- 综合排序
- 最热优先
- 最新优先
揭秘瑞芯微算力协处理器，RK3576RK3588强大算力搭档
瑞芯微算力协处理器-Gongga1（简称“贡嘎”），是瑞芯微针对旗舰芯片平台RK3576/RK3588等SoC平台配套的算力处理器。 下面，就由触觉智能从多个角度，为您解析瑞芯微算力协处理器性能特性。Gongga1协处理器特性先进封装技术，打破端侧部署大模型的带宽限制。可部署高达3B/7B参数量的端侧模型（最高16K上下文）。 Gongga1协处理器规格触觉智能作为瑞芯微长期合作伙伴，得到算力协处理器规格信息如下：高带宽嵌入式片内DRAM(2.5GB版/5GB版)RISC-V CPU，支持128-bit矢量运算功能。 Gongga1协处理器应用场景根据Gongga1协处理器规格规格，可应用于语音、翻译、交互、视觉等应用场景：典型应用硬件框图：触觉智能 -瑞芯微RK方案商，核心板、开发板、行业主板、整机等一系列嵌入式产品 触觉智能核心板+瑞芯微Gongga1触觉智能基于RK3576、RK3588，提供可扩展1到多个Gongga1芯片，可提供从6T到50T的灵活算力配置方案。
1.1K20编辑于 2025-07-17- 来自专栏后台技术底层理解
python 解决多核处理器算力浪费的现象
从而导致大量的核算力的浪费。但是 concurrent.futures模块，可以利用multiprocessing实现真正的平行计算。
3.5K20发布于 2020-08-04 - 来自专栏IfDataBig
Hbase 协处理器
同时协处理器也允许用户扩展实现 HBase 目前所不具备的功能，如权限校验、二级索引、完整性约束等。 二、协处理器类型 2.1 Observer协处理器 1. 功能 Observer 协处理器类似于关系型数据库中的触发器，当发生某些事件的时候这类协处理器会被 Server 端调用。 2.2 Endpoint协处理器 Endpoint 协处理器类似于关系型数据库中的存储过程。客户端可以调用 Endpoint 协处理器在服务端对数据进行处理，然后再返回。 五、动态加载与卸载 使用动态加载协处理器，不需要重新启动 HBase。但动态加载的协处理器是基于每个表加载的，只能用于所指定的表。此外，在使用动态加载必须使表脱机（disable）以加载协处理器。 类名：协处理器的完整类名。 优先级：协处理器的优先级，遵循数字的自然序，即值越小优先级越高。可以为空，在这种情况下，将分配默认优先级值。 可选参数 ：传递的协处理器的可选参数。
1.3K30编辑于 2022-07-27 - 来自专栏我是攻城师
Hbase协处理器介绍
（一）Hbase协处理器的前世今生 Hbase是仿照Google的BigTable设计的，而其协处理器也是仿照BigTable的协处理实现完成的，具体链接可 参考：http://research.google.com Hbase的协处理器在Hbase中属于高级的应用功能，它可以让开发者自定义的代码在服务器端执行，来完成特定的一些功能。 （三）为什么要用协处理器？ 这样额外的功能，使用hbase的协处理来处理是非常方便的 （四）Hbase中协处理器的分类 在Hbase里面有两类Coprocessors ： 1，基于Observer的Coprocessors ，是系统级的协处理器 动态方式（表级别），使用Hbase shell： 1，编写协处理器，打成一个jar包，上传至HDFS，将依赖的jar拷贝到hbase的lib下，配置hbase-env.sh指定依赖 $1' 最后说一下，hbase的官方文档指出动态级别的协处理器，可以做到不重启hbase，更新协处理，做法就是 禁用表，卸载协处理器，重新指定协处理器， 激活表，即可，但实际测试发现 动态加载无效
1.7K90发布于 2018-05-14 - 来自专栏Spark学习技巧
细述hbase协处理器
2.灵感来源( Source of Inspration) HBase协处理器的灵感来自于Jeff Dean 09年的演讲( P66-67)。 3.细节剖析（Implementation) 协处理器分两种类型，系统协处理器可以全局导入region server上的所有数据表，表协处理器即是用户可以指定一张表使用协处理器。 协处理器框架处理所有的callback调用细节，协处理器自身只需要插入添加或者改变的功能。 这些接口可以同时使用在同一个地方，按照不同优先级顺序执行.用户可以任意基于协处理器实现复杂的HBase功能层。 4.编程实践(Code Example) 在该实例中，我们通过计算HBase表中行数的一个实例，来真实感受协处理器 的方便和强大。
76010发布于 2018-12-05 - 来自专栏产品经理的人工智能学习库
算力 – computation
文章目录 人工智能里的算力是什么？ 在普通电脑中，CPU就提供了算力帮助电脑快速运行。玩游戏的时候需要显卡提供算力，帮助电脑快速处理图形。 而在 人工智能中，需要有类似CPU和GPU的硬件来提供算力，帮助算法快速运算出结果。 之前在算法里讲过，在制造木桌的过程中，工厂的流水线就是算法。 在那个例子中，工厂中的机器就像算力，机器越好越先进，制造的过程就越快。 ? 算力越大，速度越快 维基百科版本 Techpedia版本 算力是使用计算机技术完成给定目标导向任务的过程。 算力可以包括软件和硬件系统的设计和开发，用于广泛的目的 – 通常构建，处理和管理任何类型的信息 – 以帮助追求科学研究，制作智能系统，以及创建和使用不同的媒体娱乐和交流。 查看详情 维基百科版本 算力是使用计算机的任何活动。它包括开发硬件 和软件，以及使用计算机来管理和处理信息，进行交流和娱乐。算力是现代工业技术的一个至关重要的组成部分。
2.6K30发布于 2019-12-18 - 来自专栏大语言模型，算力共享
算力共享：环形结构的算力分配策略
目录算力共享：环形结构的算力分配策略方法签名方法实现注意事项nodes.sort(key=lambda x: (x[1].memory, x[0]), reverse=True)end = round (start + (node[1].memory / total_memory), 5)算力共享：环形结构的算力分配策略这段代码定义了一个名为RingMemoryWeightedPartitioningStrategy
94620编辑于 2024-07-26 - 来自专栏科技云报道
算力之后，“存力”上位
当算力芯片的摩尔定律逐渐逼近物理极限，存力开始从幕后走向台前，成为AI领域下一个关键赛点。 长期以来，伴随企业数字化转型所建设的“烟囱式”AI基础设施各自为战，数据奔流，价值却困于“堰塞湖”。 存力中心作为新型的数据基础设施，正成为AI时代数据流通和融合应用的破题关键。 AI时代的 “数据决定论” AI技术的发展离不开三大要素：数据、算法和算力。 在训练方面，高性能并行文件系统可以提升大模型训练效率，超大带宽和容量支持超万卡集群无瓶颈扩展，EB级扩展能力适应海量数据，加速卡直通技术使数据从存储到算力“一跳直达”。 构建AI时代新型 “数据粮仓” 与算力聚焦在“算”不同，数据存力聚焦在“数”和“存”，是数据生产要素处理的综合能力体现，肩负着为数字经济各种场景提供源源不断的“生产资料”的使命。 将目光投向更长远，新型AI存储很可能是撬动人工智能时代杠杆的另一个支点，“以存强算”“以数助算”亦是弯道超车的重要落点。当AI产业具备扎实的存力底座，才能登高远眺，看见AI时代最美的风景。
41500编辑于 2025-06-19 - 来自专栏科技云报道
要算力更要“算利”，“精装算力”触发大模型产业新变局？
面对如此巨大的算力需求，企业如何在平衡算力与能耗开支的前提下，高效地利用和管理算力资源，是实现降本增效的重要命题。这其中，对算力基础设施和软件平台的精细化运营管理成为破题的关键。 大模型对算力的需求是显而易见的，但更关键的点可能在于能否把算力更高效地挖掘出来。在不同的阶段，企业对于算力需求也不尽相同。 《中国算力发展观察报告》显示，有些算力中心整体算力利用率不足30%，大量的算力资源在沉睡中等待被唤醒，算力供需矛盾凸显。 这种演进使智能算力变得不可或缺，且不再局限于简单的算力叠加或升级，而是在多元重构驱动下实现算力的极致拓展与跃迁。 所谓“精装算力”，就是依托宁畅定制化与全栈全液能力，以算力栈为交付形态，从用户需求与体验出发，提供全体系软硬协同的精细化算力服务。
81600编辑于 2025-03-04 - 来自专栏ADAS性能优化
生存VS算力
英國「金融時報」報導，鑒於美國近期祭出制裁來壓制中國電腦運算能力，中國科技企業阿里巴巴和壁仞科技為了避免受制裁，正將各自最先進晶片的設計微調，以降低運算處理速度。 華府10月宣布的制裁措施，禁止任何運算能力超過一定門檻的半導體產品出貨至中國除非得到许可。這打亂了上述中國科技企業的發展計畫。 但中國工程師表示，要判斷哪些晶片產品不受制裁並不簡單，因為華府對於如何計算這個速率沒有清楚規範。 根據研究集團伯恩斯坦（Bernstein）計算，從壁仞官方網站存檔紀錄來看，在美國宣布制裁之前，壁仞首款處理器BR100的規格算出傳輸率是640 GB/s，超過限制門檻；但根據壁仞官網目前發布的BR100
1.2K20编辑于 2022-12-20 - 来自专栏运维开发王义杰
函数算力计算
CPU（中央处理器）的性能常常用它的时钟频率来衡量，单位是赫兹（Hz）。现代的CPU频率通常以千兆赫兹（GHz）来表示。 对于一个函数消耗的算力，我们通常用它的运行时间来衡量，例如在基准测试中。你可以测量一个函数运行一次（或者多次）所需要的时间，然后用这个时间来比较不同函数或者同一个函数的不同实现。 然而，这种方法并不能直接测量一个函数消耗的CPU算力。为了获得这种信息，你可能需要使用一种叫做CPU profiling的技术，它可以测量程序在CPU上花费的时间。Go的pprof包提供了这种功能。
74110编辑于 2023-08-16 AI处理器全景指南：从CPU到RPU，一文读懂算力核心
当你用手机刷脸解锁时，当ChatGPT秒回复杂问题时，当自动驾驶汽车识别路况时，背后都有一群“算力工人”在默默发力——它们就是AI处理器。 这些处理器不是竞争关系，而是构建起从终端到云端的完整算力网络，共同支撑起AI时代的运转。 单精度算力通常在几十到几百GFLOPS，能效均衡但并行能力较弱。 AI算力通常在数TOPS级别，支持轻度并行计算，功耗控制在15-65W。 PART 05 结语：算力自由的核心是“认知自由” AI处理器的迭代史，本质上是人类对“算力需求”的认知不断深化的历史——从追求通用到聚焦专用，从比拼参数到关注能效。
1.6K10编辑于 2025-12-17- 来自专栏韩曙亮的移动开发专栏
【Kotlin 协程】协程异常处理 ④ ( Android 协程中出现异常导致应用崩溃 | Android 协程中使用协程异常处理器捕获异常 | Android 全局异常处理器 )
文章目录 一、Android 协程中出现异常导致应用崩溃 二、Android 协程中使用协程异常处理器捕获异常 三、Android 全局异常处理器 一、Android 协程中出现异常导致应用崩溃 -- ------- PROCESS ENDED (26587) for package kim.hsl.coroutine ---------------------------- 二、Android 协程中使用协程异常处理器捕获异常 ---- 在 Android 程序中 , 可以使用 协程异常处理器 CoroutineExceptionHandler 捕获异常 , 将其实例对象传递给 launch 协程构建器 作为参数即可 ; 该参数作为 协程上下文 的 协程异常处理器 CoroutineExceptionHandler 元素 ; 代码示例 : package kim.hsl.coroutine import android.os.Bundle ---- Android 中的 全局异常处理器 , 可以 获取 所有的 协程 中产生的 没有被捕获的异常 ; 无法阻止崩溃 : 全局异常处理器 不能捕获这些异常 进行处理 , 应用程序 还是要崩溃 ;
2.3K10编辑于 2023-03-30 - 来自专栏软硬件融合
算力芯片，如何突围？
通过异构融合的计算架构创新，实现更多处理器核心的协同和融合。可以在工艺落后1-2代的情况下，实现单个芯片的算力更优。 方法二，算力网络。 通过算力网络、东数西算，实现跨集群的算力调度和算力协同，可以实现算力资源的高效利用。 方法三，智能网联。通过终端的智能网联，实现云端协同。 这可能是计算机体系结构领域一个重要的里程碑事件 第三代通用计算，大算力芯片”弯道超车“的历史时机 AGI通用智能发展的思考：是否存在足够通用的处理器？ 从ChatGPT等大模型的兴起，看未来计算芯片的发展趋势 从算力网络发展，看未来十年的宏观算力体系 超异构处理器HPU和系统级芯片SOC的区别在哪里？ 超异构计算，Intel的一盘大棋 超异构计算：大算力芯片的未来 DPU发展面临的困境和机遇 是否存在足够“通用”的处理器，在性能快速提升的同时，还能够“包治百病”？
69920编辑于 2023-11-16 - 来自专栏大语言模型，算力共享
算力服务标识封装
为了解决这一问题，算力服务标识封装技术应运而生，旨在实现算力服务与IP层的解耦，提升算力服务的灵活性和可扩展性。 这个overlay层用于封装算力服务标识，使得算力服务可以在不改变现有IP网络架构的情况下独立部署和管理。 算力服务标识：在overlay层中封装的算力服务标识是区分不同算力服务的唯一标识。 IP层解耦：通过算力服务标识封装，算力服务的路由和管理不再依赖于IP层。这意味着网络中间转发节点在转发数据时，无需识别算力服务标识，仅做普通路由转发即可。 可扩展性：随着算力服务的发展，可以通过增加新的算力服务标识来扩展网络功能，而无需改变现有网络架构。兼容性：算力服务标识封装技术可以与现有网络架构兼容，实现平滑过渡。 数据中心网络：在数据中心网络中，算力服务标识封装技术可以提升数据中心的资源利用率和服务质量。算力服务标识封装技术是一种实现算力服务与IP层解耦的有效手段。
46920编辑于 2024-07-28 - 来自专栏鲜枣课堂
世界算力简史（下）
世界算力简史（上） 世界算力简史（中） 今天终于要完结了…… █ 1980-1990：PC时代 IBM-PC和“兼容机” 上一篇，我们说到，70年代微处理器崛起，使得个人电脑开始大量出现。 埃里克·施密特 云计算的本质，是把零散的物理算力资源变成灵活的虚拟算力资源，配合分布式架构，提供理论上无限的算力服务。 算力趋势 2010年至今，算力发展出现两个显著趋势。 一，泛在化。 各个行业对算力有着不同的需求。于是，算力逐渐开始细分，分为通用算力、超算算力、智能算力。 不同的算力需求，也使得算力芯片产生了不同的形态。 除了传统的CPU和GPU之外，NPU、DPU等算力单元开始出现，并成为大众关注的焦点。 在高性能计算上，算力集群成为超算和智算的新宠。 我们对算力的需求，还在疯狂增长。 在摩尔定律逐渐走向瓶颈的前提下，我们该如何实现算力的倍增？以量子计算为代表的新型算力，是否会全面崛起？ 就让时间来告诉我们答案吧！ —— 全文完 ——
65320编辑于 2023-08-21 - 来自专栏软硬件融合
算力网络系列文章（二）：从云计算到算力网络
编者按 算力网络，对行业来说，是“整合”还是“分工”？ 一直以来，我都认为算力网络是行业整合的过程，通过算力网络运营商把全国的算力资源统筹到一起，形成高效的统一算力供应。 而在算力网络时代，最主要做的是构建后台算力中心（从数据中心升级到算力中心）和前台算力服务运营解耦分工的新业务模式。 算力中心，专注于算力中心建设，专注于算力的最优性能和最低成本（包括建设成本和运营成本）；同时，还要有非常广阔的算力销售渠道，确保算力的广泛销售，最大限度减少闲置算力资源。 此外，还有专用于AI等场合的专用加速处理器器，也开始得到重视。计算平台越来越多的呈现出多样性的特征。 3.3 算力生产和算力运营的解耦 在云计算时代，算力供应和运营是一体的，客户是算力需求方。像电商的平台、卖家、买家三方关系一样，算力网络时代，需要实现算力供应和算力运营的解耦： 算力供应商。
2.1K12编辑于 2024-03-27 - 来自专栏鲜枣课堂
世界算力简史（中）
接上集：世界算力简史（上） 在上一篇里，小枣君提到了ENIAC的诞生。 其实，在1945年-1948年，也就是我们中国还处于内战时期时，除了ENIAC诞生外，科技领域还发生了好几件大事。 后来，因为竞争激烈，他们转向处理器方向。 1971年，英特尔开发出了世界上第一个商用处理器——Intel 4004。 这款处理器片内集成了2250个晶体管，能够处理4bit的数据，每秒运算6万次，工作频率为108KHz。 Intel 4004 Intel 4004的出现，标志着微处理器时代的开始。 它改变了计算机产业的商业模式，标志着算力不再仅为少数大型企业服务（大型机），而是开始昂首走向了普通家庭和中小企业。 技术蓄力 除了处理器之外，计算机存储设备和网络技术也有显著进步。 未完待续…… 敬请期待——《世界算力简史（下）》 参考文献： 1、《计算机的发展历史汇总》，网络； 2、《算力发展简史》， 庐山真容； 3、《世界上第一台个人电脑是哪台？》
72420编辑于 2023-08-21 - 来自专栏SDNLAB
“东数西算”培育壮大算力经济
“东数西算”工程旨在通过国家枢纽节点的规划和建设，引导东部数据中心建设集约化发展，西部数据中心建设跨越式发展，实现东西部算力需求与供给统筹调度，各级数据中心集群由中心城市向城市周边转移，推动算力、网络、 “东数西算”将为我国建设一张算力大网，又可成为算力网络。 我国对算力网络早有布局。 并且，根据《中国算力发展指数白皮书》发布的数据显示，中国算力资源中每投入1元带来的经济收益是3-4元。 ，包括《中国联通算力网络白皮书2019》、《算力感知网络技术白皮书2019》、《中国通信学会算力网络前言报告2020》、《多样性算力技术愿景白皮书2021》、《中国算力发展指数白皮书2021》、《中国移动算力网络白皮书 ，整个市场的技术创新和卡脖子技术的沉淀相对薄弱；然后，虽然我国在算力网络标准规范方面已有初步布局，形成了网络5.0产业联盟算力网络特设工作组；CCSA TC621 算网推进组；ITU 算力网络标准等，但是在具体方向上仍有许多空白
1.7K30编辑于 2022-04-29 - 来自专栏Python项目实战
云端算力调度算法研究：算力不是不够，是你不会“分”
云端算力调度算法研究：算力不是不够，是你不会“分”大家好，我是Echo_Wish。今天想跟你聊一个看起来很高大上、但本质特别接地气的话题——云端算力调度算法。 很多人一提算力调度，第一反应是：“那不是云厂商、Kubernetes、调度器干的事吗？跟我有啥关系？”但我可以很负责任地说一句：你系统慢、成本高、资源利用率低，90%跟算力调度有关。 一、先说一句大实话：云端算力，本质是“抢座位”我们把云端算力抽象一下，其实特别像：你有一堆座位（CPU、内存、GPU、IO）一堆人要坐（任务、Pod、作业）每个人要求不一样：有人要靠窗（低延迟）有人要连坐 二、云端算力调度，调的到底是什么？别被“算力”这两个字骗了，它不只是CPU。 2️⃣冷启动与预热容器拉镜像GPU初始化JVM启动很多时候：不是没算力，是算力“没热身”。3️⃣异构算力调度现在的云，不只有CPU：GPUNPUFPGA调度策略必须知道：“这活，谁干最合适。”
23510编辑于 2025-12-30
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