- 综合排序
- 最热优先
- 最新优先
- 来自专栏音视频咖
深耕技术底座，自研264编码器持续助力实时互联
导语 回顾刚刚过去的2023年，在实时音视频场景，腾讯多媒体实验室与腾讯云实时音视频TRTC团队持续合作，从产品链路、技术底座等角度，针对视频画质、压缩性能进行了进一步深度优化，不断打磨包含自研264实时编码器 02.数字背后的优化 30%，这是多媒体实验室自研264实时编码器O264rt在快速档位相比x264的画质提升。 同时，算法与工程团队对编码器内部的插值、量化、熵编码等核心模块进行深度挖掘以及优化，不断补充多平台的汇编优化，通过这些精细优化，编码速度这一与CPU占用直接相关的指标也进一步提升10%，大幅超越同类方案 在一对一通话的实际案例中，基于国产arm芯片的服务器接入自研264编码器后，在画质提升的同时，链路CPU占用从 35%，降低到了23%，优化比例超过34%。 作为实时音视频产品的技术底座，深耕方能积淀出核心竞争力，给用户带来更好的价值。 欢迎扫描下方二维码添加音视频小姐姐微信，与腾讯云产研团队直接沟通，了解更多详细信息。
76610编辑于 2024-01-31 腾讯云自研技术底座助力多行业构建融合创新数字基座
一、 多院区协同与信创改造的行业困境 传统大型机构，特别是医疗与金融行业，在数字化转型中面临核心痛点： 多院区/多网点管理割裂： 北京朝阳医院面临“一院多区”带来的数据孤岛问题，缺乏统一底座导致信息共享与协同困难 二、 构建全栈自研的融合创新技术架构 腾讯云作为集团自主创新“主力军”，提供以自研技术为核心的综合解决方案： 全栈云原生底座： 提供专有云平台（TCE）与云原生PaaS平台（TCS），支持全栈一云多芯， 大数据与智算平台： 提供TBDS+WeData数据湖仓一体方案，支持日实时计算5万亿次，性能比传统架构高3-5倍；自研芯片紫霄性能相比业界提升100%。
37810编辑于 2026-05-31- 来自专栏量子位
联想自研芯片？？？
它的样子长这样： 这手势，这形状，不禁会让人想起下面这些“名场面”： 这也太像了吧…… 难道联想也在自研芯片？？ 联想自研的是芯片吗？ 联想发布LA2的时候，对它的介绍也就是短短几分钟的时间。 但了解芯片的朋友都知道，自研一款芯片并不是一件易事。 首先是自研芯技术的本身，难度可以说是堪比航天飞机，毕竟要在指甲盖大小的地方要“塞进”上亿个半导体元件，每个还都纳米级的，这种密集度的研发难度可见一斑。 那么接下来的一个问题便是： 联想为什么要自研芯？ 其实在LA2发布芯片之前的一段时间，联想CEO杨元庆就曾发出过暗示的信号： 不排除自研芯片的可能，也不排除合作的可能。
65530发布于 2021-11-23 腾讯云自研技术底座赋能金融、政企与医疗核心业务升级实践
部署自研全栈云平台与分布式数据库构建数字底座 为应对行业复杂的系统重构需求，腾讯云依托长期的技术投入，为行业提供涵盖底层系统到上层应用的定制化技术支撑： 企业级分布式数据库TDSQL： 提供集中式与分布式产品 重构核心业务流转效率与系统并发承载力 基于腾讯云自研技术底座，各行业头部客户在核心业务流转时效、系统并发规模与国产化落地上实现了显著的量化提升： 金融级海量并发与提效： 中国农业银行： 将客户资产信息、 广州地铁： 打造覆盖全栈云服务能力（IaaS/PaaS/SaaS/5aaS）的轨道交通一体化智慧平台，产出丰厚知识产权成果（专利 13项、软著 33项、论文 10篇、标准 33份）。 —— 杜彦良，中国工程院院士 依托全栈自研生态与国家级权威认证奠定技术壁垒 腾讯云通过极其庞大的业务并发锤炼与严格的权威测评，为政企客户提供了高确定性的技术保障： 全维度的自研系统承载力： 大数据TBDS 安全体系守护超 10亿 级用户安全，日均拦截攻击达 1.5万亿次。 腾讯会议已支撑 4亿+ 用户并发。
33600编辑于 2026-05-31为什么我放弃了自研JT808网关，改用开源底座
做了三年车联网，我做过一个决定：放弃自研JT808网关。这个决定不容易。团队花了半年写的代码，说扔就扔。但后来证明，这个决定是对的。自研网关的三年我们的JT808网关，最开始是2019年写的。 迁移过程我们花了两周时间，把自研网关迁移到JTE。第一周，把终端接入层替换成JTE的module-adapter。原来每个厂商一个适配器，现在只需要配置。 自研还是用开源？如果你问我，自研还是用开源，我的答案是：看你的核心竞争力在哪。如果你的核心竞争力是协议解析，那自研没问题。但大多数车联网公司的核心竞争力，是客户关系、业务理解、交付质量、售后运维。
8110编辑于 2026-09-24腾讯云 WAND：AI 原生多媒体能力底座与自研媒体专用模型
一、 产品定位与核心亮点 Tencent Cloud WAND 是腾讯云面向 AI Agent 时代推出的 AI 原生多媒体能力底座。 其核心技术属性在于以 自研媒体专用模型 为引擎，覆盖生成、理解、处理、编码全链路 AI 产品能力。 功能框架 WAND 基于 腾讯级真实生产数据 训练，针对媒体场景深度优化，包含六大自研媒体专用模型及 AIGC 创作中心： WAND-Codec+：AI 解码与编码内核。 硬核指标 模型/模块 核心量化指标 WAND-Codec+ 50%+ 码率节省；90%+ 头部平台接入率；10+ 编码协议支持 WAND-Enhance 达到 SOTA 水平；支持 Real-time 画质评分；支持直播流处理 WAND-EraseVibe+ 50K+ 分钟/日生产量；80%+ 头部短剧客户覆盖；零伪影；高保真画面还原 WAND-Create 垂直场景生成质量达 90%；支持 10+
57710编辑于 2026-06-15- 来自专栏Java工程师成长之路
信用分计算（自研）
该方案后续每增加100分显示值，实际需要获取10倍原分数值 若有更好方案请赐教
83410发布于 2019-09-10 - 来自专栏鹅厂网事
峰会回顾 | 光模块：从自采到自研
下面让我们共同回顾本次峰会中由硬件研发专家——孙敏博士呈现的《光模块：从自采到自研》的精彩内容。 光模块及应用 光模块首次站在技术大会的舞台，回顾了光模块产品从商用到自采，再到自研的发展历程。 从自采到定制 自采光模块的另一个优势是能够满足我们自己网络的多样化发展带来的多样化定制需求，比如业务部门提到10km分光监控场景的需求，需要10km的模块进行互连，因为现成收发一体模块价格高昂，在需求推动下 从定制到自研 随着100G服务器的批量上线，200G网络进入量产应用，自研光模块产品的诞生也契合了整个网络从100G升级迭代到200G。 自研光模块的第一个目标就是要打破这个生态，即我们与芯片厂商直接讨论规格需求和成本（用量）需求，从而去实现真正的端到端的成本的竞争力。 进入自研阶段，我们要考虑的最重要的问题就是方案的设计和选择如何实现最大价值。
2K40编辑于 2022-01-04 - 来自专栏刘旷专栏
苹果自研芯片：步步惊心
这早已不是苹果首次在自己的产品中采用自研的芯片。实际上从手机处理器，到电源管理芯片、调制解调器芯片，苹果均有涉及。在芯片自研这条路上，苹果有着非比寻常的执念。 从苹果自研芯片的本意来看，苹果只是迫切希望借此加固自家护城河，同时摆脱来自高通、英特尔的影响，做到独立自主的掌控自己发展节奏的目的。但从苹果的自研历史来看，苹果自研芯片仍是不可逆转的趋势。 那么，苹果为什么还要搞自研芯片，尤其是现在自研基带芯片这种高难度的芯片呢? 其实，一言以蔽之，苹果的芯片供应商不是很给力，而苹果对保持领先有着异乎寻常的执念，这正是其下定决心做自研的关键。 总之，苹果自研之后，环境适配仍然需要较长的时间，也存在一些不确定因素在里面。 自研之路不会终止 苹果自研芯片困难不少，但可以明确的是，苹果的自研之路不会就此停止。 按照苹果更换处理器的规律来看，近乎每10年更换一次处理器芯片。
71020发布于 2020-06-12 - 来自专栏腾讯云数据库团队的专栏
Elasticsearch 自研权限系统介绍
admin： root用户权限，可对所有index进行管理，要求index必须为* kibana填写说明： monitor：kibana访问时的只读权限； admin：kibana访问时的读写权限 10
1.8K21发布于 2018-10-28 OpenAI携手博通部署10GW自研AI芯片，博通股价暴涨10%！
但是由于OpenAI选择的是自研AI芯片，并由博通提供后端设计服务，最终的制造是交由台积电，因此实际所需要花费的资金应该会比直接采购英伟达和AMD的AI芯片更具成本优势。 这也是OpenAI选择自研AI芯片的一个关键因素。 根据CNBC 的报导，OpenAI 与博通的合作并非立即成功，双方实际上已经秘密合作了18 个月之久。 另外，根据之前的爆料显示，OpenAI自研的AI芯片将是专门针对推理（inference） 阶段进行优化，并通过博通的以太网络堆叠（Ethernet stack） 进行网路连接。 双方计画从2026 年底开始，逐步开发和部署这些含有OpenAI自研AI芯片的机架（racks）。 事实上，OpenAI这次与博通的10GW自研AI芯片合作协议， 是OpenAI 为其未来发展所做出的巨大算力承诺的其中一部分。Sam Altman 也已经暗示，这10GW 仅仅是个开始。
37510编辑于 2026-03-19- 来自专栏用户4624600的专栏
项目管理系统自研之路
项目管理系统主要目的最开始是为了解决提高PMO手动出人效的效率，核心是计算产研人员效能。 2、自研项目管理系统，通过同步teambition把数据存储到研项目管理系统，把计算人效逻辑封装到后端服务中。 自研系统好处: 1)、锻炼后端开发技术 2)、PMO、产品、研发共建系统,拉起目标 3)、向上管理工具 自研系统缺点: 1)、产品缺乏架构设计 2)、项目质量一般 3)、服务架构单一 业务架构 如下图是当时 总结 研发效能开发会是未来趋势，大厂都开始自研内部效能系统了并且开始商业化了，为啥大家不计成本开始做研发效能呢，我觉得可能有几点思考: 1、随着自动化测试体系搭建，需要有一套流水线串联自动化测试。
1.2K30编辑于 2022-12-05 - 来自专栏代码人生
springcloud trace SDK 自研方案
SDK 形式，利用 threadlocal 实现 trace。http, grpc, rabbitMQ, springcloud-gateway, 异步线程池这类常见场景。
90010编辑于 2021-12-08 传DeepSeek自研AI推理芯片
继人工智能技术大厂OpenAI推出自研AI芯片，Anthropic也被传出自研AI芯片之后，中国AI技术大厂DeepSeek也被传将自研AI芯片。
21910编辑于 2026-07-08- 来自专栏创作特训营
我把自研多 Agent 系统的存储底座换成了 Agent Bucket：S3 兼容接入实战
听说 Agent Bucket 兼容标准 S3 接口、还能给每个 Agent 一个原生隔离的 Space，我干脆把它当成了一次"存储底座重构"的实战。 接入后的调用链路，我用一张时序图还原（这正是官方说的"终端用户持自身 AccessToken 直连后端"）：四、配额与限速：给每个 Agent 上"紧箍咒"换底座最爽的一点是终于能给每个 分钟平均 3 分钟（Space 维度统计）明显下降重复素材存储全量重复SHA-256 去重后预估省 20%+成本下降代码改动量—仅客户端封装 + 凭证签发极小七、写在最后把多 Agent 系统的存储底座换成 对一个要做规模化 Agent 应用的团队，这套数据底座值得认真评估。本文属于 Agent Bucket 体验官活动的"实践内容共创"方向，覆盖多 Agent 存储场景 + 文件管理两个测评方向。
26720编辑于 2026-08-30 - 来自专栏软硬件融合
亚马逊AWS自研芯片深度分析
只好另辟蹊径，尝试从整体和发展的角度，和一些“可能存在”的“向左（定制）还是向右（通用）”的权衡，来分析一下AWS为什么过去和现在要做芯片和硬件自研这些事情，以及未来要往何处去。 4.4 AI-DSA训练芯片Trainium 图10 AWS Trainium AI训练芯片 如图10所示，在AWS re:Invent 2020开发者大会上，AWS发布了其设计的主要用于机器学习训练的第二款定制的 表1 AWS芯片自研综合分析 位置 类型 子类型 代号 分析&推测 服务器侧 CPU CPU Graviton 重要性：★★★★★CPU是数据中心算力的最核心器件，ARM服务器CPU反响不错，AWS应该会持续重金投入 预计未来AWS会自研GPGPU芯片，并加入EC2家族对外提供服务。 类似ZNS技术，AWS通过自研Nitro SSD跟Nitro DPU芯片更好地协同，给客户提供更稳定更安全的存储服务。
1.6K20编辑于 2022-12-16 - 来自专栏JAVA后端开发
自研网关：限流功能的开发
自研网关系统已开源，求star 项目地址: 网关地址:https://gitee.com/starmark947618/starmark-gateway 网关系统，如果没有限流功能，感觉就没有了灵魂
70310发布于 2020-10-26 - 来自专栏运维咖啡吧
我们自研的那些Devops工具
随着云技术以及容器技术的崛起，人肉运维的时代结束了 2018年为了解决日常运维中的痛点以及更高效的推进运维工作，我们自研并完善了几个工具系统，这些系统无一例外的帮我们节约了时间，提高了效率，这篇文章将分享介绍一下这些工具系统
1.1K20发布于 2019-03-14 - 来自专栏黑伞安全
自研CobaltStrike后渗透插件Erebus
Erebus-CobaltStrike后渗透测试插件帮你拿到妹子shell还能搞定丈母娘全家
4.1K31发布于 2019-10-16 - 来自专栏漫流砂
自研安全工具之URL采集
') f.close() myqueue = queue.Queue() num = get_total_num(name) finalnum = num - num%10 print(finalnum) for i in range(0, finalnum, 10): myqueue.put('http://www.baidu.com/s wd=%s&pn=%s' % (keyword, str(i))) threads = [] thread_count = 10 for i in range(thread_count 获取到这个值，再除以10就是总的页数了 main函数剩下的基本就是为每个创建的baiduSpider对象开启一个新的线程，从而完成多线程 那么我们再来看看baiduSpider这个类是如何写的吧 ?
1.3K30发布于 2020-08-20
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号