推理进化
与“推理进化”的相关热搜词：
相关“推理进化” 的资讯10篇
-
【腾讯云】11.11云上盛惠！云服务器首年1.8折起，买1年送3个月！
11.11云上盛惠！海量产品 · 轻松上云！云服务器首年1.8折起，买1年送3个月！超值优惠，性能稳定，让您的云端之旅更加畅享。快来腾讯云选购吧！
腾讯云
12-20
广告 -
从253克到201克：全球最轻Fold折叠屏手机背后的工程进化论
三星折叠屏持续减重：自2019年276克Galaxy Fold起，经Fold5 253克、Fold6 239克、Fold7 215克，到Fold8达201克，成全球最轻。靠钛合金缓冲层、超薄金属板、铰链重构及约270个核心部件毫厘级打磨实现轻量化，同时Fold8 Ultra以大电池、更强散热和2亿像素影像等不牺牲旗舰体验。
-
华为Mate XT 2三折叠新品发布，小艺再进化，重构大屏智能生产力
2026年9月7日，华为三折叠Mate XT2发布，首发搭载HarmonyOS7。小艺升级为可养成的系统智能体，基于Agentic架构、30B端侧大模型与多智能体协同，重构人机交互。结合大屏实现离线图库整理、对话式文档编辑、远程调取休眠鸿蒙PC文件、自然聊、同传翻译摘要等，并以鸿蒙星盾保障隐私，复杂任务化繁为简。
-
Solidigm联合绿算技术共同发布《面向 SOHO AI 推理的存储扩展方案》技术白皮书
本文针对 DGX Spark 本地存储限制，提出基于绿算存储节点与 Solidigm NVMe SSD 的 KV Cache Offload 方案，通过 RDMA 接入远程 JBOF 扩展容量。实测远程存储读写带宽超 10GB/s，在 vLLM/LMCache 下 TTFT 和吞吐量与本地 SSD 相当，部分场景更优，可独立扩展容量并支持跨节点缓存共享，适用于 SOHO/边缘 AI。
-
宇树科技上市后的下一程：让机器人自我进化
宇树科技作为A股人形机器人第一股上市，2023—2025年营收由1.59亿增至16.99亿，2025年扣非净利5.91亿。其2025年人形机器人出货超5500台居全球第一，产销率超95%，并加码研发推进“物理AI自进化”，在文旅、工业等多场景落地。中国机器人产业全球领先，但仍面临成本、技术成熟度等挑战。
-
国内AI基础设施头部公司有哪些？看联想集团等企业如何支撑AI训练与推理
联想基础设施方案业务季度收入85亿美元，同比增长98%，AI订单管线540亿美元，进入ISG“集成AI基础设施系统”领导者象限；问天超节点最高搭载40张GPU，发布29个AI转型案例覆盖7行业。阿里云灵骏M890、中兴OEX分别提供云上超节点与开放算网；华西医院采用联想算力、存储与容灾支撑医疗AI。
-
单人手搓爆款、顶流艺人养成：暑期档AI漫剧的“超进化”
整个短剧暑期档，约等于AI漫剧的夏天。 真人短剧已经很久没有现象级爆款了。打开红果总榜，AI短剧在TOP100榜单中的比重，从5月的五成左右，上升至8月的七八成左右，相应地，真人短剧的盘子持续减小。去年尚且有多部30亿播放量级真人短剧爆款，今年“30亿”已经消失，即使有张翅、郭宇欣等顶流镇场，破10亿的速度也比过去更慢了。 AI的风来了，但不是人人都可以起飞�
-
百吋巨幕的客厅进化：尺寸做到天花板，画质和色彩才是最 大底牌
中国客厅电视从14吋到百吋，尺寸到顶后比拼色彩画质。横评：海信小墨E5S+ Pro用RGB-Mini LED和AI芯片，色彩持久、画质扎实；创维A7H+ Pro超薄贴墙、音质受限；追觅V3000抗反光、低延迟，但调校一般；康佳100K10便宜但画质入门。选购：画质优先海信，贴墙选创维，强光选追觅，预算有限选康佳。
-
昆仑之数亮相2026具身智能大会：用“数据石油”炼就人形机器人“进化燃料”
2026年8月12-14日，第四届中国具身智能机器人产业大会在沪召开，聚焦商业化。昆侖之数创始人黄万忠提出：人形机器人下半场胜负不在关节，在灵魂，灵魂由数据铸就；发布“昆侖金字塔”五阶段路径及Coludata RVR数据训练平台，提升数据效率与泛化。展区机器人泡茶、机器狗引关注。公司坚持“Robot for Process”，以数据飞轮推动从卖硬件到运营智能资产。
-
店小秘集团旗下「多客自进化AI客服系统」重磅上线，跨境电商客户服务正式迈入自进化时代
店小秘旗下多客推出“自进化AI客服系统”，基于多Agent架构，打破传统客服“只说不做”的瓶颈。系统能自主持续学习，实现从回答到办事再到进化的能力跃迁，覆盖服务、经营、增长全链路。它可自动处理80%以上日常客服、洞察经营风险、驱动营销转化，并凭借灵活Skill体系适配多元店铺。已服务超10万商家，助力跨境卖家降本增效。
-
GPUStack Day 0 支持 Kimi-K3：8×B300 上 vLLM 与 SGLang 推理实测
Kimi-K3在8×B300单机上通过GPUStack接入vLLM与SGLang，对比推理性能。64K输入下vLLM端到端延迟更低；200K输入时SGLang反超，得益于DCP分片降低长上下文Decode的KV读取瓶颈。性能交叉源于DCP配置差异，两方Prefill接近，差异在Decode扩展性。投机解码因随机数据接受率极低而几无收益。测试非严格对等，结果反映瓶颈与选型方向，非最终性能排名。
