需重点测试元数据与调度行为。湖仓表格式基本兼容，但安全组件（Ranger/Atlas）需重构行级策略与血
2026-10-10 14:59:51
373
原创 CDP 7.3.1（Cloudera Runtime 7.3.1）VS Acceldata ODP 3.3.6.4 核心引擎详细版本对比
CDP Private Cloud Base 7.3.1 与 Acceldata ODP 3.3.6.4 核心引擎对比显示：CDP 基于 Cloudera 定制分支，稳定性强，Impala 低延迟、安全审计完善，适合传统数仓；但缺乏 Spark4、DeltaLake 原生支持及 Celeborn。ODP 采用原生 Apache 版本，支持 Spark4、Trino 联邦查询、三湖仓格式原生兼容，性能提升显著，多版本共存灵活，但缺少 Impala 与 Cloudera 深度增强的安全治理能力。选型需权衡稳定性
2026-10-10 14:42:10
359
原创 Acceldata ODP 3.3.6.4 vs CDP Private Cloud Base 7.3.2 对比
ODP 3.3.6.4基于Apache原生组件，无厂商锁定，支持Spark4、Celeborn远程Shuffle及Iceberg/Hudi/Delta原生湖仓格式，具备多版本Spark共存与开箱即用的Superset/Trino/Pinot，TCO低，适合降本迁移与技术升级。CDP 7.3.2则依托ClouderaManager与商业增强（如Lakehouse Optimizer、SRM、纠删码），在企业级安全与SLA支持上更成熟，适合核心金融政企场景。选型应根据是否追求自主可控、成本控制或依赖商业特性权衡
2026-10-09 15:47:18
275
1
原创 Acceldata ODP（Open Data Platform）3.3.6.4（RHEL9）保姆级完整安装手册
本文为Acceldata ODP 3.3.6.4（RHEL9）在线部署保姆级手册，涵盖环境规划、节点配置、免密SSH、yum源设置、Ambari Server/Agent安装及Web向导部署全流程。强调必须使用JDK17、主机名规范、时间同步、FQDN解析一致等硬性要求，提供离线RPM部署方案与高频问题排查指南，确保集群稳定上线。
2026-10-09 15:26:08
410
原创 2 张天数智芯 天垓 150（单卡 64GB，计 128GB HBM）可跑最大 Qwen3-8B、Qwen3-14B FP16 LoRA 模型 + 完整实操步骤 、 命令
摘要 本文详细介绍了在2张天数智芯天垓150（单卡64GB HBM，共128GB显存）上微调Qwen3系列大模型的技术方案与实操步骤。核心结论： 硬件适配性 标准DDP模式：Qwen3-8B可稳定训练（batch=8~12），Qwen3-14B需极小batch且易OOM，30B及以上无法运行。 FSDP分片模式：通过权重/梯度/优化器分片，双卡可极限微调Qwen3-14B（需batch=1，序列≤2048），30B仍需4卡。 实操流程 方案A（推荐）：DDP双卡训练Qwen3-8B，提供完整脚本、环境配置及
2026-07-30 15:58:16
508
原创 华为昇腾 1 张卡 300I Duo 跑 Qwen3.6-27B、Qwen3-Embedding-8B 嵌入模型、Qwen3-Reranker-8B 重排序模型（GPUStack 辅助），保姆级命令及
摘要：本教程详细介绍了在华为昇腾Atlas 300I Duo（单卡双NPU）上部署Qwen3系列模型的完整流程。硬件配置为单卡双NPU（96GB显存），部署组合包括Qwen3.6-27B对话模型（TP=2）、Qwen3-Embedding-8B嵌入模型和Qwen3-Reranker-8B重排序模型，形成完整的RAG全链路解决方案。教程涵盖环境配置（驱动、CANN工具包、Docker）、GPUStack部署、模型下载与参数设置、API调用测试及常见问题解决方案。重点包括：1）显存资源优化分配策略；2）专用启动
2026-07-28 11:56:10
921
原创 天数智芯天垓150S｜华为泰山鲲鹏服务器 LLM大模型部署&微调 保姆级实操教程（CoreX4.4.0）
链接: https://pan.baidu.com/s/1PDj6dySUNHotNABp7d1a0w?链接:https://pan.baidu.com/s/1wbRWJUSyElplFgse_NyOwg?：LLaMA2、Qwen、ChatGLM、Baichuan 7B/13B 推理、LoRA微调。：全卡统一 2.1.4（必须，否则训练抖动、功耗N/A）# 1. 查看显卡识别、固件、功耗是否正常（无N/A）（官方最优适配、ixCCL原生支持、分布式最稳）# 简易推理启动（自动识别天垓150S GPU）
2026-07-16 10:54:43
497
1
原创 Cloud Data AI Manager 是一个用于管理、监控和操作企业级数据湖和大数据解决方案的全面平台。
CloudDataAIManager是CloudDataAI公司开发的企业级大数据管理平台，主要功能包括：集群安装与升级、集中配置管理、实时监控与报警、诊断工具集成、安全管理（Kerberos/LDAP支持）、多组件扩展（HDFS/YARN等）以及自动化运维。该平台通过图形化界面和RESTful API简化Hadoop生态系统的部署与维护，提供配置变更追踪、资源监控、安全审计等特性，兼顾易用性与灵活性，适合不同规模的大数据环境管理需求。
2026-07-01 16:25:36
247
原创 1 天落地 GLM-5.2：华为昇腾 910B 双机分布式推理保姆级教程（纯实操命令）
容器镜像：swr.cn-southwest-2.myhuaweicloud.com/base_image/dockerhub/lmsysorg/vllm-ascend:cann8.5.0-910b-glm5。--tensor-parallel-size 16：总张量并行 16 卡，Node0 占用 rank0-7，Node1 占用 rank8-15。--data-parallel-rpc-port 10521：跨机 RPC 通信端口，防火墙放行。命令、实操流程、报错排错为主，无冗余理论。
2026-06-24 09:32:25
932
1
原创 华为HUAWEI昇腾910B下千问Qwen3.6-27B在的推理加速实践
例如，将模型文件及MindIE容器镜像存放在高速NVMe盘（如 /mnt/nvme1n1），服务运行目录存放在系统盘或数据盘（如 /mnt/nvme0n1）。这是昇腾平台最基础也最有效的优化。将高频访问的注意力权重固定在L1 Cache，将庞大的模型参数保留在HBM中，通过减少跨层级数据搬运来降低延迟。将Qwen3.6-27B部署于华为昇腾910B，绝非简单的“模型搬运”，而是一场从硬件特性到软件栈的深度适配。上，不仅符合国家信创合规与数据安全的要求，更能通过软硬件的深度协同优化，释放出惊人的推理性能。
2026-06-02 10:24:12
1353
1
原创 Hadoop（CDH6、CDP7）在Qwen3.7大模型训练中的作用，（含部署、运行操作步骤）
在训练大模型前，首先需要搭建一个高可用的 Hadoop 集群（包含 NameNode、DataNode 等），确保有充足的存储空间（HDFS）和计算能力（MapReduce/YARN）。清洗完毕的高质量语料会被保存为 Parquet 或 JSONL 格式，并存入 HDFS 的特定目录下（例如 /ai/train/qwen3_data/），等待被训练脚本读取。原始数据（如网页文本、日志）非常杂乱，需要通过 Hadoop 生态进行 ETL（抽取、转换、加载）处理，并转化为大模型能“读懂”的格式。
2026-05-27 16:09:55
537
原创 【华为昇腾910B】在AI大模型推理速度与GPU显卡选择中地位
在这个规模下，单卡推理4090的性能与A100几乎持平（模型能完整放在一张卡里，不涉及多卡通信），但价格只有A100的十分之一。397B总参数量的旗舰模型，实际激活只有17B参数，显存需求只有34GB。以RTX 4090的24GB显存为例：7B模型（FP16）稳跑，13B模型（FP16）基本能跑但长序列有压力，30B及以上不量化基本跑不了。Qwen3.6-27B是270亿参数的稠密多模态模型，支持多模态思考与非思考模式，在智能体编程方面达到旗舰级表现，全面超越前代Qwen3.5-397B-A17B。
2026-05-19 10:25:05
1558
原创 Cloudera报告显示，约 80% 的企业表示 AI大模型 发展受制于Hadoop大数据访问阻碍
Cloudera最新报告揭示企业AI应用面临"数据鸿沟"：96%企业已部署AI，但80%仍受数据访问限制困扰。主要障碍包括数据质量(22%)、成本超支(16%)和系统整合问题(15%)。报告指出84%企业自认数据可靠，但仅18%实现全面治理，暴露出严重的数据治理盲区。行业差异显著：电信业54%清楚数据位置，而金融业仅30%。随着AI进入实施阶段，解决数据基础问题将成为企业成败关键。
2026-05-15 10:43:19
381
原创 （华为昇腾Ascend、鲲鹏Kunpeng）今天紧缩投资环境下计算软件企业的困境和应对策略
AI技术正深刻重塑软件行业格局，传统SaaS模式面临根本性挑战。一方面，AI智能体动摇了按席位收费的商业模式，企业IT预算转向"结果导向"；另一方面，资本市场信心动摇导致融资环境收紧，技术壁垒被AI工具削弱。企业需积极转型：将AI升级为核心驱动力，向"智能体即服务"演进；重构商业模式为按用量或结果收费；强化数据、合规和生态壁垒。政策层面通过普惠算力和税收优惠为企业减负。这场变革将加速行业洗牌，拥抱AI转型、建立核心壁垒的企业有望脱颖而出。
2026-04-21 17:46:44
321
原创 虚拟化和超融合的区别！（三分钟搞明白）
虚拟化与超融合的区别可以概括为：虚拟化是一种资源抽象技术，通过将单台物理服务器拆分为多台虚拟机来提高资源利用率；而超融合则是将计算、存储、网络虚拟化和管理功能集成的一体化架构解决方案。虚拟化主要解决服务器资源浪费问题，需要外接存储设备；超融合则采用分布式存储，简化了传统三层架构，实现开箱即用。核心区别在于：虚拟化是独立技术组件，超融合是融合架构；虚拟化适合小规模场景，超融合更适合中大规模云化部署。简单来说，虚拟化是"零件"，超融合是"整车"。
2026-04-20 10:53:21
515
1
原创 Qwen3.6正式开源，华为昇腾910B实现高效适配
多模态能力方面，模型原生支持“思考/非思考”双模式切换，在MMBench、RealWorldQA等视觉语言基准测试中表现媲美Claude-Sonnet-4.5，尤其在空间智能领域，RefCOCO基准得分达92.0，ODInW13基准得分50.8，能够精准完成图像目标定位、文档信息提取等复杂任务。该模型采用混合专家（MoE）架构，以350亿总参数量、仅激活30亿参数的轻量化设计，在编程、多模态理解等核心能力上实现显著突破，同时华为昇腾910B已完成对该模型的深度适配，为国产算力生态注入新活力。
2026-04-17 15:34:38
2269
1
原创 vLLM v0.19.0 发布：ToB生产级 Agent 部署的底座成熟了
vLLM v0.19.0 的 448 个提交，不只是数字，而是生产级 Agent 基础设施的坚实步伐。Gemma 4 的工具使用能力，加上 vLLM 的稳定服务，可以构建可靠的「能动手」的 Agent。如果说 Ollama 是「本地跑模型的瑞士军刀」，那 vLLM 就是「生产环境部署模型的大杀器」。Gemma 4 的多模态支持 + vLLM 的高效推理 = 可以「看懂」图像的 Agent。vLLM v0.19.0 的发布，标志着生产级本地部署 Agent 的技术栈正在成熟。两者结合，吞吐量提升显著。
2026-04-10 16:28:39
683
原创 Qwen 闭源了，影响有多大⁉️
阿里Qwen3.6-Plus模型宣布闭源，改用API付费模式，引发行业关注。此前Qwen系列长期开源（累计3亿次下载），此次转变或与阿里财报压力（净利润暴跌66%）及MaaS业务增长（token消耗量增6倍）相关。技术负责人林俊旸离职、ATH事业群成立等组织变动同步发生。目前国产开源大模型仅剩DeepSeek保持全开源（235B参数）。开发者面临选择：免费开源社区版或付费高性能企业版。商业决策虽合理，但长期影响取决于开发者选择，开源生态或受冲击。（149字）
2026-04-10 10:30:54
518
原创 华为昇腾910B上用Kubernetes（K8s）部署LLM（Qwen3-32B）的详细步骤，保姆级命令及方法、下载链接等
华为昇腾910B上用Kubernetes（K8s）部署LLM（Qwen3-32B）的详细步骤，保姆级命令及方法、下载链接等。ascend.huawei.com/npu: 1 # 请求1张NPU卡。使 K8s 能识别并调度 NPU 资源（资源名：ascend.huawei.com/npu）：已有一套运行中的 Kubernetes 集群，并且目标节点已安装昇腾910B硬件。# 输出：ascend.huawei.com/npu: 8。# 安装 kernels（运行时算子）# 示例：下载驱动（ARM64）
2026-04-08 10:19:45
1156
原创 华为昇腾910B上用Kubernetes（K8s）部署LLM和用Docker部署LLM的区别
在昇腾910B（Ascend 910B）硬件平台上部署大语言模型（LLM），使用 Kubernetes（K8s）与仅使用 Docker 是两种不同层级的部署方式。它们在架构、资源管理、扩展性、运维复杂度等方面存在显著差异。注：昇腾910B 的 CANN 驱动和 MindSpore/vLLM-Ascend 镜像需与部署方式适配，K8s 需额外部署 Ascend Device Plugin。华为昇腾910B上用Kubernetes（K8s）部署LLM和用Docker部署LLM的区别。
2026-04-08 09:37:14
690
原创 AI看图能力可能是“演出来的”：它在没看图时，也能答对80%
研究发现，当前多模态AI模型的"视觉能力"可能是一种假象。多项实验显示，主流模型在未接收图像输入的情况下，仅凭问题文本就能答对70%-80%的视觉问答题，准确率甚至超过有图时的情况。这种"无图推理"现象源于模型过度依赖语言先验知识和数据偏差，而非真正理解图像内容。研究人员通过对抗性测试证实，多数模型实际上是在"读题"而非"看图"。这一发现揭示了当前AI视觉理解的局限性，特别是在医疗、自动驾驶等关键领域存在误判风险。要突破这一局限
2026-03-31 18:48:40
369
原创 华为昇腾910B（Ascend 910B）+ LLaMA-Factory 对 Qwen3.5-32B 模型进行 LoRA 微调 的全流程操作指南
"output": "根据《员工手册》第5章：工作满1年不满10年，年假5天；满10年不满20年，10天。print("✅ 数据集已生成并注册: LLaMA-Factory/data/my_company_qa.json")"output": "根据《员工手册》第5章：工作满1年不满10年，年假5天；per_device_train_batch_size: 1 # 32B 模型单卡 batch_size=1。print("✅ 模型已保存至: $MODEL_DIR/qwen/Qwen3.5-32B")
2026-03-31 17:15:26
2329
原创 GPU Stack与昇腾生态的深度融合路径：构建国产AI算力统一底座
摘要：GPUStack与华为昇腾生态的深度融合正加速推进，旨在构建国产AI算力统一底座。当前已实现CANN8.5基础兼容，未来将通过三大路径深化融合：技术层面实现原生深度协同（如开发昇腾专用适配层、优化MindIE2.3.0整合）；生态层面共建开发者生态（联合培养、ISV绑定）；商业层面创新服务模式（推出推理服务包、与华为云协同）。三年计划将分阶段完成深度集成、生态共建和标准引领，抓住信创替代和性能红利的关键窗口期，使GPUStack从工具供应商转型为昇腾生态核心使能者，实现硬件利用率提升35%、部署周期缩
2026-03-27 16:04:56
607
原创 GPUStack 在华为昇腾 800I A2 服务器上的保姆级部署指南
本文提供了华为昇腾Atlas 800IA2服务器上部署GPUStack的完整指南，涵盖驱动安装、Docker配置、Ascend运行时安装及GPUStack部署全流程。通过详细命令和参数说明，指导用户在openEuler/Ubuntu系统上实现单机或多节点集群部署，支持MindIE后端的大模型推理。文章包含硬件要求检查、NPU状态确认、环境准备、容器化部署步骤，以及Qwen2.5-7B模型部署示例和性能优化建议，帮助用户快速构建基于昇腾NPU的AI推理平台。
2026-03-25 16:07:51
1383
原创 SGLang、vLLM 和 MindIE 对比
大模型推理工具选型指南：vLLM、SGLang和MindIE各有专长。vLLM以PagedAttention技术实现高吞吐，适合批量推理场景；SGLang专注复杂交互应用，提供结构化输出和并行处理能力；MindIE则是华为昇腾硬件的专属加速套件。三者可互补使用，如MindIE可加速vLLM/SGLang在昇腾硬件上的性能。建议根据具体需求选择：高吞吐选vLLM，复杂应用选SGLang，昇腾硬件选MindIE。
2026-03-25 11:56:23
676
原创 AI算力纳管工具GPUStack Server+华为鲲鹏+麒麟操作系统 保姆级安装过程
本文详细介绍了在华为鲲鹏服务器+麒麟操作系统环境下安装GPUStack的完整流程。重点包括：1)系统基础环境初始化；2)Docker及Containerd安装；3)华为昇腾驱动与Docker Runtime的关键安装步骤；4)GPUStack的两种部署方式(Docker Compose推荐/Pip直接安装)。文章特别强调了昇腾驱动适配和Docker容器识别NPU的配置要点，并提供了常见问题的解决方案。该教程适用于银河麒麟V10SP2/SP3(ARM64)系统，可帮助用户在国产化环境中搭建基于昇腾算力的大模型
2026-03-23 13:56:31
1095
原创 GPUStack支持哪些具体AI大模型部署
GPUStack是一款开源GPU集群管理器，支持广泛AI大模型部署。核心功能包括智能调度GPU资源、自动配置部署参数，并集成多种主流推理后端（如vLLM、llama.cpp等）。支持模型类型涵盖：大语言模型（Llama、Qwen等系列）、多模态模型（Llava、Qwen-VL等）、嵌入与重排序模型（BGE系列）、文生图模型（Stable Diffusion）、语音模型（Whisper、FunASR）以及OCR模型。通过兼容GGUF/Safetensors/ONNX等格式，并自动适配最佳推理引擎，实现从Hug
2026-03-20 14:58:06
541
原创 华为昇腾910B 开源软件GPUStack的介绍（Cloudera CDH、CDP）
GPUStack是一款开源轻量级大模型推理管理平台，支持本地服务器、边缘设备和集群部署。其2025-2026版本亮点包括：极简部署（单命令安装）、统一API网关（兼容OpenAI格式）、异构硬件支持（NVIDIA/华为昇腾/AMD/CPU）、内置模型仓库和可视化监控。相比华为商业平台CCAE，GPUStack更轻量、免费且适合中小规模部署，特别适合开发者快速验证模型或搭建Demo。平台采用Manager-Worker架构，支持多设备自动组网，提供从模型下载到API调用的全流程解决方案。
2026-03-19 16:03:38
1387
原创 Apache Spark 和 Flink，处理实时大数据流对比（Cloudera CDH、CDP）
链接: https://pan.baidu.com/s/1PDj6dySUNHotNABp7d1a0w?pwd=57is 提取码: 57is。虽然两者都是顶级的大数据处理引擎，但它们的设计哲学和核心架构存在根本差异，导致在“实时性”要求极高的场景中，Flink 是事实上的行业标准。链接:https://pan.baidu.com/s/1wbRWJUSyElplFgse_NyOwg?虽然 Structured Streaming 支持事件时间，但在处理大规模乱序数据时，微批次机制会导致较高的反压和延迟。
2026-03-18 19:04:50
657
原创 OpenClaw（养龙虾） +关于Hadoop hive的Skills（CLoudera CDH、CDP）
摘要：OpenClaw生态未内置Hadoop/Hive专用技能，因其企业级特性难以通用化。建议通过组合基础技能实现操作：1）使用tmux/session-logs管理长时任务；2）通过shell/exec执行HDFS/YARN/Hive命令；3）利用github/file-manager管理脚本文件。可串联成工作流或开发CustomSkill封装常用操作，但需注意安全风险，避免使用第三方技能，采用最小权限原则。这种组合方案比专用插件更灵活，适用于各类Hadoop/Hive环境。
2026-03-16 18:53:59
3009
2
原创 OpenClaw（养龙虾）+ 钉钉对接：2026年保姆级全链路操作指南
用户 (钉钉APP) -> 钉钉机器人/回调服务 -> OpenClaw API 网关 -> OpenClaw 核心引擎 (本地运行) -> 执行工具 (浏览器/文件系统/代码解释器) -> 结果回传钉钉。logger.info(f"收到钉钉指令: {text} from {sender_id}")"session_id": f"dingtalk_{user_id}", # 保持会话上下文。这是正常的，接下来我们启动“龙虾”。-e LLM_API_KEY="您的_大模型_API_Key" \。
2026-03-11 16:20:57
2545
原创 OpenClaw（养龙虾）+10个精炼AI大模型 技能Skills
【摘要】2026年OpenClaw精选10大核心技能，打造"全能数字员工"：1）Tavily-Search实时联网搜索；2）File-System本地文件管理；3）Code-Interpreter代码执行沙箱；4）Browser-Use浏览器自动化；5）Excel-Wizard智能表格处理；6）Memory-Long长时记忆功能；7）Image-Gen-Pro图像生成编辑；8）Email-Auto邮件自动管理；9）Calendar-Sync智能日程协调；10）Skill-Finder技能
2026-03-11 12:52:55
1143
原创 OpenClaw + 企业微信对接：2026年保姆级全链路操作指南
《2026年OpenClaw+企业微信对接指南》摘要：本文提供2026年最新版OpenClaw与企业微信的对接全流程，包含环境准备、后台配置、插件安装等详细步骤。通过HTTPS回调实现消息互通，支持自然语言指令处理会议、文件等办公场景。教程涵盖阿里云一键部署、多租户配置、安全加固等进阶方案，并附常见问题解决方案。该集成可降低AI使用门槛，提升企业自动化办公效率，建议从小范围试点逐步推广至全公司。（149字）
2026-03-10 09:10:29
1800
原创 中年男人去哪都要开车？
《中年男人的移动避难所》揭示了车对中年男性的多重意义：不仅是代步工具，更是心理庇护所。在狭小驾驶舱里，他们获得难得的掌控感和独处时光，暂时卸下社会与家庭角色压力。引擎声唤醒青春记忆，车轮承载家庭责任。那片刻的停留不是拖延，而是心理复位，为继续担当生活重担积蓄力量。这方移动净土，维系着他们最后的尊严与深沉的爱。
2026-03-09 16:28:41
327
原创 “养龙虾”OpenClaw配置一个“每日新闻摘要”skill，推送到飞书或钉钉。+华为泰山2280（现货）
本文介绍了如何在华为泰山2280服务器上部署OpenClaw并配置"每日新闻摘要"技能，实现自动推送新闻到飞书或钉钉。主要内容包括：1）准备工作：获取飞书/钉钉机器人Webhook地址；2）OpenClaw配置：创建定时任务，设置新闻搜索和总结的LLM任务，配置Webhook推送；3）常见问题排查：关键词匹配、网络连接等问题的解决方法。通过该配置，可实现每天自动推送科技新闻摘要到办公群聊，提升工作效率。
2026-03-09 10:42:51
1652
原创 “养龙虾”OpenClaw+华为泰山2280（现货）+麒麟操作系统V10，保姆级部署操作指南
本文提供了在华为泰山2280服务器（ARM64架构）搭载麒麟操作系统V10上部署OpenClaw AI代理框架的详细指南。主要内容包括：1. 环境准备与系统检查；2. Node.js v22的ARM64专用安装方法；3. OpenClaw的两种部署方案（官方版和中文汉化版）；4. 初始化配置与运行步骤；5. 网络访问设置；6. 常见问题解决方案。该部署方案具有完全国产化、数据隐私安全等优势，适合政企用户构建自主可控的AI应用环境。指南包含具体命令、配置参数和故障排查方法，即使是Linux新手也能顺利完成部署
2026-03-07 09:39:13
1813
原创 “AI+消费”：第四届北京人工智能产业创新发展大会----深度融合与场景重塑--全景洞察
在“AI+消费”的赛道上，北京正以其独特的创新生态和务实的推进策略，引领着中国乃至全球的消费产业升级。政策层面，北京市将进一步优化数据要素流通机制，在保障隐私安全的前提下，推动消费数据的合规共享，打破“数据孤岛”，为大模型的训练提供充足的“燃料”。作为数字经济与实体经济深度融合的“试验田”与“加速器”，“AI+消费”在本次大会上不再是泛泛而谈的概念，而是通过具身智能机器人的实地演练、大模型在零售链路的深度渗透、以及政策与资本的双重加持，呈现出一幅从“概念验证”迈向“规模落地”的壮阔图景。
2026-03-03 15:02:34
841
原创 AI适配：智谱GLM-5 1 day适配华为昇腾800T（国产），744B模型单机高效推理，全量保姆配置过程
本文详细介绍了在华为昇腾Atlas800TA3服务器上部署智谱GLM-5（744B）大模型的全流程指南。内容涵盖硬件配置要求、NPU驱动与CANN工具链安装、W4A8量化模型下载、vLLM-Ascend推理镜像拉取、API服务启动及性能验证等关键步骤。该方案实现了单机部署744B参数大模型，支持200K超长上下文处理，吞吐量达45tokens/s，为国产大模型与国产算力的企业级应用提供了完整的自主可控解决方案。文中还包含故障排查清单和官方资源链接，适用于2026年2月最新环境。
2026-03-02 15:31:56
3028
原创 “AI+文旅”|第四届北京人工智能产业创新发展大会，重构乡村文旅新图景（落地方案与实效深度解析）
第四届北京人工智能产业创新发展大会聚焦"AI+文旅"应用创新，通过"漫游京郊"智慧平台、"博观文旅"大模型等标杆案例，展示了AI在乡村旅游领域的深度应用。这些方案突破了传统单点智能模式，构建了涵盖平台统筹、大模型驱动、数据底座的全链路解决方案，有效解决了资源分散、服务非标等行业痛点。实践表明，AI技术不仅提升了游客体验，促进了农民增收，更推动了乡村旅游产业数字化转型，为乡村振兴注入了新动能。
2026-03-02 10:31:41
1411
【大数据平台部署】基于鲲鹏Taishan服务器的Cloudera CDP 7.3专版安装指南：面向麒麟aarch64系统的全流程配置与高可用实现方案
2025-09-18
CDH6-7集群卸载Kerberos认证并恢复服务配置与测试
2025-03-27
TA创建的收藏夹 TA关注的收藏夹
TA关注的人